Claude Haiku 5.5 vs GPT-6 Luna Pro: En modell mot ett läge

Den ena sidan av den här jämförelsen är en modell, och den andra är en inställning. Claude Haiku 5.5blev allmänt tillgänglig den 7 oktober 2026 för 0,10 USD per miljon indatatoken och 0,50 USD per miljon utdatatoken, via Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry och Claude Platform on AWS. GPT-6 Luna Proär inte en modell alls: sättet att nå den är att anropa GPT-6 Luna med reasoning.mode inställt på pro i stället för standard. Den har varit tillgänglig sedan den 22 september 2026 till samma 0,10 och 0,50 USD. Det finns ingen gpt-6-luna-pro-identifierare på OpenAIs modellsida. Så den ärliga beskrivningen av den här duellen är inte ”vilken modell som vinner” utan ”vilket som är det bättre sättet att spendera tio cent per miljon indatatoken”: en liten modell med en ansträngningsratt, eller en större modell som körs i ett läge som gör mer arbete och debiterar dig för de token den inte visar dig. För kort arbete i hög volym är svaret oftast det första. För svårt, enstaka arbete kan det vara det andra – och siffran som avgör det har OpenAI inte publicerat.

Vad "pro" är, mekaniskt

OpenAIs resonemangsguide anger att GPT-5.6- och GPT-6-modeller stöder två lägen i Responses API, standard (standardinställningen) och pro, som väljs genom reasoning.mode. Läge är en annan kontroll än reasoning.effort: läge avgör hur mycket arbete modellen utför innan den bestämmer sig för ett svar, effort avgör hur mycket resonemang som sker inom det läge du valde. GPT-6 Lunas dokumenterade effort-värden är none, low, medium (standard), high, xhigh och max, och vilket som helst av dem kan kombineras med pro-läge.

När det gäller fakturering är guiden tydlig och lite kontraintuitiv. Pro-läget samlar allt modellarbete bakom det slutliga svaret och debiterar dessa token "enligt den valda modellens standardtaxor för token". Det finns ingen pro-premium på taxekortet. Kostnaden syns som volym, eftersom pro-läget "utför mer modellarbete än standardläget, vilket ökar tokenanvändningen och kostnaden" — och resonemangstoken debiteras som utdatatoken men visas bara i usage-objektet under output_tokens_details.reasoning_tokens. Om du inte läser det fältet är ökningen osynlig tills fakturan kommer.

Två jämförelser följer av detta, och de är värda att hålla isär. Jämfört med GPT-6 Luna i standardläge, är pro-läget samma modell med en okänd multiplikator på tokenförbrukning. Jämfört med Claude Haiku 5.5, är det också en annan modell i en annan skala – 1 050 000 tokens i kontext mot 1 miljon, ett tak för indata på 922 000 tokens och en kunskapsgräns den 18 maj 2026, på en nivå som Anthropics egen lanseringsdokumentation placerar något över Haiku för svårt agentiskt arbete. De två skillnaderna drar åt samma håll när det gäller kostnad och åt motsatta håll när det gäller kapacitet, vilket är anledningen till att ingen av dem kan avläsas ur en prislista.

Priskorten, sida vid sida.

Båda modellerna faktureras i två nivåer, och tröskelvärdena ligger på olika ställen — vilket spelar större roll än rubrikpriset, eftersom båda rubrikpriserna är identiska.

• Indata — Claude Haiku 5.5 $0,10 per miljon upp till 100 000 tokens, $0,50 därutöver. GPT-6 Luna $0,10 upp till 272 000 tokens, $0,20 därutöver.

• Utdata — Claude Haiku 5.5 $0,50 upp till 100 000 tokens, $2,50 därutöver. GPT-6 Luna $0,50 upp till 272 000 tokens, $0,75 därutöver.

• Cachning — Claude Haiku 5.5-cacheläsningar $0,01 och cacheskrivningar $0,125 under gränsen, $0,05 och $0,625 över den. GPT-6 Luna-cacheläsningar $0,01 och cacheskrivningar $0,125 under 272 000 tokens, $0,02 och $0,25 över.

• Kontext och utdata — 1 miljon tokens och maximal utdata på 128 000 för Claude Haiku 5.5; 1 050 000 tokens med en indatagräns på 922 000 tokens och maximal utdata på 128 000 för GPT-6 Luna.

• Tänkande — adaptivt på båda. Claude Haiku 5.5 använder som standard medium ansträngning; GPT-6 Luna använder som standard medium ansträngning och standard läge, med pro-läge som ett tillval ovanpå.

• Batch- och cacheringsrabatter — Claude Haiku 5.5 ger 50 % rabatt på Message Batches API; GPT-6 Luna ger 50 % rabatt på Batch och Flex, dubblar i Fast-läge och lägger till 10 % i premium för regional bearbetning.

Den enda raden som inte har samma form är tokeniseraren. Anthropics dokumentation noterar att Claude Haiku 5.5 använder den nyare tokeniseraren som delas med Claude 4.7 och senare, så samma text räknas som ungefär 30 % fler tokens än på Claude Haiku 4.5. Det ändrar inte priset; det ändrar hur snabbt en prompt når tröskeln vid 100 000 tokens, och det är en verklig kostnadsskillnad som ingen prislista visar. En prompt på 90 000 tokens mäts till ungefär 117 000 och betalar 0,50 USD per miljon indata i stället för 0,10 USD – en femfaldig taxa för en prompt som ser ut att ligga bekvämt under gränsen.

Vad pro-läget kostar, i de enda enheter man kan använda

Eftersom multiplikatorn är opublicerad är det användbara att ange vad varje ytterligare token kostar, och sedan vad de rimliga intervallen innebär vid volym.

• Med GPT-6 Lunas $0,50 per miljon utdatatoken kostar varje extra 10 000 utdatatoken per uppgift $0,005. Kör man 100 000 uppgifter om dagen blir den ökningen en miljard extra token – cirka $500 om dagen, eller $15 000 i månaden, för en modell vars rubrikpris är en dime per miljon indatatoken.

• För att sätta det i perspektiv förbrukar GPT-6 Luna vid maximal ansträngning redan 140 miljoner utdatatoken när den kör Intelligence Index mot en median på 100 miljoner, vilket utvärderaren beskriver som något mångordig. Anthropics lanseringstabell, körd på Anthropics eget testramverk, placerar GPT-6 Luna på 16,4 % på Terminal-Bench 4.0 och 42,4 % på FrontierCode 1.1, mot 39,2 % och 46,4 % för Claude Haiku 5.5 — leverantörsrapporterat, en leverantörs testsvit, en konkurrents modell.

• På den oberoende resultattavlan är ordningen snävare. Artificial Analysis ger Claude Haiku 5.5 betyget 43 vid Max effort på Intelligence Index v4.3.2, på andra plats av 182, och GPT-6 Luna (Max) 38, på åttonde plats av 182. Båda siffrorna avser standardläge, maxeffort. Det finns ingen oberoende utvärdering av GPT-6 Luna i pro-läge: dess sida har ingen pro-post, och Artificial Analysis listar ingen sådan.

Det strukturella problemet för pro-läget är samspelet mellan de två sista punkterna. GPT-6 Luna:s hela kostnadsfördel gentemot Claude Haiku 5.5 kommer från tokeneffektivitet — 140 miljoner utdatatokens mot 440 miljoner för samma svit, till identiska priser, vilket är anledningen till att samma utvärdering kostar 0,07 dollar per uppgift på ena sidan och 0,21 på den andra. Pro-läget är per definition ett läge som avger fler tokens. Att aktivera det är att stänga av det som gjorde modellen billig i den här jämförelsen, och multiplikatorn som skulle visa hur mycket är inte publicerad. Det är inte ett argument för att pro-läget är en dålig affär — på svåra uppgifter är mer arbete oftast bättre arbete — utan ett argument för att pro-läget konkurrerar på förmåga, inte på pris, och bör utvärderas mot mellanklassmodellerna som det ligger nära i pris snarare än mot det billiga skiktet som det ingår i.

Där var och en faktiskt vinner

Skalar man ner det till beslutet är uppdelningen tydlig, även om ingen av sidorna är fri från förbehåll.

Claude Haiku 5{{1}} äger den billiga änden{{/1}}. Det är snabbare i båda bemärkelserna — 123,0 utdata per sekund enligt Artificial Analysis mot 123,0 GPT-6 och en tid på 295 sekunder i Index-körningen, vilket är en produkt av hur länge den tänker vid Max-ansträngning snarare än en nätverkssiffra. Dess priskort når den andra nivån vid 100 000 tokens och dess tokenizer blåser upp prompter med 30 %, så långa prompter betalar mer än vad prislappen antyder på inputsidan. Vad den ger dig är en fempoängsfördel i intelligens på det ena indexet och en ansträngningsratt — Låg till Max — som är den enskilt mest användbara kontrollen som någon av leverantörerna har skickat med dessa modeller. Att skruva ner ansträngningen är hur du byter bort en del av den fempoängsledningen mot en siffra per uppgift närmare GPT-6:s.

GPT-6 Luna Pro äger den svåra änden, med en okvantifierad nota. Modellen under är billigare per token över 272 000 indatatoken än vad Claude Haiku 5.5 är över 100 000, med en faktor på två och en halv för indata och tre och en tredjedel för utdata, och dess första nivå sträcker sig arton gånger längre upp i kontextfönstret. Standardläget är mätbart billigare per slutförd uppgift. Pro-läget byter bort det mot mer arbete per svar till samma priser, och huruvida det slår Claude Haiku 5.5 vid Max effort eller en modell i mellanklassen för en given uppgift är en fråga som inget publicerat tal besvarar. Sättet att svara på det är att köra uppgiften på båda sätten och läsa fältet för resonemangstoken.

Att testa endera utan att satsa på det

Det besvärliga med den här jämförelsen är att dess viktigaste siffra – pro-lägets verkliga kostnad – bara kan tas fram genom att köra din egen trafik genom det, och den mindre modellens effektiva kostnad beror på var dina prompter hamnar i förhållande till en gräns på 100 000 token efter omtokenisering. Båda är mätproblem, och båda är billigare på en delad endpoint än att gå via två leverantörsklienter.

GPT-6 Luna finns i OrcaRouters katalog idag till leverantörens listpris med 0 % påslag som förs vidare, så standardlägets baslinje för den här jämförelsen kan anropas med en enda nyckel, och en ändring av leverantörspriset slår igenom hos oss samma dag i stället för vid nästa faktureringscykel. Claude Haiku 5.5 finns ännu inte i katalogen; den Anthropic-nivå vi faktiskt dirigerar idag är Claude Haiku 4.5, Claude Sonnet 5.5 och Claude Opus 5.5, vilket gör ett eskaleringsprov från en billig delsträcka upp genom en mellannivå till en dirigeringsregel i stället för en kodändring. Automatisk redundansväxling i botten är det som gör att en två dagar gammal modell kan bära produktionstrafik medan du fortfarande mäter den: en leverantör som börjar fallera dirigeras runt i stället för att ta ner förfrågan, vilket är skillnaden mellan en pilot du kan köra den här veckan och en övergång du måste schemalägga.

Vad avgör saken

Tre saker, i ordning efter hur mycket de skulle förändra svaret. Om OpenAI publicerade en tokenmultiplikator för pro-läget, eller en pro-slug med en egen prisrad, skulle det centrala okända omvandlas till aritmetik. Om Artificial Analysis körde GPT-6 Luna igen i pro-läge med matchad ansträngning skulle det åstadkommas från den oberoende sidan. Och en andra oberoende körning av Claude Haiku 5.5 på medium i stället för Max skulle berätta vad modellen faktiskt kostar vid sin standardinställning, vilket är den konfiguration de flesta kommer att använda — $0,21 per uppgift på resultattavlan är en siffra för Max-ansträngning, och Max är inte standard.

Fram till dess är den korrekta sammanfattningen snäv. Claude Haiku 5.5 är en modell som du kan anropa, prissätta och benchmarka redan idag, och vid de volymer som dess nivå är byggd för är det det billigare svaret med ett dokumenterat sätt att bli ännu billigare. GPT-6 Luna Pro är en konfiguration av en modell som du kan anropa, dess prislista är inte problemet, dess tokenförbrukning är oreviderad, och hela argumentet för den vilar på uppgifter som är så svåra att själva poängen är att spendera fler tokens. Köp den för dessa uppgifter, mät den innan du gör det, och lägg inte in den på en högvolymväg förrän någon publicerar multiplikatorn.