GPT-6 Luna 对比 DeepSeek V4 Pro：一个指数点，五倍的价格，以及拥有自己权重的理由

下面这个数字本应决定这场对决，却没有：GPT-6 Luna在最高努力水平下，于 Artificial Analysis Intelligence Index 上得分 37。DeepSeek V4 Pro在同一版指数上、同样在最高努力水平下得分 36。两者仅相差一分，而在这样一个综合评分中，一分之差完全落在一次重跑的噪声范围内——而这两款模型的价格却相差约五倍。GPT-6 Luna 标价为每百万输入 token 0.10 美元、每百万输出 token 0.50 美元。DeepSeek V4 Pro 0813 在非高峰时段标价为 0.66 美元和 1.98 美元，在其高峰时段则翻倍至 1.32 美元和 3.96 美元。

如果这就是故事的全部，那这篇文章只需一段就能写完，并且会以“使用 GPT-6 Luna”收尾。可事实并非如此，原因就在于一个会让比较彻底反转的维度：DeepSeek V4 Pro 的权重是开放的，而且采用 MIT 许可证。每 token 成本高出五倍的那个模型，才是你被允许下载、修改、微调，并永远在自己的硬件上运行的模型。这并不是价格论证中的一个脚注——对某一类特定买家而言，它就是全部论证；而 9 月 22 日 GPT-6 Luna 的发布让这一点变得更加尖锐，而不是就此了结。

发布了什么，以及何时发布

GPT-6 Luna 是 OpenAI 的小型层级，于 2026 年 9 月 22 日发布，与定价 $2.00/$10.00 的 GPT-6 Sol 一同推出，定位低于定价 $10.00/$50.00 的旗舰级 GPT-6 Astra。OpenAI 将其描述为公司用于专注型、高吞吐量任务的最高效模型。它拥有 1,050,000 token 的上下文窗口，最大输入为 922,000，输出上限为 128,000 token，接受文本和图像，并提供从 none 到 low、medium、high、xhigh 和 max 的推理强度——默认为 medium。

DeepSeek V4 Pro 0813 是 DeepSeek 旗舰级第四代模型的 GA 版本，于 2026 年 8 月 13 日发布，在同一 deepseek-v4-pro 标识符下取代了 4 月的预览版。它是一个纯文本的混合专家模型，总参数量 1.6 万亿、激活参数 490 亿，上下文窗口为 100 万 token，输出上限高达 384,000 token，相当宽裕——是 GPT-6 Luna 的三倍。权重在 API 上线大约半天后以 deepseek-ai/DeepSeek-V4-Pro-0813 之名发布到 Hugging Face：66 个 fp8 分片，无需申请，MIT 许可。我们自己的模型目录页面仍标注着 4 月预览版的日期，而非 8 月的 GA 日期——如果你是从产品页面而非发布说明上读取日期，这一点值得留意。

两者都以推理为先，且都具备长上下文能力。但其中只有一个，是你能够实实在在拿在手里的文件。

说实话，那些费率卡

每个维度一行，每行均包含两侧：

• 每 1M 输入 — GPT-6 Luna $0.10 对比 DeepSeek V4 Pro 非高峰 $0.66 / 高峰 $1.32

• 每 1M 输出 — GPT-6 Luna $0.50，对比 DeepSeek V4 Pro 非高峰 $1.98 / 高峰 $3.96

• 缓存输入 — GPT-6 Luna 每 1M 为 $0.01，相较其自身费率折扣 90%，而 DeepSeek V4 Pro 的缓存折扣为 97%，折扣百分比更深，但基于更高的基准

• 高峰窗口 — GPT-6 Luna 无，全天平稳，而 DeepSeek V4 Pro 在 UTC 01:00-04:00 和 06:00-10:00 之间翻倍

• 长上下文条款——GPT-6 Luna 将输入和缓存翻倍，并在输入超过 272K 时将输出提升 1.5 倍，适用于整个请求；相比之下，DeepSeek V4 Pro 的定价卡上未公布长上下文附加费

• 上下文与输出 — GPT-6 Luna 1,050,000 输入 / 128,000 输出 对比 DeepSeek V4 Pro 1,048,576 输入 / 384,000 输出

• AA 智能指数 — GPT-6 Luna 37（最高推理强度）对比 DeepSeek V4 Pro 36（最高推理强度），同一指数修订版本

• 默认投入程度得分——GPT-6 Luna 在中等档位下为 29，对比 DeepSeek V4 Pro 在其最高设置下为 36，即 Artificial Analysis 所测量的投入程度

• 推理关闭开关 —— GPT-6 Luna 从 none 到 max，而 DeepSeek V4 Pro 仅有 low、high 和 max

• 运行索引的成本 — GPT-6 Luna $122.39 对比 DeepSeek V4 Pro $1,122.27

• 权重 —— GPT-6 Luna 闭源，仅提供 API；DeepSeek V4 Pro 则开源，MIT 许可，可自行部署

• 在 OrcaRouter 上 —— GPT-6 Luna 不在我们的目录中，而 DeepSeek V4 Pro 可按 DeepSeek 的标价路由

把这些行放在一起读，格局就显得很不寻常：闭源模型在除缓存输入之外的每一项按 token 计费上都更便宜，而开源模型则在输出长度、长上下文表现，以及那唯一完全无法按 token 定价的东西上占优。

为什么一分之差不是重点

综合指数上的一分之差，并不是一种你可以据此采取行动的能力差异，而且值得直说：这是文章里最没意思的一个数字。不过，关于它，有两点确实重要。

第一点是，指数修订会发生变化。同一次评测更早的快照显示，DeepSeek V4 Pro 的最大努力得分显著高于我们今天抓取所显示的 36，而 GPT-6 Astra 的数值在一个月内发布的材料中则在 52.8、53 和 54.7 之间漂移。任何依赖滚动指数上两个模型之间精确差距的比较，依赖的都是不会保持稳定的东西。诚实的解读是，这两个模型在各自能力上限上处于同一能力区间，而该指数无法告诉你哪一个更适合你的任务。

第二点是 effort 默认值，而这里的差距是真实存在的。GPT-6 Luna 的 37 是最高 effort 数值。它的默认值是 medium，在该设置下得分为 29。DeepSeek V4 Pro 的 36 也是其最高 effort 数值，而且这也是 Artificial Analysis 测试它时所用的设置。一个部署了 GPT-6 Luna 却什么都不改的团队，实际是在用 29 对 36——一个方向错误的七分差距，也正是那种在生产复盘里会表现为“便宜模型更差”的情况，而真正的问题其实是一个默认值。

开放权重究竟价值几何

价格比较到这里就不再是算术，而变成了一个关于你业务的问题。MIT 许可的权重能为你换来四样东西，而每一样都带着一个永远不会出现在价目表上的价签。

第一点是成本底线。按 token 计费是一种租赁；权重则是资产。如果你的用量大到足以让固定的 GPU 占用成本优于按量计费的账单，那么这两款模型中只有 DeepSeek V4 Pro 才真正提供这种选项。以 GPT-6 Luna 的费率来算，那个盈亏平衡点还很遥远——一美分每百万 token 的缓存输入价格，用租来的算力确实很难打败——但"遥远"和"不可能"是两回事，而且这是一扇单向门：你随时可以从自托管转向 API，却无法反向而行。

第二点是独立于厂商的路线图。GPT-5.6 Luna 的促销价格带有明确的到期时间。GPT-6 Luna 的价格据 OpenAI 说是永久的——但所谓永久，不过是关于某个模型的承诺，而厂商只要推出后继产品，随时都能把它退役。而你自己托管的模型，不可能被人从脚下撤走。对于任何经历过闭源模型强制迁移的人来说，这一点的价值远超 token 成本上的五倍差价。

第三点是数据。如果提示词包含无法离开你的基础设施的内容，那么比较就到此为止，GPT-6 Luna 的成本是多少都无关紧要。

第四点是你可以对它进行微调。GPT-6 Luna 完全无法用于微调——它只有 Chat Completions、Responses 和 Batch，这就是全部。DeepSeek V4 Pro 的权重可以在你自己的数据分布上进行训练，而对于狭窄的高吞吐量任务来说，这往往比任何通用基准分数带来的收益都更大。

与这一切相比，GPT-6 Luna 的理由是：在非高峰时段、按 3:1 的输入输出混合比例计算，它大约便宜五倍，而在 DeepSeek 的高峰时段则接近便宜十倍；其缓存输入费率仅为其本已低廉的输入费率的十分之一；可以要求它完全停止推理；而且它的标价不会一天翻倍两次。对于没有数据驻留限制、没有微调需求、也不愿自行运营推理基础设施的工作负载来说，这是一个直截了当的答案。

迁移规模比价格差距所暗示的要小

在这两者之间切换，与其说是移植，不如说更接近一次配置变更。两者都采用 OpenAI 兼容的聊天补全格式，都具备 1M 级别的上下文窗口，而且出现的故障模式都在意料之中，而非结构性的。

其中有两点值得在你迁移流量之前先标出来。GPT-6 Luna 的长上下文条款就是代价高昂的那一个：一旦跨过 272,000 个输入 token，整个请求就会重新计价为双倍输入与缓存，以及 1.5 倍输出，因此一次 300,000 token 的调用，其成本是同一调用拆成两次时的两倍。DeepSeek V4 Pro 没有这类条款，这意味着对于真正巨大的单次请求，五倍的价格差距并没有看起来那么大，而且在高峰时段调用时还可能反转。而输出上限是硬性约束，而非偏好设置：128,000 token 对 384,000。一条生成长结构化产物的流水线可能根本放不进 GPT-6 Luna，而再大的价格优势也无法弥补这一点。

DeepSeek V4 Pro 已上线 OrcaRouter，价格为 DeepSeek 的标价，并采用透传定价，供应商费率若有变动，我们当天即同步——对于一款费率本就随高峰与非高峰时段浮动的模型而言，这一点尤为重要。截至本文撰写时，GPT-6 Luna 尚未进入我们的目录，需通过 OpenAI 自有 API 访问；因此，若团队想同时使用两者，只需一个用于 DeepSeek V4 Pro 的密钥，再加上其原本用于 OpenAI 的密钥即可。在这样的组合中，自动故障转移正是体现其价值的一环：自托管或第三方的 DeepSeek 端点出现性能下降，正是你希望路由无需部署即可切换的场景。

谁应该选哪个

如果以下任一情况属实，请选择 DeepSeek V4 Pro。提示词不能离开你的基础设施。你需要进行微调。你生成的输出超过 128,000 个 token。你的请求通常会超过 272,000 个输入 token。或者你的用量足够大，以至于你宁愿购买 GPU 也不愿租用 token，并且你希望以后能够进行这种切换而无需重写应用程序。

如果以上都不适用，而你的工作负载是高吞吐量、由程序消费且短小，那就选 GPT-6 Luna。分类、抽取、路由、批量摘要、智能体的内层循环。以 $0.10/$0.50 的价格，加上 1 美分的缓存输入费率和 Batch 半价，这笔账毫无悬念；而且在最大 effort 下 1 个点的指数差异不会在你的评测中显现。用 medium 档运行它，对照你自己的测试而非厂商图表，检查 Coding Agent Index 上那 2 个点的回退，并让你的长调用保持在 272,000-token 这条线的正确一侧。

要避免的错误，是把五倍的价格差距当作答案。它只是一个问题的答案——一个 Token 要花多少钱——而对决定你两年后是否还能运行这一工作负载的四个问题，它却只字不提。