Novo Cadastre-se grátis, 10 chamadas por nossa conta. Até US$ 1, sem cartão.

GPT-6 Luna vs Qwen3.8 Flash

vs

Qual usar, 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 pontuou mais alto
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 pontuou mais alto 72.3%
Agents' Last Exam Pass
N/A
24.3%
LVBench
N/A
76.6%

Publicado pelos fornecedores: 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 sem cobrança separada 1.25x -

Tarifas do catálogo em tempo real no momento do build; a página de cada modelo contém o cartão atual.

Onde eles se posicionam - preço de entrada por 1M tokens entre todos os 74 modelos de chat nesta 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 prompt implícito (automático) implícito + explícito
Tempo de vida do cache 5-10m, up to 1h explicit: 5m, reset on hit
Prefixo mínimo em cache 1024 tokens 1024 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 fornecedor; uma linha que um fornecedor não publica é omitida em vez de ser inferida. Fontes completas: GPT-6 Luna · Qwen3.8 Flash

Um prompt, ambos os modelos - medidos pelo gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. VERIFICAR 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 pensamento) 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 pensamento) latência 8.9 s

Cumprimento da instrução (exatamente três frases - contáveis), ajuste ao público (registro de CFO), e a lacuna de cobrança do pensamento oculto que os medidores de tokens abaixo expõem.

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. VERIFICAR 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 pensamento) 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 pensamento) latência 43.8 s

Se a correção é de fato certa (executável), a densidade da explicação, e a eficiência em tokens numa tarefa 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. VERIFICAR JSON válido, esquema 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 pensamento) 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 pensamento) latência 10.5 s

Obediência ao esquema (sem campos inventados), pressão de alucinação (guidance é explicitamente retida), 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. VERIFICAR 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 pensamento) 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 pensamento) latência 88.8 s

Obediência às restrições (orçamento de palavras, lista de palavras proibidas, a única pergunta), impressão digital de estilo, e controle de comprimento.

Alterne entre eles com uma linha

Ambos os IDs estão em todas as abas abaixo - o par de linhas destacado é a única edição. Mesmo endpoint, mesma chave, mesmo formato de requisição.

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 API →

FAQ

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

GPT-6 Luna é mais barato em entrada / 1m tokens ($0.1 vs $0.15, com 1.5× de diferença). Outras linhas podem apontar para o outro lado - a tabela acima traz o quadro completo, e o custo real depende do seu mix.

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

Sim. Ambos são servidos pelo mesmo endpoint compatível com OpenAI com uma única chave de API - a troca é uma alteração de uma linha na string do modelo, de modo que você pode rotear uma fração do tráfego para cada um e comparar as faturas diretamente.

GPT-6 Luna e Qwen3.8 Flash suportam prompt caching?

Sim - ambos cobram leituras em cache abaixo da sua taxa de entrada, então cargas de trabalho com warm-prefix custam menos do que as taxas listadas sugerem. As linhas exatas de leitura em cache estão na tabela de preços acima.

Comparações relacionadas

De nossos estudos medidos