GPT-6 Luna vs. Gemini 3.8 Flash vs. DeepSeek: Was der Sub-1-Dollar-API-Tarif wirklich kostet

Du hast einen Endpoint, der Support-Tickets klassifiziert, drei Felder aus einer Webhook-Payload zieht oder eine einzeilige Zusammenfassung eines Log-Eintrags schreibt. Er läuft ein paar Millionen Mal pro Monat. Die Qualitätslatte ist „gut genug und konsistent“, und die einzige Zahl, die dein Finanzteam interessiert, ist die Rechnung.

Bis zum 22.09.2026 gehörte dieses Segment zu Googles Flash-Linie und zu DeepSeek. Dann brachte OpenAI GPT-6 Luna für 0,10 $ pro Million Input-Tokens und 0,50 $ pro Million Output-Tokens auf den Markt, mit einem 1M-Kontextfenster, und das Segment wurde voll.

Der Haken ist, dass die drei Schlagzeilenpreise nicht dieselbe Art von Zahl sind. Einer ist eine Senkung, gemessen an einer Aktion. Einer läuft zu einem Kalenderdatum ab. Einer ändert sich je nachdem, zu welcher Tageszeit dein Job läuft. Stelle sie so nebeneinander, wie sie gedruckt sind, und du wählst das falsche Modell.

Die veröffentlichten Preise, Stand 2026-09-23

Die Preise für Luna und DeepSeek stammen von den eigenen Seiten der jeweiligen Anbieter. Die Gemini-Zeile stammt von Googles API-Preisseite, kostenpflichtige Stufe.

Beim pauschalen Input pro Token ist Luna 7,5-mal günstiger als Gemini 3.8 Flash und 3-mal günstiger als DeepSeek Flash zu Peak-Zeiten. Beim Output sind es 7,5-mal und 2,4-mal. Das ist die ganze Geschichte, wenn du nie cachst und nie die Fußnoten liest. Es folgen drei Fußnoten, und jede einzelne davon kann eine Entscheidung kippen.

Sternchen eins: OpenAIs Preissenkung wird an einem Aktionspreis gemessen

OpenAI sagt, Luna und sein größeres Geschwister Sol seien 50 % günstiger als die Aktionspreise von GPT-5.6. „Aktionspreis“ ist OpenAIs eigenes Wort und gehört in jede Wiederholung dieser Aussage.

Unsere Launch-Berichterstattung verzeichnete den Listenpreis von GPT-5.6 Luna bei 1,00 $ Input und 6,00 $ Output. Gegen den Listenpreis statt gegen die Aktion gemessen sind GPT-6 Lunas 0,10 $ und 0,50 $ eine Senkung um 90 % beim Input und um 92 % beim Output. Der tatsächliche Schritt ist größer als die Schlagzeile. Die Schlagzeile ist nur an einem Rabatt verankert.

Was das operativ bedeutet: Die 0,10 $ und 0,50 $ sind als Lunas Preise veröffentlicht, nicht als Aktion, also plane damit. Aber behandle „50 % günstiger als die Aktionspreise von GPT-5.6“ nicht als direkten Generationenvergleich, denn das ist es nicht. Wenn du migrierst, siehe Was ist GPT-6 Luna und die Aufschlüsselung der Vorgänger-Tiers in GPT-5.6 Sol vs. Terra vs. Luna.

Sternchen zwei: Der Gemini-Flash-Preis hat ein Ablaufdatum

Googles Preisseite druckt beide Zahlen in dieselbe Zelle. Gemini 3.8 Flash kostet 0,75 $ Input und 3,75 $ Output „bis zum 31. Dezember 2026“, dann 1,50 $ und 7,50 $ „ab dem 1. Januar 2027“. Context Caching folgt demselben Muster: 0,075 $ jetzt und 0,15 $ im Januar. Gemini 3.7 Flash und 3.6 Flash haben identische Zeilen.

Wenn du diese Woche ein 12-Monats-Kostenmodell für Flash baust, sind drei dieser Monate zum doppelten Preis bepreist. Ein Team, das für nächstes Jahr 60.000 $ Flash-Ausgaben auf Basis des heutigen Preises budgetiert, budgetiert bei gleichbleibendem Volumen für rund 90.000 $ tatsächliche Rechnungen. Das ist kein Rundungsfehler.

Zwei verwandte Fakten von derselben Seite. Es ist kein Gemini 3.8 Flash-Lite oder 3.7 Flash-Lite aufgeführt. Die günstigsten verbleibenden Flash-Lite-Einträge sind Gemini 3.5 Flash-Lite mit 0,30 $ Input und 2,50 $ Output sowie Gemini 2.5 Flash-Lite mit 0,10 $ Input und 0,40 $ Output. Diese letzte Zeile ist der einzige Eintrag in diesem gesamten Vergleich, der Luna bei den Output-Kosten unterbietet, und sie ist zwei Generationen alt.

Sternchen drei: DeepSeeks Preis hängt von der Uhr ab

DeepSeek veröffentlicht Peak- und Off-Peak-Spalten. Peak gilt von 01:00 bis 04:00 und von 06:00 bis 10:00 UTC, Montag bis Freitag, mit Ausnahme chinesischer Feiertage. Off-Peak ist durchgängig die Hälfte von Peak. Für deepseek-flash sind das 0,30 $ gegenüber 0,15 $ bei Cache-Miss-Input und 1,20 $ gegenüber 0,60 $ beim Output.

Für einen nächtlichen Batch ist das geschenktes Geld: Verschiebe den Cron außerhalb des Fensters und halbiere die Rechnung. Für interaktiven globalen Traffic ist es ein Modellierungs-Albtraum, weil dein effektiver Preis ein Mix ist, den du nicht nennen kannst, bevor du deine eigene Anfrageverteilung gegen die UTC-Uhr gemessen hast. Wenn DeepSeek ein ernsthafter Kandidat ist, protokolliere bei jedem Aufruf einen UTC-Zeitstempel zusammen mit den Token-Zahlen, sonst ist dein Kostenmodell eine Vermutung in einem Tabellenkalkulationskostüm.

Unsere frühere Aufschlüsselung dieser Preisstruktur steht in DeepSeek-V4.1-Flash-Preise.

Wo sich die Tiers wirklich trennen: gecachter Input

DeepSeeks Cache-Hit ist die günstigste Input-Zahl in diesem gesamten Vergleich, 50-mal unter seinem eigenen Miss-Preis. Sein Miss-Preis ist außerdem 3-mal Lunas Pauschaltarif. DeepSeek zahlt sich also spektakulär aus für eine Workload mit langem, stabilem Präfix und bestraft eine, die jedes Mal einen frischen Prompt sendet. Lunas Verhältnis ist flacher, was vor allem bedeutet, dass es weniger Möglichkeiten gibt, es gründlich falsch zu machen.

GPT-6 hat außerdem ein echtes Caching-Release ausgeliefert und nicht nur eine Preiszeile. Höhere Hit-Raten standardmäßig, 90 % Rabatt auf gecachte Input-Lesezugriffe, ein Prompt-Caching-Dashboard und ein Diagnose-Tool, explizite Breakpoints, damit du wählst, wo das gecachte Präfix endet, und – am nützlichsten – das Ändern des Reasoning-Aufwands oder der Tool-Verfügbarkeit macht den Cache nicht mehr ungültig. GitHub meldet über 50 % weniger Prompt-Tokens, die eine frische Verarbeitung benötigen, über Milliarden von Anfragen hinweg. Wenn du jemals gesehen hast, wie eine Hit-Rate zusammenbricht, weil jemand ein einziges Tool eingeschaltet hat, weißt du, was diese Eigenschaft wert ist. Mehr dazu im GPT-6-Prompt-Caching-Release.

Pro Token ist die falsche Einheit

OpenAI hat Kosten pro Aufgabe zusammen mit Genauigkeit veröffentlicht, was die ehrlichere Darstellung ist. Auf DeepSWE 1.1 erzielt Luna bei maximalem Reasoning 66,6 %, was OpenAI als vergleichbar mit Claude Opus 5 und Fable 5 bei mittlerem Aufwand beschreibt, bei 93 % niedrigeren Kosten pro Aufgabe als Opus 5 und 96 % niedrigeren als Fable 5. Auf OSWorld 2.0 offline schlägt Luna bei max GPT-5.6 Sol bei medium zu etwa einem Zehntel der Kosten. Bei Faktizität erreicht Luna bei höherem Aufwand GPT-5.6 Sol zu ungefähr einem Hundertstel der Kosten. Gegenüber seinem eigenen Vorgänger auf AutomationBench 1.0.6 erzielt Luna bei hohem Aufwand 5,4 Punkte mehr bei 58 % niedrigeren Kosten pro Aufgabe.

Nun der Teil, der mehr zählt als all das: Weder Google noch DeepSeek veröffentlichen Kosten-pro-Aufgabe-Zahlen für diese Benchmarks für Gemini 3.8 Flash oder deepseek-flash. Dieser Artikel ist also ein dreiseitiger Preisvergleich plus die eigenen Kosten-pro-Aufgabe-Behauptungen eines Anbieters über sich selbst. Es ist kein dreiseitiges agentisches Leaderboard, und wer dir eines für diesen Tier zeigt, betreibt entweder einen Drittanbieter-Harness, den er nennen sollte, oder erfindet Zahlen.

Der Grund, warum der Vergleich pro Token in die Irre führt, sind Reasoning-Tokens. Ein Modell, das 3-mal weniger pro Token berechnet und 5-mal mehr Tokens ausgibt, um dieselbe Aufgabe zu erledigen, kostet dich mehr. Output-Tokens einschließlich Thinking sind das, wofür du tatsächlich bezahlst, und nur deine eigene Workload kennt dieses Verhältnis.

Die Latenzfalle

Artificial Analysis, ein Drittanbieter und nicht einer der beiden Anbieter, misst GPT-6 Luna bei 153,9 Output-Tokens pro Sekunde mit einer Zeit bis zum ersten Token von 124,23 Sekunden und GPT-6 Sol bei 115,2 Tokens pro Sekunde bei 102,15 Sekunden. Diese Zahlen gelten für die Reasoning-Varianten „max“, also lies sie als Obergrenze und nicht als das, was du bei Standardaufwand sehen würdest. Behandle beide als nicht gegen First-Party-Daten verifiziert.

Die Richtung ist trotzdem der Punkt. In dieser Generation ist das günstige Modell nicht das schnelle Modell. Zwei Minuten bis zum ersten Token sind für einen nächtlichen Anreicherungsjob völlig in Ordnung und hinter einer Chat-Box völlig unbrauchbar. Wenn dein Endpoint nutzerseitig ist, entscheidet die Zeit bis zum ersten Token bei deinem gewählten Aufwandsniveau die Frage, nicht Dollar pro Million.

Miss es selbst: eine Anfrage, drei Umgebungen

Alle drei Anbieter akzeptieren einen Chat-Completions-Aufruf im OpenAI-Format, du brauchst also keine drei Clients.

Baue die Anfrage einmal, lege base_url, model_id und api_key in einer Apidog-Umgebung ab und wechsle dann die Umgebung, um dieselbe gespeicherte Anfrage an jeden Anbieter zu schicken. Kein kopiertes curl, keine Abweichung zwischen den drei Versionen deines Prompts.

POST {{base_url}}/chat/completions
Authorization: Bearer {{api_key}}
Content-Type: application/json

{
  "model": "{{model_id}}",
  "messages": [
    {"role": "system", "content": "Extract order_id and status. Reply with JSON only."},
    {"role": "user", "content": "{{ticket_body}}"}
  ]
}

Apidog führt Postman-kompatible Post-Response-Skripte aus, also prüfe Struktur und Latenz und protokolliere den Usage-Block im selben Durchlauf:

pm.test("content parses as the JSON we asked for", () => {
  const parsed = JSON.parse(pm.response.json().choices[0].message.content);
  pm.expect(parsed).to.have.property("order_id");
});

pm.test("first byte to last byte under 3s", () => {
  pm.expect(pm.response.responseTime).to.be.below(3000);
});

console.log(pm.response.json().usage);

Führe dann dieselben 200 echten Payloads durch jede Umgebung und zeichne pro Aufruf vier Dinge auf: usage.prompt_tokens, usage.completion_tokens, Antwortzeit und ob die Assertion bestanden wurde. Multipliziere die Token-Zahlen mit der Preistabelle oben und dividiere durch die Anzahl der bestandenen Fälle. Das ergibt Kosten pro richtiger Antwort, die einzige Zahl, die irgendetwas entscheidet. Führe den DeepSeek-Durchlauf zweimal aus, einmal innerhalb des UTC-Peak-Fensters und einmal außerhalb, sonst hast du nur den halben Preis gemessen.

Was du wählen solltest

Diese letzte Zeile hat ihren eigenen Artikel: GPT-6 Luna für hochvolumige API-Workloads.

Fazit

GPT-6 Luna ist derzeit der günstigste pauschale, bedingungslose Preis ohne Fußnote im Sub-1-$-Tier, und er bringt ein 1M-Kontextfenster mit. DeepSeek Flash schlägt ihn bei gecachtem Input deutlich und verliert bei Cache-Misses stark. Gemini 3.8 Flash ist heute das teuerste der drei und wird im Januar doppelt so teuer sein.

Nichts davon sagt dir, was du ausliefern sollst. Führe deine eigenen Payloads durch alle drei, miss Kosten pro richtiger Antwort und Zeit bis zum ersten Token und wiederhole es, wenn der nächste Launch kommt, was im aktuellen Tempo innerhalb eines Monats sein wird. Für das größere Bild dessen, was sich in der letzten Septemberwoche geändert hat, siehe den KI-Modell-Preiskrieg vom September 2026.