GPT-6 Luna 對決 Gemini 3.8 Flash：廉價層級剛剛被取代

Google 於 2026 年 11 月 12 日推出 Gemini 4 Hydrogen，其發布貼文將它描述為「一項重大的獨立升級，供從 Gemini 3.8 Flash 遷移的團隊使用」。這句話做到了任何基準測試表都做不到的事：它改變了 GPT-6 Luna 與 Gemini 3.8 Flash 之間比較的目的。在這場對決中，Gemini 這一邊已不再是你會採用的模型，而是你正被要求遷移離開的模型。Luna 這一邊仍是 OpenAI 最便宜的 GPT-6 層級，推出八週後依然未變。所以，真正該問的問題不是這兩者哪個更好，而是：當初讓 3.8 Flash 值得每百萬輸入 token 0.75 美元的那個特質，在價格為每百萬輸入 token 1.50 美元的 Hydrogen 上是否依然成立，以及 Luna 的 0.10 美元是否從一開始就屬於同一個市場。

以下是細節前的簡短版本。在幾乎每一項獨立衡量指標上，Gemini 3.8 Flash 都是能力更強的模型，而每 token 價格約為 7.5 倍。GPT-6 Luna 每次請求可產出兩倍的輸出量，在 Artificial Analysis 的測試套件中，每項任務成本約為十分之一，但開始回答明顯較慢。Hydrogen 並未解決這點——它把 Gemini 層級在價格與能力上都往上移，讓市場的低價端預設留給 Luna。

規格表，並排對照

• 費率表，輸入與輸出兩端皆然——GPT-6 Luna 每 1M 為輸入 $0.10、輸出 $0.50，對比 Gemini 3.8 Flash 的 $0.75 與 $3.75；同樣的 7.5 倍同時出現在輸入與輸出上，這並不尋常，意味著沒有任何工作負載型態能從這個比率中套利

• 每 100 萬個快取輸入——GPT-6 Luna $0.01 對比 Gemini 3.8 Flash $0.075，並請注意 G​oogle 將其標示為快取命中率而非快取寫入率，因此無法直接與 O​penAI 的雙數字方案相比

• 長上下文定價——當提示詞超過 272,000 個 token 時，GPT-6 Luna 的輸入與快取費用加倍，輸出費用乘以 1.5；Gemini 3.8 Flash 在其整個視窗內採單一均一價。

• 上下文視窗 - GPT-6 Luna 為 1,050,000 個 token，而 Gemini 3.8 Flash 為 1,048,576 個，相差 1,424 個 token，任何應用程式都不會注意到這點

• 最大輸出：GPT-6 Luna 128,000 tokens 對比 Gemini 3.8 Flash 65,536；當你第一次需要產出長篇文件時，這可是實實在在的差距。

• 每一個實際上會接收什麼——Gemini 3.8 Flash 可接收影片和音訊，以及文字、圖像和檔案；GPT-6 Luna 只接收後三種，拒收前兩種

• 投入程度旋鈕——Luna 的階梯從完全沒有（若不設定則為中等）一路到最大；G​emini 的起始值較高、預設為高，而 G​oogle 警告說，調得越高，消耗的 token 就越多

• 發布 - 2026 年 9 月 2 日的 Gemini 3.8 Flash；2026 年 9 月 22 日的 GPT-6 Luna；其替代品 Hydrogen 於 2026 年 11 月 12 日推出

• Artificial Analysis Intelligence Index v5.0.1：Gemini 3.8 Flash 在 high 設定下為 31，GPT-6 Luna 在 max 設定下為 28，因此較便宜的模型即使採用其最昂貴的設定，仍少了三分

• 等待第一個字——Gemini 3.8 Flash 為 16.98 秒，GPT-6 Luna 則為 79.33 秒（由 Artificial Analysis 測量）；Gemini 模型完成整個任務較慢，需 15 分鐘，Luna 則為 11.8 分鐘

• 完成索引執行所需成本——Gemini 3.8 Flash 每項任務 $7.77，整套則為 $5,764，相較於 GPT-6 Luna 的 $0.15 與 $136

價格的七倍半，以及它顯示在哪裡

智能差距是三點：31 對 28。這比價格比所暗示的還小，也比多數人猜的還小，但這不是這項比較中有趣的部分，因為這兩個分數是在不同的投入程度設定下取得的——G​emini 是「高」，Luna 是「最大」。Luna 在最大投入下的分數是它能達到的最佳表現；G​emini 在高投入下的分數則是它的預設值。G​oogle 的模型擁有 Luna 所沒有的提升空間。

這三分的來源比那個數字本身更有用。把這項指數拆解成各個組成部分，一個模式便會浮現：這兩個模型在程式碼風格評估上相當接近，但在任何需要回想記憶或拒絕回答的項目上卻差距甚遠。

• Terminal-Bench 4.0 - Gemini 3.8 Flash 19.7% 對上 GPT-6 Luna 12.6%；兩者表現都很差，而且兩者都不是終端代理

• Terminal-Bench-Science 0.1 - Gemini 3.8 Flash 10.0% 對上 GPT-6 Luna 8.6%，就實際而言可說是不相上下

• HLE-Diamond - Gemini 3.8 Flash 33.1% 對 GPT-6 Luna 22.2%，在兩者都處理不佳的高難度推理上相差十一點

• FrontierCode-AA 2.0 - Gemini 3.8 Flash 18.7% 對 GPT-6 Luna 25.2%，這是 Luna 唯一領先的一項程式設計評測，不過兩者都遠低於突破 46% 的模型

• AA-Omniscience v1.1 淨分 - Gemini 3.8 Flash +23 對 GPT-6 Luna −8；這是表中幅度最大且影響最重大的差距

• AA-Briefcase v1.1 Elo - GPT-6 Luna 1337 對上 Gemini 3.8 Flash 1203，一項知識工作衡量指標，由較便宜的模型勝出

{{1}}最後那一組才是值得停下來細想的。{{/1}}在模型知道什麼、以及它是否會承認自己不知道這類問題上，{{2}}Gemini 3.8 Flash 淨得 +23{{/2}}，而{{3}}Luna 淨得 −8{{/3}}——這表示{{4}}Luna 的虛構答案經常多於正確答案，足以把總分拉到零以下。{{/4}}在{{5}}Briefcase 式的知識工作{{/5}}上，{{6}}Luna 的分數高出 134 Elo{{/6}}。{{7}}兩項評估、相反的結論，同樣兩個模型。{{/7}}解釋是：{{8}}Briefcase 獎勵的是根據提供的語料庫遵循指令{{/8}}，而{{9}}Omniscience 獎勵的是在沒有語料庫的情況下知道事情{{/9}}。如果{{10}}你的應用程式會隨附這些文件{{/10}}，{{11}}Luna 的弱點就能被控制住{{/11}}。如果{{12}}它是憑記憶回答{{/12}}，{{13}}就不是如此{{/13}}。

為什麼費率卡是 7.5 倍，每項任務成本卻是 50 倍

標價相差 7.5 倍。完成 Artificial Analysis 的 Intelligence Index 的實測成本則相差五十幾倍：Gemini 3.8 Flash 為 $7.77，而 GPT-6 Luna 為 $0.15。這兩個倍率之間的差距完全來自 token 消耗量，而這是今年發表的每一份模型比較中最被低估的數字。

Gemini 3.8 Flash 是重度推理模型。Google 直接表明了這一點：在複雜任務上，它「展現出更高的勤勉——執行額外的推理步驟，並反覆呼叫工具」，而且「可能會使用更多 token 來最大化效能，尤其是在較高的投入程度下」。董事會自己的核算也相符——Gemini 每項任務的輸出 token 為 98,900 個，Luna 則為 75,300 個，其中分別有 60,100 和 57,600 個是推理 token。把這個 token 數量乘以已高出 7.5 倍的費率表，每項任務的比率就會累積到 50 倍。這是目前支持 Luna 最有力的單一論點，而且這完全與智慧無關。

在不同工作負載下，情況也會反過來。如果你的提示很長、答案很短——在固定語料庫上做檢索、只輸出一個 token 的分類、日誌分診——那麼輸出 token 在兩張卡上都只是捨入誤差，7.5 倍的輸入比例就是全部關鍵。G​emini 的冗長永遠沒機會累積放大，Luna 的優勢則從 50 倍縮小到約 7 倍。該用來建模的數字，是你自己的輸入對輸出 token 比例，而不是基準測試上的那個比例。

沒有人會列進比較表裡的功能落差

Gemini 3.8 Flash 原生接收影片與音訊。GPT-6 Luna 則不然——只處理文字、圖片與檔案，別無其他。對大多數文字工作負載而言，這無關緊要，而這正是兩款模型會被拿來比較的原因：兩者都被定位在平價層級，上下文都約有一百萬個 token，且都能接收圖片。

對於涉及通話錄音、螢幕錄影或會議音訊的工作負載，比較就到此為止。Luna 無論價格多高都無法完成這項工作，而 7.5 倍並非溢價，而是類別上的差異。同樣的邏輯反向適用於輸出長度：Luna 單次回應最多可傳回 128,000 個 token，而 G​emini 為 65,536 個，這在單一通話應產出整份文件而非僅一段內容時至關重要。

Hydrogen 會改變什麼，又不會改變什麼

G​oogle 自己對這次遷移的說法，對落差描述得異常直白：Hydrogen 在其預設高階設定下完成任務的速度比 3.8 Flash 快 2.5 倍，Terminal-Bench 4.1 的成績超過三倍（57% 對 18.2%），捏造宣稱減少超過 5 倍，而且在合作夥伴測試中執行速度快 2 到 2.8 倍、token 用量少 12% 到 23%。在 Artificial Analysis 的指數上，它在預設高思考等級下拿到 51 分，對上 Argon 的 50 分，而在 xhigh 下則是 54 分。

它在其完整上下文視窗內也採均一價：每百萬輸入 token 1.50 美元、每百萬輸出 token 7.50 美元——兩邊都是 3.8 Flash 的兩倍。因此，取代 3.8 Flash 的模型，價格是它所取代模型的兩倍，而依 G​oogle 自己的數據，在智慧指數上約高出 20 點。這是沿著曲線向上升級的明確選擇，也去掉了市場的中間層：原本想以 Flash 級價格獲得 G​emini 級能力的買家，現在上方有一個模型、下方也有一個模型，而舊選項正在遷移中。

這些都不會改變 Luna 的地位，因為 Luna 從來就不是在跟 31-index 模型競爭。它競爭的是最低價。以 $0.10 輸入、$0.50 輸出計算，Luna 仍然是在背後有勝任模型的情況下，處理大量文本最便宜的方式；而 Hydrogen 以 $1.50 登場，只會讓這件事更加成立，而不是相反——過去價格是 Luna 7.5 倍的 Gemini 選項，現在是 15 倍。

不一致的第三方結果

並非每項獨立測量都顯示這兩個模型相差三分。StealthMark 是一家運行自家評估集的比較服務，其結果顯示 Gemini 3.8 Flash 以 47.9 比 39.1 領先 GPT-6 Luna 8.8 分，並在九項個別基準測試中的八項居首。而 Deepnote 的 Agent Initiative Benchmark——它在模擬公司內以五十種職場情境為模型評分，而不是用問題——完全沒有納入 Gemini 3.8 Flash，因此這項唯一衡量主動式代理行為的評估，對這組配對無從置評。

「三分」與「八點五分」之間的差距提醒我們：基準的選擇是一項建模決策，而不是中立的選擇。偏好 G​emini 的評測重視知識與推理深度；偏好 Luna 的評測則把指令遵循看得比所提供的上下文和成本更重要。這兩組評測都沒有錯。若團隊要在這兩者之間做選擇，應先用自己的十二個任務分別跑過兩者，再信任任何表格，包括本文中的四張表。

如今每一個如何贏得自己的一席之地

• 影片、音訊或任何多模態輸入 - 若你是全新開始，請使用 Gemini 3.8 Flash 或 Hydrogen。Luna 無法接收這類輸入。

• 未附加任何文件、僅根據模型知識產生的回答 - Gemini 3.8 Flash。+23 對 −8 的 Omniscience 差距是決定性證據。

• 互動延遲方面，首個 token 要等 79 秒就算是產品缺陷——Gemini 3.8 Flash 為 17 秒，不過它每個任務平均耗時 15 分鐘，比 Luna 的 11.8 分鐘更差，所以優勢在於首個 token，而非最後一個。

• 長篇生成，一次呼叫即可產出整份文件——GPT-6 Luna，憑藉 128,000 個 token 的輸出上限。

• 在提供文件的情況下進行大量文字處理 - GPT-6 Luna，其中每項任務 50 倍的優勢確實存在，且事實準確性的下限由語料庫所控管。

• 完全想採用 Gemini 等級的新部署 —— 是 Gemini 4 Hydrogen，而非 3.8 Flash。在替代版本推出兩天後才採用某個模型，需要有個理由。

遷移問題值得再多說一句，因為它是這場比較中隱藏著的實務決策。如果你今天在生產環境中運行 Gemini 3.8 Flash，Hydrogen 的數字支持你轉移——但它的價格支持你先建立帳單模型，因為 Google 回報的 token 節省（12% 到 23%）無法抵銷兩項費率都翻倍。如果你兩者都沒在用，選擇就在一個即將退役的模型與一個已八週原封不動的模型之間，而答案完全取決於你的工作負載是否需要影片輸入或事實基準。

在沒有移轉專案的情況下執行任一項

這種對決尷尬的地方在於，兩個候選者使用不同的協定——G​emini 自家的 generate 端點與 O​penAI 的 chat-completions 格式——而且你今天選的模型可能在一季內就被取代，就像 3.8 Flash 剛剛那樣。OrcaRouter 提供 GPT-6 Luna、G​emini 3.8 Flash、G​emini 4 Hydrogen 以及超過 200 個其他模型，全都能透過同一組 OpenAI 相容金鑰、以 0% 加成取用，供應商牌價原樣傳遞，因此 G​oogle 的導入定價與之後的任何變動都會在同一天反映到帳單上。這點在這裡比平時更重要：3.8 Flash 是以 G​oogle 所稱的導入費率推出，而一個採用導入定價、又正被遷移淘汰的模型，是值得留意的帳單細項。將路由從一個模型切換到另一個模型只是路由 DSL 的變更，而不是要換新 SDK；自動容錯切換能在某個供應商效能下降時讓工作負載維持運作；模型融合則可讓一組模型面板共同回答，適用於單一低成本分類的後果過於重大、不宜只信任單一模型的情況。我們不託管我們沒有路由的模型，而這兩者我們都有路由。

接下來要看什麼

有兩個日期會決定這項比較在一個月後該怎麼解讀。第一個是 G​oogle 對 Gemini 3.8 Flash 的退役時程——Hydrogen 已於 11 月 12 日推出，而遷移說法也已公開，因此真正有用的問題不是 3.8 Flash 會不會消失，而是入門優惠價在它退場後還能維持多久。第二個是 O​penAI 是否會端出 GPT-6 Luna 的後繼模型，或提出價格調整；Luna 自 9 月 22 日以來一直維持不變，而在同一級距上推出更便宜或更強大的模型，會像 Hydrogen 剛剛重置 G​emini 的算術那樣，重新改寫這套計算。

直到其中一項真正落地之前，這份摘要刻意寫得樸實無華。Gemini 3.8 Flash 是更好的模型、更差的購買選擇，而且正逐步退場。GPT-6 Luna 是較弱的模型，每項任務成本低了一個數量級，但其實際可靠下限限制了它能被信任的範圍。兩者都不是預設選項。對任何現在才開始的人來說，預設是 G​emini 陣營的 Hydrogen，以及處於成本底線的 Luna——而這兩者之間的差距已不再是 7.5 倍，而是 15 倍，這與這場對比原本要回答的決策已經不同。