GPT-6 Luna vs Gemini 3.8 Flash: Den billiga nivån har just ersatts

G​oogle släppte G​emini 4 Hydrogen den 12 november 2026, och dess lanseringsinlägg beskriver det som ”en stor fristående uppgradering för team som migrerar från Gemini 3.8 Flash”. Den meningen gör något som ingen benchmarktabell kan: den förändrar vad en jämförelse mellan GPT-6 Luna och Gemini 3.8 Flash är till för. G​emini-sidan i den här duellen är inte längre en modell du inför – det är en modell du blir migrerad bort från. Luna-sidan är fortfarande O​penAI:s billigaste G​PT-6-nivå, åtta veckor efter lanseringen och oförändrad. Så den ärliga frågan är inte vilken av de här två som är bättre. Det är huruvida det som gjorde 3.8 Flash värt sina $0,75 per miljon indatatoken fortfarande gäller för Hydrogen till $1,50 – och huruvida Lunas $0,10 någonsin var i samma marknad.

Här är kortversionen före detaljerna. Gemini 3.8 Flash är den mer kapabla modellen enligt nästan alla oberoende mått och kostar ungefär sju och en halv gånger så mycket per token. GPT-6 Luna skriver dubbelt så mycket utdata per begäran, kostar ungefär en tiondel så mycket per uppgift i testsviten från Artificial Analysis och är betydligt långsammare att börja svara. Hydrogen löser inte det – det flyttar Gemini-nivån uppåt i både pris och kapacitet, vilket gör att Luna blir standardvalet i marknadens billiga segment.

Databladen, sida vid sida

• Prislista, båda halvorna – GPT-6 Luna på 0,10 USD in och 0,50 USD ut per 1M mot Gemini 3.8 Flash på 0,75 USD och 3,75 USD; samma 7,5x visas för input och output, vilket är ovanligt och innebär att ingen typ av arbetsbelastning kan utnyttja förhållandet för arbitrage

• Cachad indata per 1 miljon – GPT-6 Luna $0,01 vs Gemini 3.8 Flash $0,075, och notera att G​oogle anger detta som en cacheträffsgrad snarare än en cache-skrivningsgrad, så det är inte direkt jämförbart med O​penAI:s system med två tal

• Prissättning för lång kontext – GPT-6 Luna fördubblar input och cache och multiplicerar output med 1,5 över 272 000 prompttokens; Gemini 3.8 Flash anger en och samma fasta taxa över hela sitt fönster

Kontextfönster – 1 050 000 token för GPT-6 Luna jämfört med 1 048 576 för Gemini 3.8 Flash, en skillnad på 1 424 token som ingen applikation någonsin kommer att märka

• Maximal utdata – GPT-6 Luna 128 000 tokens vs Gemini 3.8 Flash 65 536, vilket är en verklig skillnad första gången du ber om ett långt dokument

• Vad var och en faktiskt kommer att ta emot – Gemini 3.8 Flash tar emot video och ljud samt text, bilder och filer; GPT-6 Luna tar de tre sista och vägrar de två första

• Ansträngningsratten – Lunas stege går från ett fullständigt inget (medium om du inte säger något) till max; G​eminis börjar högre, har högt som standard och G​oogle varnar för att den gör av med fler tokens ju högre upp du drar den

• Lansering – Gemini 3.8 Flash den 2 september 2026; GPT-6 Luna den 22 september 2026; Hydrogen, dess ersättare, den 12 november 2026

• Artificial Analysis Intelligence Index v5.0.1 – 31 för Gemini 3.8 Flash på hög, 28 för GPT-6 Luna på max, så den billigare modellen tappar tre poäng samtidigt som den använder sin dyraste inställning

• Väntan på första ordet – 16,98 s på Gemini 3.8 Flash jämfört med 79,33 s på GPT-6 Luna, mätt av Artificial Analysis; Gemini-modellen är långsammare att slutföra en hel uppgift, 15 minuter jämfört med Lunas 11,8

• Vad indexkörningen kostade att slutföra – Gemini 3.8 Flash 7,77 dollar per uppgift, eller 5 764 dollar för hela sviten, jämfört med GPT-6 Lunas 0,15 dollar och 136 dollar

Sju och en halv gånger priset, och var det syns

Intelligensgapet är tre poäng: 31 mot 28. Det är mindre än prisförhållandet skulle antyda och mindre än de flesta skulle gissa, men det är inte det intressanta med jämförelsen, eftersom de två poängtalen togs vid olika ansträngningsinställningar – G​emini på high, Luna på max. Lunas poäng vid maximal ansträngning är det bästa den kan göra; G​eminis poäng vid hög ansträngning är dess standard. G​oogles modell har utrymme som Luna inte har.

Var de tre punkterna kommer ifrån är mer användbart än siffran. Dela upp indexet i dess komponenter så framträder ett mönster: de två modellerna ligger nära varandra i utvärderingar av kodstil och långt ifrån varandra när det gäller allt som kräver återkallning eller vägran.

• Terminal-Bench 4.0 – Gemini 3.8 Flash 19,7 % mot GPT-6 Luna 12,6 %; båda är dåliga, och ingen av dem är en terminalagent

• Terminal-Bench-Science 0.1 – Gemini 3.8 Flash 10,0 % mot GPT-6 Luna 8,6 %, vilket praktiskt taget är oavgjort

• HLE-Diamond – Gemini 3.8 Flash 33,1 % mot GPT-6 Luna 22,2 %, en spridning på elva punkter i svår resonemangsförmåga som ingen av modellerna hanterar bra

• FrontierCode-AA 2.0 – Gemini 3.8 Flash 18,7 % mot GPT-6 Luna 25,2 %, den enda kodutvärdering där Luna leder, även om båda ligger långt under de modeller som ligger över 46 %

• AA-Omniscience v1.1 netto – Gemini 3.8 Flash +23 mot GPT-6 Luna −8; detta är det största och mest avgörande gapet i tabellen

• AA-Briefcase v1.1 Elo – GPT-6 Luna 1337 vs Gemini 3.8 Flash 1203, ett kunskapsarbetsmått där den billigare modellen vinner

Det sista paret är det man bör stanna upp vid. I frågor om vad en modell vet och huruvida den erkänner att den inte vet, får Gemini 3.8 Flash netto +23 och Luna netto −8 – vilket innebär att Lunas fabricerade svar tillräckligt ofta väger tyngre än dess korrekta för att dra ner totalen under noll. Inom briefcase-liknande kunskapsarbete får Luna 134 Elo högre poäng. Två utvärderingar, motsatta utlåtanden, samma två modeller. Förklaringen är att Briefcase belönar att följa instruktioner utifrån en tillhandahållen korpus, medan Omniscience belönar att kunna saker utan en sådan. Om din applikation levererar dokumenten är Lunas svaghet begränsad. Om den svarar från minnet är den inte det.

Varför kostnaden per uppgift är 50x när prislistan är 7,5x

Listpriserna skiljer sig med en faktor på 7,5. Den uppmätta kostnaden för att slutföra Artificial Analysis Intelligence Index skiljer sig med en faktor på drygt 50: 7,77 dollar för Gemini 3.8 Flash mot 0,15 dollar för GPT-6 Luna. Gapet mellan dessa två kvoter beror helt på tokenförbrukning, och det är den mest underrapporterade siffran i varje modelljämförelse som publicerats i år.

Gemini 3.8 Flash är en tung resonemangsmodell. Google säger det rakt ut: på komplexa uppgifter ”uppvisar den större noggrannhet – utför extra resonemangssteg och anropar verktyg iterativt”, och ”kan använda fler tokens för att maximera prestandan, särskilt vid högre ansträngningsnivåer”. Styrelsens egen redovisning instämmer – 98 900 uttoken per uppgift för Gemini mot 75 300 för Luna, varav 60 100 respektive 57 600 är resonemangstoken. Multiplicera det antalet tokens med en prislista som redan är 7,5 gånger högre, och förhållandet per uppgift blir sammantaget 50 gånger. Detta är det enskilt starkaste argumentet för Luna som finns, och det handlar inte alls om intelligens.

Det slår också åt andra hållet vid en annan typ av arbetsbelastning. Om dina prompter är långa och dina svar korta – hämtning över ett fast corpus, klassificering med en enda token som utdata, loggtriage – är utdatatokens ett avrundningsfel på båda korten och inmatningsförhållandet på 7,5x hela historien. G​eminis mångordighet får aldrig en chans att förstärkas, och Lunas fördel krymper från 50x till ungefär 7x. Talet du ska modellera är ditt eget förhållande mellan inmatnings- och utdatatokens, inte det som står i benchmarken.

Funktionsgapet som ingen tar med i en jämförelsetabell

Gemini 3.8 Flash bearbetar video och ljud inbyggt. GPT-6 Luna gör det inte – text, bild och fil, inget annat. För de flesta textarbetsbelastningar är det irrelevant, och det är just därför de två modellerna överhuvudtaget jämförs: båda positioneras som budgetnivån, båda har ungefär en miljon tokens i kontext och båda tar bilder.

För en arbetsbelastning som involverar inspelade samtal, skärminspelningar eller mötesljud slutar jämförelsen där. Luna kan inte utföra jobbet till något pris, och 7,5x är inte ett premium utan en kategoriskillnad. Samma logik gäller omvänt för utdatans längd: Luna returnerar upp till 128 000 token i ett svar mot Geminis 65 536, vilket spelar roll när ett samtal förväntas producera ett helt dokument snarare än ett stycke av det.

Vad Hydrogen ändrar, och vad det inte ändrar

Googles egen beskrivning av migreringen är ovanligt rakt på sak om skillnaden: Hydrogen slutför uppgifter 2,5 gånger snabbare vid sin höga standardinställning än 3.8 Flash, mer än tredubblar Terminal-Bench 4.1 (57 % mot 18,2 %), minskar fabricerade påståenden med mer än 5 gånger och körs 2 till 2,8 gånger snabbare med 12 % till 23 % lägre tokenanvändning i partnertester. På Artificial Analysiss index får den 51 vid sin höga standardtanknivå mot Argons 50, och 54 vid xhigh.

Den har också ett fast pris över hela sitt kontextfönster på 1,50 USD per miljon inputtoken och 7,50 USD per miljon outputtoken – dubbelt så mycket som 3.8 Flash på båda sidor. Modellen som ersätter 3.8 Flash kostar alltså dubbelt så mycket som modellen den ersätter, och enligt Googles egna siffror ungefär 20 punkter högre på intelligensindexet. Det är ett enkelt byte uppåt längs kurvan, och det tar bort mitten av marknaden: köparen som ville ha kompetens i Gemini-klass till priser i Flash-klass har nu en modell ovanför sig och en modell under sig, medan det gamla alternativet är under migrering.

Inget av det ändrar Lunas position, eftersom Luna aldrig konkurrerade med en 31-indexmodell. Den konkurrerar med golvet. Med $0,10 för indata och $0,50 för utdata är Luna fortfarande det billigaste sättet att bearbeta en stor mängd text med en kompetent modell bakom sig, och att Hydrogen kommer in på $1,50 gör det ännu mer sant, inte mindre – G​emini-alternativet som tidigare kostade 7,5 gånger Lunas pris är nu 15 gånger.

Tredjepartsresultaten som inte stämmer överens

Inte alla oberoende mätningar placerar dessa modeller tre poäng ifrån varandra. StealthMark, en jämförelsetjänst som kör sin egen utvärderingsuppsättning, har Gemini 3.8 Flash före GPT-6 Luna med 8,8 poäng, 47,9 mot 39,1, och leder i åtta av nio enskilda benchmarktester. Och Deepnotes Agent Initiative Benchmark – som poängsätter modeller utifrån femtio arbetsplatsituationer i ett simulerat företag i stället för utifrån frågor – tog inte med Gemini 3.8 Flash alls, så den enda utvärdering som mäter proaktivt agentbeteende har inget att säga om den här kombinationen.

Skillnaden mellan ”tre poäng” och ”åtta och en halv poäng” är en påminnelse om att valet av benchmark är ett modelleringsbeslut, inte ett neutralt sådant. De utvärderingar som gynnar G​emini väger kunskap och resonemangsdjup; de som gynnar Luna väger instruktionsföljning högre än medföljande kontext och kostnad. Ingen av uppsättningarna är fel. Ett team som väljer mellan dessa två bör köra ett dussin av sina egna uppgifter genom båda innan de litar på någon av tabellerna, inklusive de fyra i den här artikeln.

Där var och en nu förtjänar sin plats

• Video, ljud eller annan multimodal indata – Gemini 3.8 Flash, eller Hydrogen om du börjar från scratch. Luna kan inte ta emot indata.

• Svar som hämtats från modellens kunskap utan bifogade dokument – Gemini 3.8 Flash. Uppdelningen +23 mot −8 i Omniscience är det avgörande beviset.

• Interaktiv latens där en första token på 79 sekunder är en produktdefekt – Gemini 3.8 Flash på 17 sekunder, även om dess genomsnittliga tid per uppgift på 15 minuter är sämre än Lunas 11,8, så fördelen ligger i den första token snarare än den sista.

• Långa genereringar, ett anrop som producerar ett helt dokument – GPT-6 Luna, tack vare en övre gräns för utdata på 128 000 token.

• Bearbetning av stora textmängder med tillhandahållna dokument – GPT-6 Luna, där 50x-fördelen per uppgift är reell och den faktamässiga lägstanivån begränsas av korpusen.

• Nya driftsättningar som överhuvudtaget vill ha en Gemini-nivå – Gemini 4 Hydrogen, inte 3.8 Flash. Att införa en modell två dagar efter att dess ersättare har lanserats kräver ett skäl.

Migreringsfrågan förtjänar en mening till, eftersom det är det praktiska beslutet som döljer sig i den här jämförelsen. Om du kör Gemini 3.8 Flash i produktion i dag talar Hydrogens siffror för att byta – men priset talar för att räkna på kostnaden först, eftersom de tokenbesparingar som Google rapporterar (12 % till 23 %) inte uppväger en fördubbling av båda prisnivåerna. Om du inte kör någon av dem står valet mellan en modell som avvecklas och en modell som har stått oförändrad i åtta veckor, och svaret beror helt och hållet på om din arbetsbelastning behöver videoinmatning eller en faktamässig grundnivå.

Köra någon av dem utan ett migreringsprojekt

Det besvärliga med en matchning som den här är att de två kandidaterna talar olika protokoll – G​eminis egen generate-endpoint och O​penAIs chat-completions-format – och modellen du väljer i dag kan ersättas inom ett kvartal, precis som 3.8 Flash nyss blev. OrcaRouter exponerar GPT-6 Luna, Gemini 3.8 Flash, G​emini 4 Hydrogen och mer än 200 andra modeller bakom en OpenAI-kompatibel nyckel med 0 % påslag, med leverantörens listpris vidarebefordrat, så att G​oogles introduktionspris och eventuella senare ändringar når fakturan samma dag. Det spelar större roll än vanligt här: 3.8 Flash lanserades till vad G​oogle kallade ett introduktionspris, och en modell med introduktionspris som håller på att fasas ut är en post värd att hålla ögonen på. Att byta en rutt från en modell till en annan är en ändring i routing-DSL snarare än ett nytt SDK, automatisk failover håller en arbetsbelastning igång när en leverantör försämras, och modellfusion låter en panel svara där en enda billig klassificering är för betydelsefull för att lita på en enda modell. Vi hostar inte modeller som vi inte routar, och båda dessa routar vi.

Vad du ska titta på härnäst

Två datum avgör hur den här jämförelsen uppfattas om en månad. Det första är G​oogles avvecklingsplan för Gemini 3.8 Flash – Hydrogen släpptes den 12 november och migreringsspråket är redan offentligt, så den relevanta frågan är inte om 3.8 Flash försvinner, utan hur länge introduktionspriset överlever den. Det andra är om O​penAI lägger fram en efterföljare till GPT-6 Luna eller en prisförändring på bordet; Luna har varit statisk sedan den 22 september, och en billigare eller mer kapabel modell på samma nivå skulle ändra matematiken på samma sätt som Hydrogen nyss ändrade förutsättningarna för G​emini.

Tills en av dem landar är sammanfattningen medvetet oglamorös. Gemini 3.8 Flash är den bättre modellen och det sämre köpet, och den är på väg ut. GPT-6 Luna är den svagare modellen med en kostnad per uppgift som är en storleksordning lägre och ett faktamässigt golv som begränsar var den kan litas på. Ingen av dem är ett standardval. Standardvalet, för alla som börjar nu, är Hydrogen på Gemini-sidan och Luna på basnivån – och gapet mellan dessa två är inte längre 7,5x utan 15x, vilket är ett annat beslut än det som den här jämförelsen skrevs för att besvara.