GPT-6 Luna vs Qwen3.8 Flash

vs

Qual usar e quando

Estes dois estão muito próximos na tabela de preços: gpt-6-luna cobra $0.1 por milhão de entrada e $0.5 de saída, enquanto qwen3.8-flash cobra $0.15 de entrada (1.5x do Luna) e um pouco menos na saída, a $0.47, com leituras de cache a $0.01 contra $0.016. Escolha o gpt-6-luna para trabalhos com muitas entradas, como a inserção de documentos longos e prompts em cache, onde suas taxas mais baixas de entrada e leitura de cache, além de uma janela de 1050000-token, ajudam; escolha o qwen3.8-flash quando você precisar de entrada de vídeo junto com texto e imagens, ou quando a geração dominar e sua saída máxima de 131072-token e taxa de saída mais barata importarem.

Benchmarks

Acima da médiaNenhum melhorGPT-6 Lunaapenas 1 comparáveisQwen3.8 Flash12 / 163 / 16
GPT-6 Luna Qwen3.8 Flash outros modelos medidos média dos modelos comparados ★ nenhum outro modelo teve pontuação maior
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
nenhum outro modelo teve pontuação maior 72.3%
Agents' Last Exam Pass
N/A
24.3%
LVBench
N/A
76.6%

Publicado pelos provedores: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Preços

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

Tarifas do catálogo em tempo real, lidas no momento do build; a página de cada modelo traz a tabela de preços atual.

Onde cada um fica: preço de entrada por 1M tokens entre os 83 modelos de chat com esta unidade de cobrança (escala logarítmica)

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

Capacidades

GPT-6 Luna Qwen3.8 Flash
Uso de ferramentas sim sim
Controle de raciocínio configurável configurável
Saída estruturada sim sim
Cache de prompts implícito + explícito implícito + explícito
Tempo de vida do cache at least 30m by default, 12h option on the Responses API explicit: 5m, reset on hit
Prefixo mínimo em cache 1,024 tokens 1,024 tokens

Especificações

GPT-6 Luna Qwen3.8 Flash
Modalidades de entrada texto imagem texto imagem vídeo
Modalidades de saída texto texto
Lançamento 2026-09-22 2026-08-27
Corte de conhecimento 2026-05 -
Janela de contexto 1.1M 1M
Saída máxima 128K 131K
Parâmetro de raciocínio reasoning.effort
  • enable_thinking
  • thinking_budget
  • preserve_thinking
Valores aceitos
reasoning.effort
  • none
  • low
  • medium
  • high
  • xhigh
  • max
enable_thinking
  • true
  • false
thinking_budget
  • in tokens
preserve_thinking
  • true
  • false
Padrão 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

As especificações são transcritas da documentação de cada provedor; quando um provedor não publica um dado, a linha é omitida, e não inferida. Fontes completas: GPT-6 Luna · Qwen3.8 Flash

Um prompt, os dois modelos, medidos pelo gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. VERIFICAÇÃO exatamente 3 frases

GPT-6 Luna passou · 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.

saída 117 tok (+48 raciocínio) latência 3.4 s

Qwen3.8 Flash passou · 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.

saída 330 tok (+262 raciocínio) latência 8.9 s

Se a instrução é seguida (exatamente três frases, dá para contar), a adequação ao público (tom para um CFO) e a diferença de cobrança causada pelo raciocínio oculto, que os medidores de tokens abaixo deixam à mostra.

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. VERIFICAÇÃO a correção passa nos testes

GPT-6 Luna passou · 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.

saída 514 tok (+356 raciocínio) latência 6.9 s

Qwen3.8 Flash passou · 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.

saída 2123 tok (+1933 raciocínio) latência 43.8 s

Se a correção está mesmo certa (dá para executar), a densidade da explicação e a eficiência em tokens em uma tarefa bem delimitada.

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. VERIFICAÇÃO JSON válido, schema exato

GPT-6 Luna passou · 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"}

saída 161 tok (+119 raciocínio) latência 21.7 s

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

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

saída 519 tok (+463 raciocínio) latência 10.5 s

Aderência ao schema (sem campos inventados), pressão para alucinar (o texto diz explicitamente que o guidance não foi divulgado) e diferenças no caminho de saída estruturada.

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. VERIFICAÇÃO 120 palavras, 0 palavras proibidas

GPT-6 Luna passou · 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.

saída 959 tok (+813 raciocínio) latência 14.6 s

Qwen3.8 Flash passou · 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.

saída 5958 tok (+5805 raciocínio) latência 88.8 s

Respeito às restrições (limite de palavras, lista de palavras proibidas, uma única pergunta), a marca de estilo de cada modelo e o controle do tamanho.

Troque de um para o outro mudando uma linha

Os dois ids estão em todas as abas abaixo; o par de linhas destacado é a única alteração. O endpoint, a chave e o formato da requisição são os mesmos.

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",  # descomente esta linha, comente a linha acima
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Obtenha sua chave de API →

Perguntas frequentes

Qual é mais barato, GPT-6 Luna ou Qwen3.8 Flash?

GPT-6 Luna sai mais barato na linha “Entrada / 1M tokens” ($0.1 contra $0.15, 1.5× de diferença). Outras linhas podem pender para o outro lado: a tabela acima mostra todos os preços, e o custo real depende do seu mix de uso.

Posso fazer um teste A/B de GPT-6 Luna contra Qwen3.8 Flash sem duas integrações?

Sim. Os dois são servidos pelo mesmo endpoint compatível com OpenAI, com uma única chave de API. Para trocar, basta mudar uma linha, a string do modelo; assim você pode direcionar uma parte do tráfego para cada um e comparar as contas diretamente.

GPT-6 Luna e Qwen3.8 Flash suportam cache de prompts?

Sim. Os dois cobram as leituras de cache abaixo da tarifa de entrada, então cargas de trabalho com prefixo já em cache custam menos do que os preços de tabela sugerem. Os valores exatos de leitura de cache estão na tabela de preços acima.

Comparações relacionadas

Dos nossos estudos com medições