GPT-6 Luna 對上 Claude Opus 5：五十倍的價格，同樣的午後

GPT-6 Luna每百萬個輸入 token 收費 $0.10，每百萬個輸出 token 收費 $0.50。Claude Opus 5則收費 $5.00 與 $25.00。這在價目表的兩端都是五十倍的差距，而這也是任何人看到這組配對時，第一個會注意到的事——一個供應商在 2026 年 9 月 22 日才推出的模型，被拿來與該公司在 2026 年 7 月 24 日發布、已在市場上存在兩個月的模型比價。五十倍這個數字是真的。它同時也幾乎是這項比較中最沒用的事實，因為這兩者並不是在爭奪同一種呼叫，也因為在 Luna 發布的同一個下午，第二個模型所屬的那一方發生了某件事。

GPT-6 Luna 是 OpenAI GPT-6 世代的小型等級，位階低於要價 $2.00/$10.00 的 GPT-6 Sol，也遠低於旗艦款 GPT-6 Astra 的 $10.00/$50.00。Claude Opus 5 原本是 Anthropic 的旗艦，直到 9 月 22 日，Anthropic 推出要價 $4.00/$20.00 的 Claude Opus 5.5，並把 Opus 5 降了一階。截至今日，本文標題所提及的這兩款模型，都各自離自家廠商產品階梯的頂端差了一步——原因卻彼此毫不相干。這點比價格比更重要，而本文就從這裡談起。

兩家供應商都出貨的那個下午

OpenAI 於 9 月 22 日發表 GPT-6 Sol 與 GPT-6 Luna。就在數小時前，Anthropic 才剛發表 Claude Opus 5.5。這句話裡的三款模型中有兩款，相較前代降價約一半——這與其說是巧合，不如說是個市場：中國實驗室在過去十八個月接連發布的開放權重模型，早已把堪用 token 的成本狠狠壓低，而兩家廠商都是在回應同一股壓力。

對任何持有 Claude Opus 5 部署的人來說，實際後果是：他們當初據以開發的模型，已不再是 Anthropic 最用力推銷的那個模型。Claude Opus 5.5 的價格是 $4.00/$20.00——定價下調 20%——快取輸入為每百萬 $0.20，低於 Opus 5 的 $0.50，而 Artificial Analysis 在最高投入設定下，於其 Intelligence Index 測得 58 分，是該機構歷來記錄到的最高數字。Claude Opus 5 在同一指數上測得 51 分。如果你今天正在運行 Opus 5，本文標題中的五十倍比較，並不是擺在你眼前的問題。擺在你眼前的是：你是否要轉換到 Opus 5.5，而這個問題的答案，與 GPT-6 Luna 正在做的任何事都是另一套不同的算術。

話雖如此，五十倍這個數字仍然左右著一項真實的決策，因為 GPT-6 Luna 所針對打造的工作負載，正是 Claude Opus 5 帳單會讓人吃不消的那些工作負載。這兩個事實可以同時成立。

這兩者各自實際上是什麼

規格，每個維度一行，每一項兩邊都列出：

• 每 100 萬個 token 的價格 — GPT-6 Luna 輸入 $0.10 / 輸出 $0.50，對比 Claude Opus 5 輸入 $5.00 / 輸出 $25.00

• 快取輸入 — GPT-6 Luna 每 100 萬個 $0.01，相較於 Opus 5 價目表上 Claude Opus 5 的每 100 萬個 $0.50，等於 90% 折扣，而在 Opus 5.5 上則降至 $0.20

• 上下文視窗 — GPT-6 Luna 總計 1,050,000，最大輸入 922,000，相較於 Claude Opus 5 的 1M，兩者的輸出權杖上限皆為 128,000

• 長上下文重新定價 — GPT-6 Luna 在輸入超過 272K 個 token 後，輸入與快取費用加倍、輸出提高為 1.5 倍，且套用於整筆請求；相較之下，Claude Opus 5 在其上下文視窗內維持均一價格

• AA Intelligence Index — GPT-6 Luna 於最大努力下 37 對比 Claude Opus 5 51

• AA Intelligence Index，努力程度匹配——GPT-6 Luna 29 在其預設中等努力程度下，對比 Claude Opus 5 51 在最高努力程度下；這是 Anthropic 唯一對其進行測量的設定

• 輸出速度 — GPT-6 Luna 153.9 tokens/秒 對比 Claude Opus 5 53.6 tokens/秒

• 執行索引的成本 — GPT-6 Luna $122.39 對比 Claude Opus 5 $7,274.74

• 推理關閉開關 — GPT-6 Luna 提供 none、low、medium、high、xhigh 與 max，而 Claude Opus 5 的思考則是自適應且始終開啟

• 發布 — GPT-6 Luna 2026-09-22 對比 Claude Opus 5 2026-07-24

那幾行中有三行比其他行承載更多意義，而第一行是努力程度那一列。GPT-6 Luna 的 37 是它在最大努力下的分數。它的預設是 medium，而在 medium 下它得到 29 分。Claude Opus 5 的 51 是最大努力的分數，因為 Anthropic 並未公開一個較低的設定供 Artificial Analysis 測量。因此，十四分的頭條差距，是拿一個模型的天花板跟另一個模型的天花板相比——而一個安裝了 GPT-6 Luna 卻什麼都沒改的團隊，跑的是 29，不是 37。那是二十二分的差距，不是十四分，而且除非你特別去找努力預設值，否則根本看不出來。

第二項是指數成本線。它不是報價——而是 Artificial Analysis 真的自掏腰包，對每個模型跑完整套評估所實際花掉的金額。122.39 美元對上 7,274.74 美元，等於搞清楚一個模型有多好，成本相差五十九倍，而這也是目前最能乾淨反映兩者在大量使用下表現的代理指標。在該次執行中，Claude Opus 5 產生了 1.4 億個 token；GPT-6 Luna 則產生了 1.5 億個。這個便宜模型更囉唆，成本卻仍低了五十九倍。

第三點是關閉開關。GPT-6 Luna 可以被要求完全不進行推理。Claude Opus 5 則不行。就是這一行規格，決定了這兩款模型中有一款能安坐在分類器、路由器或審核畫面之後，而另一款不能；這也在完全不必訴諸能力高下的情況下，解釋了價格差異的一大部分。

廉價方案不再廉價的地方

GPT-6 Luna 的費率表上有一道斷崖，而這是錯過代價最高的一件事。超過 272,000 個輸入 token 的請求，會以兩倍的輸入與快取費率，以及 1.5 倍的輸出費率計費——而且是整筆請求都如此，不是只有超過門檻的那部分。在 GPT-6 Luna 上，一次 300,000 個 token 的呼叫，全部 300,000 個 token 都會以每百萬個輸入 token $0.20 計費，因為它超標了 28,000 個。把同一份文件拆成兩次呼叫，成本就會減半，而提示詞完全不變。

Claude Opus 5 沒有對等的條款。其 $5.00/$25.00 在整個 1M 上下文視窗中均一不變，這意味著五十倍的比率在任何地方都是五十倍——除了在超過 272K 輸入 token 時，GPT-6 Luna 的有效輸入費率倍增至 $0.20，輸出費率升至 $0.75，差距縮小到二十五倍。仍然極為巨大。仍然值得了解，因為最可能擁有 300,000 token 工作上下文的工作負載，正是兩家供應商都在積極搶攻的代理式工作負載。

第二件要計價的事，是努力程度。對一個用中等強度就足以應付的任務，卻以最大努力程度跑 GPT-6 Luna，是把你剛剛省下的錢花掉最常見的方式。37 對 29 的差距，就是設定錯誤所付出的代價規模；而且有別於價格條款，它不會出現在任何帳單上——它會以 token 用量呈現，看起來反倒像是成功。

真正決定結果的分歧

這個比較的誠實版本是，這兩個模型並非替代品，而價格比分散了對一個無論怎麼看都有明確答案的工作負載問題的注意力。

GPT-6 Luna 屬於任何輸出是由程式而非人類消費、且量體才是重點的場景。分類、擷取、路由決策、大量摘要，以及每個任務會發出上千次小型呼叫的代理內層迴圈。在 $0.10/$0.50、快取輸入一美分的費率下，加上 Batch 與 Flex 只要標準費率的一半，相較 Opus 系列的任何模型，這筆經濟帳根本不是差距相近的比較。Artificial Analysis 標記出一個在你遷移前值得知道的真正退步：GPT-6 Luna 的 Coding Agent Index 下滑兩點至 41，而 GPT-5.6 Luna 為 43，跌幅集中在 SWE-Atlas-QnA 與 DeepSWE v1.1。它也標記出一個幅度相當的真正進展——該模型在 AA-Omniscience 上的幻覺率從約 93% 降至 77%，而準確率幾乎沒動。它更常拒答，而不是知道得更多；而對任何有下游消費者的事物來說，那才是這筆交易中更有價值的那一半。

Claude Opus 5 屬於那些產出本身就是產品的情境。Anthropic 自己公布的結果——由廠商自行提報，未經獨立重現——顯示它在 SWE-bench Verified 上達到 96.0%，在 SWE-bench Pro 上達到 79.2%，而這十四個百分點的指數落差，正是決定一個長時程代理會完成任務、還是悄悄半途停下的那種差距。如果你正處於模型能力極限的邊緣，那麼一個便宜五十倍、但在預設努力程度下落後二十二個百分點的模型，並不是同一件事的便宜版本。

不選擇而同時執行兩者

這個比較之所以無法收斂成單一建議，是因為這兩種工作負載之間的界線並不穩定。每當任一供應商推出新版本，它就會移動；而在本文發表前的三週內，它就移動了兩次——一次是 Anthropic 把 Opus 的費率降到 $4.00/$20.00，另一次是 OpenAI 把整個小型方案的價格砍半。七月時把贏家寫死的團隊，今天跑的是錯誤的組態。

Claude Opus 5 已在 OrcaRouter 上，價格為 Anthropic 的定價，在直通式定價之下，這意味著供應商的費率一旦變動，我們這邊當天就會生效，而不必等待轉售商重新談判——這正是 Opus 5.5 降價能毫無整合專案就落入我們型錄的具體原因。截至本文撰寫時，GPT-6 Luna 尚未登上 OrcaRouter；你得透過 OpenAI 自家的 API 才能取用它。因此，對想要兩者兼得的團隊而言，最誠實的配置就是一把 Claude Opus 5 的金鑰，搭配你原本用於 OpenAI 的任何方式，並以自動容錯移轉在供應商服務劣化時填補缺口只要改設定、而不必改動程式碼路徑，就能在一分錢的分類器與二十五美元的推理模型之間搬移路由，這比在九月就選對還更有價值。

本週該做什麼

如果你正在使用 Claude Opus 5，標題中那五十倍的差距是真實數字，指向一個錯誤的決定。你的決定是 Opus 5.5——定價調降 20%、更高的指數分數，以及快取輸入費率下滑 60%——而 GPT-6 Luna 是另一個問題，只是恰好出現在同一頁上。

如果你正在 Opus 等級的模型上執行高流量的分類或擷取管道，GPT-6 Luna 是本月你能採用的最大單一成本措施，而遷移幅度比降價幅度所暗示的還小：相同的 1M 上下文等級、相同的 128,000 輸出上限，以及兩側都低五十倍的每 token 費率。在假定預設值之前，先以中等 effort 測試它，將你的長上下文呼叫放在 272,000 個 token 的正確一側，並用你自己的評估來檢查程式碼編寫的效能衰退，而不是對照供應商的圖表。

如果你同時運行兩者，要解決的問題並不是你選了哪一個。而是改變心意目前得付出一次程式碼部署的代價。