GPT-6 Luna

Bei typischem Mix aus 70 % Eingabe und 30 % Ausgabe kommt GPT-6 Luna auf 0,22 $ pro Million Token. Damit liegt es über 7 % der 46 hier erfassten Modelle, und 3 weitere Modelle derselben Budget-Stufe unterbieten es. Die Stufe ist ein Leistungsetikett, kein Preisband — die Spanne innerhalb einer Stufe ist oft größer als der Abstand zwischen Stufen, weshalb eine Auswahl allein nach Stufe meist zu teuer wird.

Die Eingabe kostet 0,10 $ pro Million, die Ausgabe 0,50 $ — ein Verhältnis von 5,0x. Dieses Verhältnis zählt mehr als jede der beiden Zahlen für sich: Eine Zusammenfassungs- oder Klassifizierungslast liest weit mehr, als sie schreibt, und folgt dem Eingabepreis; Codegenerierung oder lange Texte drehen das um und folgen dem Ausgabepreis. Vergleichen Sie Modelle nach dem Verhältnis, das Ihr Traffic tatsächlich hat, nicht nach dem Eingabepreis allein.

Das Benchmark-Profil ist ungewöhnlich flach — Datenextraktion führt mit 92/100, doch nur 8 Punkte trennen die stärkste von der schwächsten Kategorie. Das macht GPT-6 Luna zur sicheren Standardwahl für gemischte Lasten, bei denen sich nicht vorhersagen lässt, welche Fähigkeit eine Anfrage beansprucht — und zur schlechten Wahl, wenn Sie einen Spezialisten brauchen.

Das Kontextfenster umfasst 1.05M Token, der Durchsatzwert liegt bei 97/100. Kontext rechnet sich nur, wenn Sie ihn füllen — und genau das Füllen macht eine Anfrage teuer: Ein großes Fenster ist eine Option, kein Rabatt. Beurteilen Sie den Geschwindigkeitswert eines Budget-Modells nach Ihrem Einsatz: Im interaktiven Chat entscheidet er alles, bei nächtlicher Batch-Arbeit fast nichts.

Nichts Günstigeres in der Tabelle erreicht GPT-6 Luna bei Programmierung und Reasoning zusammen; der gemischte Preis von 0,22 $ kauft also Leistungsfähigkeit, die derzeit nicht billiger zu haben ist. Das ist das Argument dafür, ihn zu zahlen — und es lohnt eine erneute Prüfung, denn genau diese Position nimmt eine neue Veröffentlichung wieder weg.

Der nächstliegende Vergleich ist GPT-5.6 Luna von OpenAI mit 0,50 $ pro Million gegenüber 0,22 $. 3 Modelle dieser Stufe erzielen bei Programmierung und Reasoning zusammen höhere Werte — und das ist die nützliche Perspektive: Die Frage ist selten, ob ein Modell gut ist, sondern ob es das Günstigste ist, das für die konkrete Arbeit gut genug ist, die Sie ihm schicken.