GPT-6 Luna vs Gemini 3.8 Flash: Phân khúc giá rẻ vừa được thay thế

Google đã ra mắt Gemini 4 Hydrogen vào ngày 12 tháng 11 năm 2026, và bài đăng ra mắt mô tả nó là "một bản nâng cấp độc lập lớn dành cho các đội đang chuyển khỏi Gemini 3.8 Flash." Câu đó làm được điều mà không bảng benchmark nào làm được: nó thay đổi mục đích của việc so sánh giữa GPT-6 Luna và Gemini 3.8 Flash. Phía Gemini trong cặp so tài này không còn là mô hình bạn chọn áp dụng nữa - mà là mô hình bạn đang được chuyển khỏi. Phía Luna vẫn là bậc GPT-6 rẻ nhất của OpenAI, tám tuần sau khi ra mắt và không hề thay đổi. Vậy nên câu hỏi thẳng thắn không phải là mô hình nào trong hai mô hình này tốt hơn. Mà là liệu điều khiến 3.8 Flash đáng giá $0.75 trên mỗi triệu token đầu vào còn đúng với Hydrogen ở mức $1.50 hay không - và liệu mức $0.10 của Luna có từng nằm trong cùng thị trường hay không.

Đây là phiên bản ngắn trước phần chi tiết. Gemini 3.8 Flash là mô hình có năng lực cao hơn trên gần như mọi thước đo độc lập và có giá mỗi token cao hơn khoảng bảy lần rưỡi. GPT-6 Luna tạo ra lượng đầu ra gấp đôi mỗi yêu cầu, tốn khoảng một phần mười chi phí cho mỗi tác vụ trên bộ đánh giá của Artificial Analysis, và chậm hơn rõ rệt khi bắt đầu trả lời. Hydrogen không giải quyết được điều đó — nó đẩy dòng Gemini lên cao hơn cả về giá lẫn năng lực, mặc định để phân khúc giá rẻ của thị trường cho Luna.

Các bảng thông số kỹ thuật, đặt cạnh nhau

• Bảng giá, cả hai phần - GPT-6 Luna ở mức $0.10 đầu vào và $0.50 đầu ra trên mỗi 1M so với Gemini 3.8 Flash ở mức $0.75 và $3.75; cùng mức 7.5x xuất hiện ở cả đầu vào và đầu ra, điều này là bất thường và có nghĩa là không có dạng khối lượng công việc nào có thể khai thác chênh lệch theo tỷ lệ này

• Đầu vào được cache trên mỗi 1M - GPT-6 Luna $0.01 so với Gemini 3.8 Flash $0.075, và lưu ý rằng G​oogle báo giá đây là tỷ lệ trúng cache thay vì tỷ lệ ghi cache, nên không thể so sánh trực tiếp với cách tính hai con số của O​penAI

• Định giá ngữ cảnh dài - GPT-6 Luna tăng gấp đôi giá đầu vào và bộ nhớ đệm, đồng thời nhân giá đầu ra với 1,5 khi vượt 272.000 token lời nhắc; Gemini 3.8 Flash báo một mức giá cố định duy nhất trên toàn bộ cửa sổ của nó

• Cửa sổ ngữ cảnh - 1.050.000 token đối với GPT-6 Luna so với 1.048.576 của Gemini 3.8 Flash, chênh lệch 1.424 token mà không ứng dụng nào sẽ nhận ra

• Đầu ra tối đa - GPT-6 Luna 128.000 token so với Gemini 3.8 Flash 65.536, một sự khác biệt thực sự ngay lần đầu bạn yêu cầu một tài liệu dài

• Mỗi bên sẽ thực sự tiếp nhận những gì - Gemini 3.8 Flash nhận video và âm thanh cũng như văn bản, hình ảnh và tệp; GPT-6 Luna nhận ba loại cuối và từ chối hai loại đầu

• Núm điều chỉnh mức nỗ lực - thang của Luna chạy từ mức none hoàn toàn (medium nếu bạn không nói gì) đến max; của Gemini khởi điểm cao hơn, mặc định ở high, và Google cảnh báo rằng bạn càng đẩy nó lên cao thì càng tốn nhiều token

• Phát hành - Gemini 3.8 Flash vào ngày 2 tháng 9 năm 2026; GPT-6 Luna vào ngày 22 tháng 9 năm 2026; Hydrogen, bản thay thế của nó, vào ngày 12 tháng 11 năm 2026

• Artificial Analysis Intelligence Index v5.0.1 - 31 cho Gemini 3.8 Flash ở mức high, 28 cho GPT-6 Luna ở mức max, vì vậy mô hình rẻ hơn chịu mất ba điểm trong khi lại đang chạy ở thiết lập đắt nhất của nó

• Chờ từ đầu tiên - 16,98 giây trên Gemini 3.8 Flash so với 79,33 giây trên GPT-6 Luna, theo đo lường của Artificial Analysis; mô hình Gemini hoàn thành toàn bộ một tác vụ chậm hơn, 15 phút so với 11,8 phút của Luna

• Chi phí để hoàn thành một lượt chạy chỉ mục là bao nhiêu - Gemini 3.8 Flash: 7,77 USD mỗi tác vụ, hay 5.764 USD cho toàn bộ bộ kiểm thử, so với GPT-6 Luna: 0,15 USD và 136 USD

Giá gấp bảy lần rưỡi, và ở chỗ nó thể hiện

Khoảng cách trí tuệ là ba điểm: 31 so với 28. Mức này nhỏ hơn mức mà tỷ lệ giá gợi ý và nhỏ hơn mức hầu hết mọi người đoán, nhưng đó không phải phần thú vị của phép so sánh, bởi hai điểm số được lấy ở các thiết lập nỗ lực khác nhau - G​emini ở mức cao, Luna ở mức tối đa. Điểm số ở mức nỗ lực tối đa của Luna là mức tốt nhất mà nó có thể đạt; điểm số ở mức nỗ lực cao của G​emini là mặc định của nó. Mô hình của G​oogle có dư địa mà Luna không có.

Việc ba điểm đến từ đâu hữu ích hơn bản thân con số. Tách chỉ số thành các thành phần và một quy luật sẽ hiện ra: hai mô hình gần nhau ở các đánh giá về phong cách viết mã và khác xa nhau ở bất cứ điều gì đòi hỏi khả năng truy hồi hoặc từ chối.

• Terminal-Bench 4.0 - Gemini 3.8 Flash 19,7% so với GPT-6 Luna 12,6%; cả hai đều kém, và không bên nào là một terminal agent

• Terminal-Bench-Science 0.1 - Gemini 3.8 Flash 10,0% so với GPT-6 Luna 8,6%, xét trên thực tế là ngang nhau

• HLE-Diamond - Gemini 3.8 Flash 33,1% so với GPT-6 Luna 22,2%, mức chênh lệch mười một điểm trong suy luận khó mà cả hai mô hình đều xử lý chưa tốt

• FrontierCode-AA 2.0 - Gemini 3.8 Flash 18.7% so với GPT-6 Luna 25.2%, bài đánh giá lập trình duy nhất mà Luna dẫn đầu, dù cả hai đều thấp hơn nhiều so với các mô hình đạt trên 46%

• AA-Omniscience v1.1 net - Gemini 3.8 Flash +23 so với GPT-6 Luna −8; đây là khoảng cách lớn nhất và có tác động lớn nhất trong bảng

• AA-Briefcase v1.1 Elo - GPT-6 Luna 1337 so với Gemini 3.8 Flash 1203, một thước đo công việc tri thức nơi mô hình rẻ hơn giành chiến thắng

Cặp cuối cùng đó là cặp đáng để suy ngẫm. Về những câu hỏi liên quan đến việc một mô hình biết gì và liệu nó có thừa nhận là không biết hay không, Gemini 3.8 Flash đạt +23 và Luna đạt −8 - nghĩa là các câu trả lời bịa đặt của Luna vượt trội so với các câu trả lời đúng của nó đủ thường xuyên để kéo tổng điểm xuống dưới 0. Đối với công việc tri thức kiểu briefcase, Luna đạt điểm Elo cao hơn 134. Hai đánh giá, hai phán quyết trái ngược, cùng hai mô hình. Lời giải thích là Briefcase thưởng cho việc tuân theo hướng dẫn dựa trên một kho văn bản được cung cấp, trong khi Omniscience thưởng cho việc biết mọi thứ mà không cần kho văn bản đó. Nếu ứng dụng của bạn cung cấp kèm tài liệu, điểm yếu của Luna sẽ được kiềm chế. Nếu nó trả lời từ ký ức, thì không.

Tại sao chi phí mỗi tác vụ lại là 50x trong khi bảng giá là 7.5x

Giá niêm yết chênh lệch 7,5 lần. Chi phí đo được để hoàn thành Chỉ số Trí tuệ của Artificial Analysis chênh lệch khoảng hơn 50 lần: 7,77 USD cho Gemini 3.8 Flash so với 0,15 USD cho GPT-6 Luna. Khoảng cách giữa hai tỷ lệ đó hoàn toàn nằm ở mức tiêu thụ token, và đây là con số ít được báo cáo nhất trong mọi so sánh mô hình được công bố năm nay.

Gemini 3.8 Flash là một mô hình suy luận nặng. Google nói thẳng điều đó: trên các tác vụ phức tạp, nó “thể hiện sự cần mẫn cao hơn - thực hiện thêm các bước suy luận và gọi công cụ lặp đi lặp lại”, đồng thời “có thể dùng nhiều token hơn để tối đa hóa hiệu năng, đặc biệt ở các mức nỗ lực cao hơn”. Cách tính của chính hội đồng cũng đồng tình - 98.900 token đầu ra mỗi tác vụ đối với Gemini so với 75.300 đối với Luna, trong đó lần lượt 60.100 và 57.600 là token suy luận. Nhân số token đó với một bảng giá vốn đã cao gấp 7,5 lần và tỷ lệ trên mỗi tác vụ sẽ tăng gộp lên 50 lần. Đây là lập luận mạnh nhất duy nhất ủng hộ Luna hiện có, và nó hoàn toàn không liên quan đến trí tuệ.

Điều này cũng diễn ra theo chiều ngược lại với một loại khối lượng công việc khác. Nếu prompt của bạn dài và câu trả lời ngắn — truy xuất trên một kho ngữ liệu cố định, phân loại với đầu ra một token, sàng lọc log — thì token đầu ra chỉ là sai số làm tròn trên cả hai card và tỷ lệ đầu vào gấp 7,5 lần chính là toàn bộ câu chuyện. Tính dài dòng của G​emini không có cơ hội cộng dồn, và lợi thế của Luna giảm từ 50 lần xuống còn khoảng 7 lần. Con số cần đưa vào mô hình là tỷ lệ token đầu vào trên đầu ra của chính bạn, không phải con số trên benchmark.

Khoảng trống tính năng mà không ai đưa vào bảng so sánh

Gemini 3.8 Flash tiếp nhận video và âm thanh trực tiếp. GPT-6 Luna thì không - chỉ văn bản, hình ảnh và tệp, không gì khác. Với hầu hết khối lượng công việc văn bản, điều đó không quan trọng, và đó chính xác là lý do hai mô hình này được đem ra so sánh: cả hai đều được định vị ở phân khúc giá rẻ, cả hai đều có khoảng một triệu token ngữ cảnh, cả hai đều nhận hình ảnh.

Đối với khối lượng công việc liên quan đến cuộc gọi được ghi âm, bản ghi màn hình hoặc âm thanh cuộc họp, so sánh dừng lại ở đó. Luna không thể đảm nhận công việc này với bất kỳ mức giá nào, và mức 7,5 lần không phải là phụ phí mà là khác biệt về hạng mục. Logic tương tự áp dụng ngược lại cho độ dài đầu ra: Luna trả về tối đa 128.000 token trong một phản hồi so với 65.536 của Gemini, điều này quan trọng khi một cuộc gọi được kỳ vọng tạo ra cả một tài liệu thay vì chỉ một đoạn của tài liệu đó.

Hydrogen thay đổi những gì và không thay đổi những gì

Cách chính Google trình bày về quá trình chuyển đổi này thẳng thắn một cách bất thường về mức chênh lệch: Hydrogen hoàn thành nhiệm vụ nhanh gấp 2,5 lần ở mức mặc định cao so với 3.8 Flash, cao hơn gấp ba lần Terminal-Bench 4.1 (57% so với 18,2%), giảm hơn 5 lần các tuyên bố bịa đặt và chạy nhanh hơn 2 lần đến 2,8 lần với mức sử dụng token ít hơn 12% đến 23% trong thử nghiệm của đối tác. Trên chỉ số của Artificial Analysis, nó đạt 51 ở mức tư duy cao mặc định so với 50 của Argon, và 54 ở xhigh.

Nó cũng có mức giá đồng nhất trên toàn bộ cửa sổ ngữ cảnh ở mức $1.50 cho mỗi triệu token đầu vào và $7.50 cho mỗi triệu token đầu ra - gấp đôi 3.8 Flash ở cả hai phía. Vì vậy, mô hình thay thế 3.8 Flash có giá gấp đôi mô hình mà nó thay thế, và theo chính các con số của G​oogle, cao hơn khoảng 20 điểm trên chỉ số trí tuệ. Đó là một sự đánh đổi thẳng thắn để tiến lên theo đường cong, và nó loại bỏ phần giữa của thị trường: người mua từng muốn năng lực đẳng cấp G​emini với mức giá đẳng cấp Flash giờ đây có một mô hình ở trên họ và một mô hình ở dưới họ, với lựa chọn cũ đang trong quá trình chuyển đổi.

Không điều nào trong số đó thay đổi vị thế của Luna, vì Luna chưa bao giờ cạnh tranh với một mô hình 31 chỉ số. Nó cạnh tranh với mức sàn. Với $0.10 đầu vào và $0.50 đầu ra, Luna vẫn là cách rẻ nhất để xử lý khối lượng lớn văn bản với một mô hình đủ năng lực phía sau, và việc Hydrogen xuất hiện ở mức $1.50 càng khiến điều đó đúng hơn, chứ không phải kém đi - lựa chọn G​emini từng có giá gấp 7,5 lần Luna nay là gấp 15 lần.

Các kết quả từ bên thứ ba không khớp

Không phải mọi phép đo độc lập đều cho thấy các mô hình này cách nhau ba điểm. StealthMark, một dịch vụ so sánh tự vận hành bộ đánh giá riêng, xếp Gemini 3.8 Flash dẫn trước GPT-6 Luna 8,8 điểm, 47,9 so với 39,1, và dẫn đầu ở tám trong chín tiêu chuẩn đánh giá riêng lẻ. Còn Agent Initiative Benchmark của Deepnote — đánh giá các mô hình trên năm mươi tình huống công sở trong một công ty mô phỏng thay vì trên các câu hỏi — hoàn toàn không bao gồm Gemini 3.8 Flash, nên phép đánh giá duy nhất đo hành vi tác nhân chủ động không có gì để nói về cặp này.

Khoảng cách giữa “ba điểm” và “tám điểm rưỡi” là lời nhắc rằng việc chọn benchmark là một quyết định mô hình hóa, chứ không phải một quyết định trung lập. Những đánh giá ủng hộ G​emini chú trọng kiến thức và độ sâu lập luận; những đánh giá ủng hộ Luna chú trọng khả năng tuân thủ chỉ dẫn trên ngữ cảnh được cung cấp và chi phí. Cả hai bộ đều không sai. Một nhóm đang cân nhắc giữa hai lựa chọn này nên chạy thử khoảng một tá tác vụ của chính mình qua cả hai trước khi tin bất kỳ bảng nào, kể cả bốn bảng trong bài viết này.

Nơi mỗi lựa chọn đang khẳng định vị trí của mình

• Video, âm thanh hoặc bất kỳ đầu vào đa phương thức nào - Gemini 3.8 Flash, hoặc Hydrogen nếu bạn đang bắt đầu mới. Luna không thể nhận đầu vào.

• Câu trả lời được rút ra từ kiến thức của mô hình mà không có tài liệu nào được đính kèm - Gemini 3.8 Flash. Chênh lệch +23 so với −8 của Omniscience là bằng chứng quyết định.

• Độ trễ tương tác, nơi {{1}}token đầu tiên mất 79 giây{{/1}} là một lỗi sản phẩm - {{2}}Gemini 3.8 Flash{{/2}} ở mức {{3}}17 giây{{/3}}, mặc dù {{4}}thời gian trung bình 15 phút mỗi tác vụ{{/4}} của nó tệ hơn {{5}}11,8 của Luna{{/5}}, vì vậy lợi thế nằm ở token đầu tiên chứ không phải token cuối cùng.

• Tạo sinh dài, một lần gọi tạo ra cả một tài liệu - GPT-6 Luna, nhờ vào giới hạn đầu ra 128.000 token.

• Xử lý văn bản khối lượng lớn với tài liệu được cung cấp - GPT-6 Luna, nơi lợi thế 50x cho mỗi tác vụ là có thật và mức sàn dữ kiện được kho ngữ liệu bao hàm.

• Các triển khai mới mà vẫn muốn có một hạng Gemini — Gemini 4 Hydrogen, chứ không phải 3.8 Flash. Việc áp dụng một mô hình chỉ hai ngày sau khi bản thay thế của nó ra mắt thì cần có lý do.

Câu hỏi về việc chuyển đổi xứng đáng có thêm một câu, vì đó chính là quyết định thực tiễn ẩn bên trong so sánh này. Nếu hôm nay bạn chạy Gemini 3.8 Flash trong môi trường sản xuất, các con số của Hydrogen nghiêng về việc chuyển đổi - nhưng mức giá của nó lại nghiêng về việc tính toán hóa đơn trước, vì mức tiết kiệm token mà Google báo cáo (12% đến 23%) không bù đắp được việc cả hai mức giá đều tăng gấp đôi. Nếu bạn không chạy cả hai, lựa chọn là giữa một mô hình sắp bị ngừng hỗ trợ và một mô hình đã đứng yên không thay đổi trong tám tuần, và câu trả lời hoàn toàn phụ thuộc vào việc khối lượng công việc của bạn có cần đầu vào video hay một mức sàn về dữ kiện.

Chạy một trong hai mà không có dự án di chuyển

Phần khó xử trong một màn so tài kiểu này là hai ứng viên nói hai giao thức khác nhau - endpoint generate riêng của G​emini và định dạng chat-completions của O​penAI - và mô hình bạn chọn hôm nay có thể bị thay thế trong vòng một quý, như 3.8 Flash vừa bị thay thế. OrcaRouter cung cấp GPT-6 Luna, Gemini 3.8 Flash, G​emini 4 Hydrogen và hơn 200 mô hình khác sau một khóa tương thích O​penAI với mức markup 0%, giá niêm yết của nhà cung cấp được chuyển nguyên vẹn, nên mức giá giới thiệu của G​oogle và mọi thay đổi sau đó đến hóa đơn ngay trong cùng ngày. Điều này còn quan trọng hơn bình thường ở đây: 3.8 Flash ra mắt với mức mà G​oogle gọi là giá giới thiệu, và một mô hình đang ở mức giá giới thiệu mà bị chuyển ra khỏi là một khoản mục đáng theo dõi. Chuyển một tuyến từ mô hình này sang mô hình khác là thay đổi routing-DSL chứ không phải SDK mới, chuyển đổi dự phòng tự động giữ cho khối lượng công việc hoạt động khi một nhà cung cấp suy giảm, và hợp nhất mô hình cho phép một hội đồng trả lời khi một phân loại rẻ đơn lẻ quá hệ trọng để giao cho một mô hình. Chúng tôi không lưu trữ những mô hình mà chúng tôi không định tuyến, và cả hai mô hình này chúng tôi đều định tuyến.

Xem gì tiếp theo

Hai ngày quyết định cách so sánh này sẽ được diễn giải trong một tháng tới. Ngày thứ nhất là lịch khai tử của Google đối với Gemini 3.8 Flash - Hydrogen đã ra mắt ngày 12 tháng 11 và thông điệp chuyển đổi đã được công bố, nên câu hỏi đáng đặt ra không phải là liệu 3.8 Flash có biến mất hay không, mà là mức giá giới thiệu còn tồn tại được bao lâu sau đó. Ngày thứ hai là liệu OpenAI có đưa ra một mô hình kế nhiệm GPT-6 Luna hay một thay đổi giá hay không; Luna đã không thay đổi kể từ ngày 22 tháng 9, và một mô hình rẻ hơn hoặc mạnh hơn ở cùng phân khúc sẽ làm lại bài toán theo cách Hydrogen vừa làm lại bài toán của Gemini.

Cho đến khi một trong số đó thành hiện thực, phần tóm tắt được cố ý viết theo cách không hào nhoáng. Gemini 3.8 Flash là mô hình tốt hơn nhưng lại là lựa chọn mua tệ hơn, và nó đang trên đà bị loại bỏ. GPT-6 Luna là mô hình yếu hơn với chi phí mỗi tác vụ thấp hơn một bậc độ lớn và ngưỡng sàn về độ xác thực giới hạn những nơi có thể tin cậy nó. Cả hai đều không phải mặc định. Lựa chọn mặc định, với bất kỳ ai bắt đầu ngay bây giờ, là Hydrogen ở phía Gemini và Luna ở mức thấp nhất - và khoảng cách giữa hai lựa chọn đó không còn là 7,5 lần mà là 15 lần, đây là một quyết định khác với quyết định mà cặp so sánh này được viết ra để trả lời.