GPT-6 Luna vs Qwen3.8 Flash

vs

Lequel choisir, et quand

Ces deux modèles sont très proches sur la grille tarifaire : gpt-6-luna facture $0.1 par million en entrée et $0.5 en sortie, tandis que qwen3.8-flash facture $0.15 en entrée (1.5x celui de Luna) et légèrement moins en sortie à $0.47, avec des lectures en cache à $0.01 contre $0.016. Choisissez gpt-6-luna pour les travaux lourds en entrée comme l'injection de longs documents et les prompts mis en cache, où ses tarifs inférieurs en entrée et en lecture de cache ainsi qu'une fenêtre de 1050000 jetons sont avantageux ; choisissez qwen3.8-flash lorsque vous avez besoin d'une entrée vidéo en plus du texte et des images, ou lorsque la génération domine et que sa sortie maximale de 131072 jetons et son tarif de sortie moins cher sont importants.

Benchmarks

Au-dessus de la moyenneNon dépasséGPT-6 Lunaseulement 1 comparablesQwen3.8 Flash12 / 163 / 16
GPT-6 Luna Qwen3.8 Flash autres modèles mesurés moyenne des modèles comparés ★ aucun autre modèle n'a fait mieux
DeepSWE 1.1
66.6%
58.7%
OSWorld 2.0 partial
N/A
52.3%
JobBench
N/A
55.7%
GPQA Diamond
N/A
91.7%
ERQA
N/A
aucun autre modèle n'a fait mieux 72.3%
Agents' Last Exam Pass
N/A
24.3%
LVBench
N/A
76.6%

Chiffres publiés par les fournisseurs : Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Tarifs

GPT-6 Luna Qwen3.8 Flash Δ
Entrée / 1M de tokens $0.1 $0.15 0.67×
Sortie / 1M de tokens $0.5 $0.47 1.1×
Lecture de cache / 1M de tokens $0.01 $0.016 0.63×
Écriture de cache 1.25x (30m) / 2.5x (12h) 1.25x -

Tarifs relevés dans le catalogue en direct à la génération du site ; la page de chaque modèle affiche la grille tarifaire à jour.

Leur position : prix en entrée pour 1M de tokens, parmi les 83 modèles de chat facturés dans cette unité (échelle logarithmique)

GPT-6 Luna · $0.1 Qwen3.8 Flash · $0.15
$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Capacités

GPT-6 Luna Qwen3.8 Flash
Appel d'outils oui oui
Contrôle de la réflexion configurable configurable
Sortie structurée oui oui
Mise en cache des prompts implicite + explicite implicite + explicite
Durée de vie du cache at least 30m by default, 12h option on the Responses API explicit: 5m, reset on hit
Préfixe minimal mis en cache 1,024 tokens 1,024 tokens

Spécifications

GPT-6 Luna Qwen3.8 Flash
Modalités d'entrée texte image texte image vidéo
Modalités de sortie texte texte
Date de sortie 2026-09-22 2026-08-27
Coupure des connaissances 2026-05 -
Fenêtre de contexte 1.1M 1M
Sortie maximale 128K 131K
Paramètre de réflexion reasoning.effort
  • enable_thinking
  • thinking_budget
  • preserve_thinking
Valeurs acceptées
reasoning.effort
  • none
  • low
  • medium
  • high
  • xhigh
  • max
enable_thinking
  • true
  • false
thinking_budget
  • in tokens
preserve_thinking
  • true
  • false
Valeur par défaut medium

on

qwen3.8-flash is hybrid thinking with thinking enabled by default, thinking_budget defaults to the 262,144-token chain maximum, and preserve_thinking is off

Les spécifications sont reprises de la documentation de chaque fournisseur ; quand un fournisseur ne publie pas une valeur, la ligne est omise et non déduite. Sources complètes : GPT-6 Luna · Qwen3.8 Flash

Un prompt, deux modèles, mesurés via la passerelle

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. CRITÈRE exactement 3 phrases

GPT-6 Luna réussi · 3 sentences

Enabling reasoning typically makes the model process more information and generate more internal tokens before producing its answer. Because usage is billed by tokens—and reasoning may also route requests to a more expensive model—the cost per request can rise sharply. If request volume stayed similar, that higher cost per request could explain why the bill doubled.

sortie 117 tok (+48 réflexion) latence 3.4 s

Qwen3.8 Flash réussi · 3 sentences

Enabling reasoning makes the model spend additional output tokens to plan and validate answers before responding, and those tokens are billed. It also increases compute and latency per request, so each task consumes more capacity than a non-reasoning call. As a result, billable tokens and compute roughly doubled, directly driving the higher invoice.

sortie 330 tok (+262 réflexion) latence 8.9 s

Le respect de la consigne (exactement trois phrases, ça se compte), l'adaptation au public visé (le registre d'un directeur financier) et l'écart de facturation dû à la réflexion masquée, que révèlent les compteurs de tokens ci-dessous.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. CRITÈRE le correctif passe les tests

GPT-6 Luna réussi · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The original code counted matching *adjacent pairs* rather than items, so a run of length `n` was reported as `n - 1`, and a single-item input returned `0`. This version counts the current item as part of each run and updates `best` at every index, including the last; it returns `0` for an empty input.

sortie 514 tok (+356 réflexion) latence 6.9 s

Qwen3.8 Flash réussi · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The bug is that the original version counts adjacent equal pairs rather than items in a run, starting both `cur` and `best` at `0`, and it resets `cur` to `0` after a mismatch, thereby discarding the first element of the new run. That makes single-element inputs return `0`, and because every run is effectively measured in “steps” between equal elements, the last element is not counted—particularly noticeable when the longest run ends at the final index.

sortie 2123 tok (+1933 réflexion) latence 43.8 s

La justesse réelle du correctif (il s'exécute), la densité de l'explication et l'économie de tokens sur une tâche bien délimitée.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. CRITÈRE JSON valide, schéma exact

GPT-6 Luna réussi · 5/5 fields, guidance "Withheld pending the Q4 close"

{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":412,"growth_pct":null,"guidance":"Withheld pending the Q4 close"}

sortie 161 tok (+119 réflexion) latence 21.7 s

Qwen3.8 Flash réussi · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }

sortie 519 tok (+463 réflexion) latence 10.5 s

Le respect du schéma (aucun champ inventé), la tentation d'halluciner (le texte indique que la guidance n'est pas communiquée) et les différences entre les mécanismes de sortie structurée.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. CRITÈRE 120 mots, 0 mot interdit

GPT-6 Luna réussi · 120 words, 0 banned, 1 question

Introducing Prompt Cache, a new API gateway feature that recognizes repeat prompt prefixes and reuses provider-side cached context across supported models. Teams can route requests to different AI providers while preserving eligible cache hits, reducing redundant input processing and helping lower latency and token costs. Configure cache policies in one place, monitor hit rates by provider, and keep existing client integrations unchanged. The gateway applies provider-specific rules automatically, so developers do not need to build separate caching logic for each endpoint. Which workflows could benefit from faster responses and predictable spend? Prompt Cache is available today in preview for eligible accounts, with usage details, supported providers, and setup guidance in the dashboard. Start with one route, compare results, then expand.

sortie 959 tok (+813 réflexion) latence 14.6 s

Qwen3.8 Flash réussi · 120 words, 0 banned, 1 question

We are announcing prompt caching across providers in our API gateway. Store approved prompt outputs once and reuse them across supported model providers, cutting latency, cost, and duplicate token spend. The feature matches identical requests, checks validity, and returns cached results while preserving routing controls. Developers keep existing endpoints; the gateway manages storage, invalidation, and provider differences. This reduces noisy repeat calls, improves steady responses, and frees teams to focus on better agent workflows. OpenAI, Anthropic, Google, Mistral, and custom routes are supported. Cache hits appear in analytics with latency, token, and cost reductions visible. Check retention and privacy rules before enabling it. Ready to add cache controls to your gateway? Enable it in settings and watch spend drop now.

sortie 5958 tok (+5805 réflexion) latence 88.8 s

Le respect des contraintes (nombre de mots, liste de mots interdits, une seule question), l'empreinte stylistique et la maîtrise de la longueur.

Passez de l'un à l'autre en changeant une seule ligne

Les deux identifiants figurent dans chaque onglet ci-dessous : les deux lignes surlignées sont le seul changement. Même endpoint, même clé, même format de requête.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="gpt-6-luna",
    # model="qwen3.8-flash",  # décommentez cette ligne, commentez celle du dessus
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Obtenez votre clé API →

FAQ

Lequel est le moins cher, GPT-6 Luna ou Qwen3.8 Flash ?

GPT-6 Luna est moins cher sur la ligne « Entrée / 1M de tokens » ($0.1 contre $0.15, soit un écart de 1.5×). D'autres lignes peuvent dire l'inverse : le tableau ci-dessus donne la grille tarifaire complète, et le coût réel dépend de la composition de votre trafic.

Puis-je faire un test A/B entre GPT-6 Luna et Qwen3.8 Flash sans deux intégrations ?

Oui. Les deux passent par le même endpoint compatible OpenAI, avec une seule clé API. Pour passer de l'un à l'autre, il suffit de changer l'identifiant du modèle, soit une ligne : vous pouvez donc envoyer une part du trafic à chacun et comparer directement les factures.

GPT-6 Luna et Qwen3.8 Flash prennent-ils en charge la mise en cache des prompts ?

Oui. Les deux facturent les lectures de cache moins cher que leur tarif d'entrée : une charge de travail dont le préfixe est déjà en cache coûte donc moins que ne le laissent penser les tarifs publics. Les lignes de lecture de cache figurent dans le tableau des tarifs ci-dessus.

Comparatifs associés

Nos études, mesures à l'appui