GPT-6 Luna vs Claude Opus 5: Femtio gånger priset och samma eftermiddag

GPT-6 Luna kostar $0,10 per miljon indatatokens och $0,50 per miljon utdatatokens. Claude Opus 5 kostar $5,00 och $25,00. Det är en femtiofaldig skillnad på båda sidor av prislistan, och det är det första alla lägger märke till med detta par — en modell som leverantören släppte den 22 september 2026, prissatt mot en modell som företaget släppte den 24 juli 2026, som har funnits på marknaden i två månader. Siffran femtio gånger är verklig. Den är också nära det minst användbara faktumet i den här jämförelsen, eftersom dessa två inte konkurrerar om samma anrop, och på grund av något som hände på den andra modellens sida av staketet samma eftermiddag som Luna lanserades.

GPT-6 Luna är den lilla nivån i OpenAI:s GPT-6-generation och ligger under GPT-6 Sol på $2.00/$10.00 och långt under flaggskeppet GPT-6 Astra på $10.00/$50.00. Claude Opus 5 var Anthropics flaggskepp fram till den 22 september, då Anthropic släppte Claude Opus 5.5 till $4.00/$20.00 och flyttade ned Opus 5 ett steg. Båda modellerna som nämns i den här artikelns titel befinner sig i dag ett steg ned från toppen av sin egen leverantörs stege – av skäl som inte har något med varandra att göra. Det spelar större roll än prisförhållandet, och det är där den här texten börjar.

På eftermiddagen skickade båda leverantörerna

OpenAI meddelade GPT-6 Sol och GPT-6 Luna den 22 september. Några timmar tidigare meddelade Anthropic Claude Opus 5.5. Två av de tre modellerna i den meningen sänkte priserna med ungefär hälften jämfört med sina föregångare, vilket inte är så mycket ett sammanträffande som en marknad: de föregående arton månadernas släpp av öppna vikter från kinesiska labb hade redan pressat kostnaden för en kompetent token hårt nedåt, och båda leverantörerna svarade på samma tryck.

Den praktiska konsekvensen för alla som har en driftsättning av Claude Opus 5 är att modellen de byggde mot inte längre är den modell som Anthropic säljer hårdast. Claude Opus 5.5 kostar $4.00/$20.00 — en listprissänkning på 20% — med cachad indata till $0.20 per miljon, ned från Opus 5:s $0.50, och Artificial Analysis mäter den till 58 på sitt Intelligence Index vid maximal ansträngning, den högsta siffra de har registrerat. Claude Opus 5 mäter 51 på samma index. Om du kör Opus 5 idag är femtiofaldig-jämförelsen i den här artikelns titel inte den du står inför. Den du står inför är huruvida du byter till Opus 5.5, och svaret på det är en separat räkneuppgift från vad GPT-6 Luna än gör.

Med det sagt styr den femtiofaldiga siffran fortfarande ett verkligt beslut, eftersom de arbetsbelastningar som GPT-6 Luna är byggd för är exakt de arbetsbelastningar där en Claude Opus 5-räkning blir obehaglig. Båda fakta kan vara sanna samtidigt.

Vad var och en av dessa två faktiskt är

Specifikationerna, en rad per dimension, båda sidorna på varje:

• Pris per 1 miljon tokens — GPT-6 Luna $0,10 in / $0,50 ut mot Claude Opus 5 $5,00 in / $25,00 ut

• Cachad inmatning — GPT-6 Luna $0,01 per 1M, en rabatt på 90 % jämfört med Claude Opus 5 $0,50 per 1M på Opus 5-kortet, sänkt till $0,20 på Opus 5.5

• Kontextfönster — GPT-6 Luna 1 050 000 totalt med en maximal indata på 922 000 mot Claude Opus 5 1M, båda begränsade till 128 000 utdatatoken

• Omprissättning för lång kontext — GPT-6 Luna fördubblar indata och cache och höjer utdata 1,5x över 272K indatatokens, tillämpas på hela förfrågan jämfört med Claude Opus 5 som är platt över hela sitt fönster

• AA Intelligence Index — GPT-6 Luna 37 vid maximal ansträngning vs Claude Opus 5 51

• AA Intelligence Index, effort-matchat — GPT-6 Luna 29 vid sitt standardläge för medium effort mot Claude Opus 5 51 på max, den enda inställningen som Anthropic mäter den på

• Utdatahastighet — GPT-6 Luna 153,9 tokens/sek vs Claude Opus 5 53,6 tokens/sek

• Kostnad för att köra indexet — GPT-6 Luna 122,39 $ jämfört med Claude Opus 5 7 274,74 $

• Reglage för att stänga av resonemang — GPT-6 Luna erbjuder inget, låg, medel, hög, xhigh och max, medan Claude Opus 5 har tänkande som är adaptivt och alltid på

• Släppt — GPT-6 Luna 2026-09-22 vs Claude Opus 5 2026-07-24

Tre av de där raderna gör mer arbete än de andra, och den första är ansträngningsraden. GPT-6 Lunas 37 är dess poäng vid maximal ansträngning. Dess standardinställning är medium, och på medium får den 29. Claude Opus 5:s 51 är en siffra för maximal ansträngning, eftersom Anthropic inte exponerar en lägre inställning som Artificial Analysis mäter. Så rubrikgapet på fjorton punkter är en jämförelse mellan den ena modellens tak och den andra modellens tak – och ett team som installerar GPT-6 Luna och inte ändrar något kör på 29, inte 37. Det är ett gap på tjugotvå punkter, inte fjorton, och det är osynligt om man inte letar efter standardinställningen för ansträngning.

Den andra är indexets kostnadsrad. Det är inte en prisuppgift – det är vad Artificial Analysis faktiskt spenderade på att köra hela utvärderingssviten på varje modell med sina egna pengar. $122,39 mot $7 274,74 är en femtioniofaldig skillnad i kostnaden för att ta reda på hur bra modellen är, och det är det renaste tillgängliga proxymåttet för hur de två beter sig i stor skala. Claude Opus 5 genererade 140 miljoner tokens under den körningen; GPT-6 Luna genererade 150 miljoner. Den billiga modellen var mer mångordig och kostade ändå femtionio gånger mindre.

Den tredje är avstängningsbrytaren. GPT-6 Luna kan instrueras att inte resonera alls. Claude Opus 5 kan inte. Just den specifikationsraden är anledningen till att en av dessa modeller kan sitta bakom en klassificerare, en router eller en modereringsskärm medan den andra inte kan, och den förklarar en stor del av prisskillnaden utan att alls hänvisa till kapacitet.

Där den billiga nivån slutar vara billig

Det finns ett stup i GPT-6 Lunas prislista, och det är det enskilt dyraste att missa. Förfrågningar som överstiger 272 000 indatatoken faktureras till dubbla indata- och cachepriserna och 1,5 gånger utdatapriset – för hela förfrågan, inte bara den del som passerade gränsen. Ett anrop på 300 000 token till GPT-6 Luna faktureras med $0,20 per miljon indatatoken för alla 300 000 token, eftersom det gick över med 28 000. Dela upp samma dokument i två anrop och kostnaden halveras utan någon ändring av prompten.

Claude Opus 5 har ingen motsvarande klausul. Dess $5.00/$25.00 är oförändrat över hela 1M-fönstret, vilket innebär att femtiofaktorförhållandet är ett femtiofaktorförhållande överallt – utom över 272K indatatokens, där GPT-6 Lunas effektiva indatahastighet fördubblas till $0.20 och dess utdatahastighet stiger till $0.75, och gapet minskar till tjugofem gånger. Fortfarande enormt. Fortfarande värt att känna till, eftersom de arbetsbelastningar som mest sannolikt har en arbetskontext på 300 000 tokens är exakt de agentiska som båda leverantörerna säljer till.

Det andra som ska prissättas är ansträngning. Att köra GPT-6 Luna med maximal ansträngning för en uppgift som hade fungerat bra på medium är det vanligaste sättet att göra av med besparingarna du just uppnådde. Skillnaden mellan 37 och 29 är storleken på straffet för fel inställning, och till skillnad från en prisklausul syns det inte någonstans på en räkning – det visar sig som tokenvolym, vilket ser ut som framgång.

Delningen som faktiskt avgör det

Den ärliga versionen av den här jämförelsen är att de två modellerna inte är substitut, och prisförhållandet är en distraktion från en arbetsbelastningsfråga som har ett tydligt svar hur som helst.

GPT-6 Luna hör hemma överallt där utdata konsumeras av ett program i stället för en person och volymen är själva poängen. Klassificering, extrahering, routingbeslut, storskalig sammanfattning, den inre loopen hos en agent som gör tusen små anrop per uppgift. Med $0.10/$0.50 och en cachad indataavgift på en cent, och med Batch och Flex till halva standardpriset, är kalkylen inte ens nära jämn mot något i Opus-serien. Artificial Analysis flaggar en verklig regression som är värd att känna till innan du migrerar: GPT-6 Lunas Coding Agent Index föll två punkter till 41, mot GPT-5.6 Lunas 43, med nedgångarna koncentrerade till SWE-Atlas-QnA och DeepSWE v1.1. Den flaggar också en verklig förbättring av samma storleksordning – modellens hallucinationsfrekvens på AA-Omniscience föll från ungefär 93 % till 77 %, medan dess noggrannhet knappt rörde sig. Den avstår oftare från att svara i stället för att veta mer, och för allt som har en konsument nedströms är det den mer värdefulla halvan av avvägningen.

Claude Opus 5 hör hemma där utdata är produkten. Anthropics egna publicerade resultat – leverantörsrapporterade, inte oberoende reproducerade – placerar den på 96,0 % på SWE-bench Verified och 79,2 % på SWE-bench Pro, och gapet på fjorton indexpunkter är den typ av marginal som avgör huruvida en långsiktig agent slutför en uppgift eller tyst stannar halvvägs. Om du befinner dig vid gränsen för vad modellen kan göra, är en modell som är femtio gånger billigare och tjugotvå punkter bakom vid standardansträngning inte en billigare version av samma sak.

Att köra båda utan att välja

Anledningen till att den här jämförelsen inte mynnar ut i en enda rekommendation är att gränsen mellan de två arbetsbelastningarna inte är stabil. Den flyttas varje gång någon av leverantörerna släpper något, och den flyttades två gånger under de tre veckorna före den här artikeln – en gång när Anthropic sänkte Opus-priset till $4.00/$20.00, och en gång när OpenAI halverade priset för hela sin lägre prisnivå. Ett team som hårdkodade en vinnare i juli kör med fel konfiguration i dag.

Claude Opus 5 finns på OrcaRouter till Anthropics listpris, och med pass-through-prissättning innebär det att en ändring av leverantörens pris slår igenom hos oss samma dag i stället för att vänta på att en återförsäljare omförhandlar — vilket är det konkreta skälet till att Opus 5.5-sänkningen landade i vår katalog utan ett integrationsprojekt. GPT-6 Luna finns inte på OrcaRouter vid tidpunkten för detta; du når den via OpenAIs eget API. Så den ärliga lösningen för ett team som vill ha båda är en nyckel för Claude Opus 5 vid sidan av vad du redan använder för OpenAI, med automatisk failover som täcker gapet när en leverantör försämras. Att flytta en rutt mellan en klassificerare för en cent och en resonerare för tjugofem dollar genom att ändra en konfiguration i stället för en kodväg är värt mer än att välja rätt i september.

Vad du ska göra den här veckan

Om du kör Claude Opus 5 är det femtiofaldiga gapet i titeln ett verkligt tal som pekar på fel beslut. Ditt beslut är Opus 5.5 – en 20-procentig listprissänkning, en högre indexpoäng och en cached-input-taxa som föll med 60 % – och GPT-6 Luna är en annan fråga som råkar vara på samma sida.

Om du kör en klassificerings- eller extraktionspipeline med hög volym på en modell i Opus-klassen är GPT-6 Luna den enskilt största kostnadsåtgärden tillgänglig för dig den här månaden, och migreringen är mindre än prissänkningen antyder: samma 1M-kontextklass, samma tak på 128 000 utdata och en tokenpris som är femtio gånger lägre på båda sidor. Testa den med medium effort innan du antar standardinställningen, lägg dina anrop med lång kontext på rätt sida om 272 000 token och kontrollera kodningsregressionen mot din egen eval i stället för mot ett leverantörsdiagram.

Och om du kör båda är det som behöver åtgärdas inte vilken av dem du valde. Det är att ett ändrat beslut för närvarande kostar en kodutrullning.