GPT-6 Luna vs Gemini 3.8 Flash vs DeepSeek : ce que coûte réellement le palier API à moins de 1 $

Vous avez un endpoint qui classe des tickets de support, ou extrait trois champs d’une charge utile de webhook, ou rédige un résumé d’une ligne d’une entrée de journal. Il s’exécute quelques millions de fois par mois. La barre de qualité est « suffisamment bonne et cohérente », et le seul chiffre qui intéresse votre équipe financière est la facture.

Jusqu’au 2026-09-22, ce segment appartenait à la gamme Flash de Google et à DeepSeek. Puis OpenAI a livré GPT-6 Luna à $0.10 par million de jetons d’entrée et $0.50 par million de jetons de sortie, avec une fenêtre de contexte de 1 M, et le segment s’est encombré.

Le piège, c’est que les trois prix affichés ne sont pas du même genre de nombre. L’un est une réduction mesurée par rapport à une promotion. L’un expire à une date précise. L’un change selon l’heure à laquelle votre tâche s’exécute. Alignez-les tels qu’imprimés et vous choisirez le mauvais modèle.

Les prix publiés, au 2026-09-23

Les prix de Luna et DeepSeek proviennent des pages de chaque fournisseur. La ligne Gemini provient de la page de tarification de l’API Google, niveau payant.

Sur l’entrée à tarif fixe par jeton, Luna est 7,5 fois moins cher que Gemini 3.8 Flash et 3 fois moins cher que DeepSeek Flash en heures pleines. En sortie, c’est 7,5 fois et 2,4 fois. Voilà toute l’histoire si vous ne mettez jamais en cache et ne lisez jamais les notes de bas de page. Trois notes suivent, et chacune d’elles peut faire basculer une décision.

Astérisque un : la réduction d’OpenAI est mesurée par rapport à un tarif promotionnel

OpenAI affirme que Luna et son grand frère Sol sont 50 % moins chers que le tarif promotionnel de GPT-5.6. « Promotionnel » est le mot d’OpenAI lui-même et il doit figurer à chaque répétition de cette affirmation.

Notre couverture du lancement a enregistré le prix catalogue de GPT-5.6 Luna à $1.00 en entrée et $6.00 en sortie. Mesurés par rapport au prix catalogue plutôt qu’à la promo, les $0.10 et $0.50 de GPT-6 Luna représentent une baisse de 90 % en entrée et de 92 % en sortie. Le mouvement réel est plus important que le titre. Le titre est simplement ancré à une remise.

Ce que cela signifie opérationnellement : les $0.10 et $0.50 sont publiés comme les prix de Luna, et non comme une promotion, donc planifiez en fonction. Mais ne traitez pas « 50 % moins cher que le tarif promotionnel de GPT-5.6 » comme une comparaison générationnelle à périmètre égal, car ce n’en est pas une. Si vous migrez, consultez qu’est-ce que GPT-6 Luna et le détail des niveaux du prédécesseur dans GPT-5.6 Sol vs Terra vs Luna.

Astérisque deux : le prix de Gemini Flash a une date d’expiration

La page de tarification de Google affiche les deux nombres dans la même cellule. Gemini 3.8 Flash est à $0.75 en entrée et $3.75 en sortie « jusqu’au 31 décembre 2026 », puis $1.50 et $7.50 « à partir du 1er janvier 2027 ». La mise en cache du contexte suit la même logique : $0.075 maintenant et $0.15 en janvier. Gemini 3.7 Flash et 3.6 Flash portent des lignes identiques.

Si vous construisez cette semaine un modèle de coûts sur 12 mois pour Flash, trois de ces mois sont facturés au double. Une équipe qui budgétise 60 k$ de dépenses Flash pour l’an prochain au tarif actuel budgétise en réalité environ 90 k$ de factures, à volume constant. Ce n’est pas une erreur d’arrondi.

Deux faits connexes issus de la même page. Aucune offre Gemini 3.8 Flash-Lite ni 3.7 Flash-Lite n’est listée. Les entrées Flash-Lite les moins chères qui restent sont Gemini 3.5 Flash-Lite à $0.30 en entrée et $2.50 en sortie, et Gemini 2.5 Flash-Lite à $0.10 en entrée et $0.40 en sortie. Cette dernière ligne est la seule entrée de toute cette comparaison qui passe sous Luna en sortie, et elle a deux générations de retard.

Astérisque trois : le prix de DeepSeek dépend de l’horloge

DeepSeek publie des colonnes heures pleines et heures creuses. Les heures pleines s’appliquent de 01:00 à 04:00 et de 06:00 à 10:00 UTC, du lundi au vendredi, hors jours fériés chinois. Les heures creuses correspondent à la moitié des heures pleines pour tous les tarifs. Pour deepseek-flash, cela donne $0.30 contre $0.15 sur l’entrée en échec de cache et $1.20 contre $0.60 en sortie.

Pour un traitement par lots nocturne, c’est de l’argent gratuit : déplacez le cron en dehors de la fenêtre et divisez la facture par deux. Pour du trafic mondial interactif, c’est un casse-tête de modélisation, car votre tarif effectif est un mélange que vous ne pouvez pas annoncer tant que vous n’avez pas mesuré votre propre distribution de requêtes par rapport à l’horloge UTC. Si DeepSeek est un candidat sérieux, journalisez un horodatage UTC avec le nombre de jetons à chaque appel, sinon votre modèle de coûts est une supposition déguisée en tableur.

Notre analyse précédente de cette structure tarifaire se trouve dans tarification de DeepSeek-V4.1-Flash.

Là où les niveaux se séparent vraiment : l’entrée mise en cache

Le succès de cache de DeepSeek est le prix d’entrée le plus bas de toute cette comparaison, 50 fois inférieur à son propre prix en cas d’échec de cache. Son prix en cas d’échec est aussi 3 fois le tarif fixe de Luna. DeepSeek récompense donc spectaculairement une charge de travail avec un long préfixe stable et pénalise celle qui envoie un prompt nouveau à chaque fois. Le ratio de Luna est plus plat, ce qui signifie surtout moins de façons de se tromper lourdement.

GPT-6 a aussi livré une véritable version de mise en cache plutôt qu’une simple ligne tarifaire. Des taux de succès plus élevés par défaut, une remise de 90 % sur les lectures d’entrée mises en cache, un tableau de bord de mise en cache des prompts et un outil de diagnostic, des points de rupture explicites pour choisir où se termine le préfixe mis en cache et, plus utile encore, le changement d’effort de raisonnement ou de disponibilité des outils n’invalide plus le cache. GitHub rapporte plus de 50 % de jetons de prompt en moins nécessitant un traitement frais sur des milliards de requêtes. Si vous avez déjà vu un taux de succès s’effondrer parce que quelqu’un a activé un outil, vous savez ce que vaut cette propriété. Plus de détails dans la version de mise en cache des prompts de GPT-6.

Le jeton est la mauvaise unité

OpenAI a publié le coût par tâche en même temps que la précision, ce qui est la formulation la plus honnête. Sur DeepSWE 1.1, Luna à effort de raisonnement maximal obtient 66,6 %, qu’OpenAI décrit comme comparable à Claude Opus 5 et Fable 5 à effort moyen, à un coût par tâche inférieur de 93 % à celui d’Opus 5 et de 96 % à celui de Fable 5. Sur OSWorld 2.0 hors ligne, Luna au maximum bat GPT-5.6 Sol à effort moyen pour environ un dixième du coût. Sur la factualité, Luna à effort plus élevé égale GPT-5.6 Sol pour environ un centième du coût. Face à son propre prédécesseur sur AutomationBench 1.0.6, Luna à effort élevé obtient 5,4 points de mieux à un coût par tâche inférieur de 58 %.

Maintenant, la partie qui compte plus que tout cela : ni Google ni DeepSeek ne publient de chiffres de coût par tâche sur ces benchmarks pour Gemini 3.8 Flash ou deepseek-flash. Cet article est donc une comparaison de prix à trois, plus les affirmations d’un fournisseur sur son propre coût par tâche. Ce n’est pas un classement agentique à trois, et quiconque vous en montre un pour ce niveau utilise soit un harnais tiers qu’il devrait nommer, soit invente des chiffres.

La raison pour laquelle la comparaison par jeton est trompeuse, ce sont les jetons de raisonnement. Un modèle qui facture 3 fois moins par jeton et émet 5 fois plus de jetons pour accomplir la même tâche vous coûte plus cher. Les jetons de sortie, y compris la réflexion, sont ce que vous payez réellement, et seule votre propre charge de travail connaît ce ratio.

Le piège de la latence

Artificial Analysis, un tiers plutôt que l’un des fournisseurs, mesure GPT-6 Luna à 153,9 jetons de sortie par seconde avec un temps jusqu’au premier jeton de 124,23 secondes, et GPT-6 Sol à 115,2 jetons par seconde à 102,15 secondes. Ces chiffres concernent les variantes de raisonnement « max », donc lisez-les comme un plafond et non comme ce que vous verriez à l’effort par défaut. Considérez les deux comme non vérifiés par rapport aux données de première main.

La direction reste l’essentiel. Dans cette génération, le modèle bon marché n’est pas le modèle rapide. Deux minutes avant le premier jeton, c’est parfaitement acceptable pour une tâche d’enrichissement nocturne et totalement inutilisable derrière une boîte de dialogue. Si votre endpoint est destiné aux utilisateurs, le temps jusqu’au premier jeton au niveau d’effort choisi tranche la question, pas les dollars par million.

Mesurez vous-même : une requête, trois environnements

Les trois fournisseurs acceptent un appel de complétion de chat au format OpenAI, donc vous n’avez pas besoin de trois clients.

Construisez la requête une fois, placez base_url, model_id et api_key dans un environnement Apidog, puis changez d’environnement pour lancer la même requête enregistrée vers chaque fournisseur. Pas de curl copié-collé, pas de dérive entre les trois versions de votre prompt.

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 exécute des scripts post-réponse compatibles Postman, donc faites des assertions sur la forme et la latence et journalisez le bloc d’utilisation dans la même passe :

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);

Ensuite, exécutez les mêmes 200 charges utiles réelles dans chaque environnement et enregistrez quatre choses par appel : usage.prompt_tokens, usage.completion_tokens, le temps de réponse et le fait que l’assertion soit passée ou non. Multipliez les nombres de jetons par le tableau de prix ci-dessus et divisez par votre nombre de réussites. Cela donne le coût par bonne réponse, le seul chiffre qui décide quoi que ce soit. Exécutez la passe DeepSeek deux fois, une fois dans la fenêtre UTC des heures pleines et une fois en dehors, sinon vous n’avez mesuré que la moitié d’un prix.

Vers quoi se tourner

Cette dernière ligne a son propre article : GPT-6 Luna pour les charges de travail API à gros volume.

En résumé

GPT-6 Luna est le prix fixe, inconditionnel et sans note de bas de page le moins cher du niveau sous 1 $ actuellement, et il apporte avec lui une fenêtre de contexte de 1 M. DeepSeek Flash le bat largement sur l’entrée mise en cache et perd gravement sur les échecs de cache. Gemini 3.8 Flash est le plus cher des trois aujourd’hui et sera deux fois plus cher en janvier.

Rien de tout cela ne vous dit quoi livrer. Faites passer vos propres charges utiles par les trois, mesurez le coût par bonne réponse et le temps jusqu’au premier jeton, puis recommencez au prochain lancement, qui, au rythme actuel, arrivera dans moins d’un mois. Pour une vue d’ensemble plus large de ce qui a changé lors de la dernière semaine de septembre, consultez la guerre des prix des modèles d’IA de septembre 2026.