GPT-6 Luna vs Gemini 3.8 Flash vs DeepSeek: O Custo Real do Plano de API Sub-$1

Você tem um endpoint que classifica tickets de suporte, ou extrai três campos de um payload de webhook, ou escreve um resumo de uma linha de uma entrada de log. Ele é executado alguns milhões de vezes por mês. O padrão de qualidade é “bom o suficiente e consistente”, e o único número com que sua equipe financeira se importa é a conta.

Até 2026-09-22 essa faixa pertencia à linha Flash do Google e à DeepSeek. Então a OpenAI lançou o GPT-6 Luna a $0.10 por milhão de tokens de entrada e $0.50 por milhão de tokens de saída, com uma janela de contexto de 1M, e a faixa ficou movimentada.

O problema é que os três preços anunciados não são o mesmo tipo de número. Um é um corte medido em relação a uma promoção. Um expira em uma data do calendário. Um muda dependendo da hora do dia em que seu job é executado. Coloque-os lado a lado como impressos e você escolherá o modelo errado.

Os preços publicados, em 2026-09-23

Os preços do Luna e do DeepSeek vêm das páginas de cada fornecedor. A linha do Gemini vem da página de preços da API do Google, nível pago.

Em entrada fixa por token, Luna é 7,5x mais barato que Gemini 3.8 Flash e 3x mais barato que DeepSeek Flash no pico. Na saída, é 7,5x e 2,4x. Essa é a história inteira se você nunca usa cache e nunca lê as notas de rodapé. Três notas de rodapé seguem, e cada uma delas pode mudar uma decisão.

Asterisco um: o corte da OpenAI é medido em relação a uma tarifa promocional

A OpenAI diz que Luna e seu irmão maior Sol são 50% mais baratos que o preço promocional do GPT-5.6. “Promocional” é palavra da própria OpenAI e pertence a toda repetição dessa afirmação.

Nossa cobertura de lançamento registrou o preço de tabela do GPT-5.6 Luna em $1.00 de entrada e $6.00 de saída. Medido em relação à tabela em vez da promoção, os $0.10 e $0.50 do GPT-6 Luna são um corte de 90% na entrada e um corte de 92% na saída. O movimento real é maior que a manchete. A manchete está apenas ancorada em um desconto.

O que isso significa operacionalmente: os $0.10 e $0.50 são publicados como preços do Luna, não como uma promoção, então planeje com base neles. Mas não trate “50% mais barato que o preço promocional do GPT-5.6” como uma comparação geracional de igual para igual, porque não é. Se você está migrando, veja o que é o GPT-6 Luna e a divisão de níveis do predecessor em GPT-5.6 Sol vs Terra vs Luna.

Asterisco dois: o preço do Gemini Flash tem data de validade

A página de preços do Google imprime os dois números na mesma célula. Gemini 3.8 Flash é $0.75 de entrada e $3.75 de saída “até 31 de dezembro de 2026”, depois $1.50 e $7.50 “a partir de 1º de janeiro de 2027”. O cache de contexto segue o mesmo formato, $0.075 agora e $0.15 em janeiro. Gemini 3.7 Flash e 3.6 Flash têm linhas idênticas.

Se você está construindo um modelo de custo de 12 meses no Flash esta semana, três desses meses estão precificados em dobro. Uma equipe que orça $60k de gasto com Flash para o próximo ano na tarifa de hoje está orçando aproximadamente $90k de faturas reais, assumindo volume constante. Isso não é um erro de arredondamento.

Dois fatos relacionados da mesma página. Não há Gemini 3.8 Flash-Lite ou 3.7 Flash-Lite listados. As entradas Flash-Lite mais baratas que permanecem são Gemini 3.5 Flash-Lite a $0.30 de entrada e $2.50 de saída, e Gemini 2.5 Flash-Lite a $0.10 de entrada e $0.40 de saída. Essa última linha é a única entrada em toda esta comparação que supera o Luna na saída, e é de duas gerações atrás.

Asterisco três: o preço do DeepSeek depende do relógio

DeepSeek publica colunas de pico e fora de pico. O pico se aplica de 01:00 às 04:00 e de 06:00 às 10:00 UTC, de segunda a sexta, excluindo feriados públicos chineses. Fora de pico é metade do pico em todos os casos. Para deepseek-flash, isso é $0.30 versus $0.15 na entrada com cache miss e $1.20 versus $0.60 na saída.

Para um batch noturno, isso é dinheiro grátis: mova o cron para fora da janela e reduza a conta pela metade. Para tráfego global interativo, é uma dor de cabeça de modelagem, porque sua taxa efetiva é uma mistura que você não pode citar até ter medido sua própria distribuição de requisições em relação ao relógio UTC. Se o DeepSeek é um candidato sério, registre um timestamp UTC junto com as contagens de tokens em cada chamada, ou seu modelo de custo é um palpite vestindo uma planilha.

Nossa análise anterior dessa estrutura de preços está em Preços do DeepSeek-V4.1-Flash.

Onde os níveis realmente se separam: entrada em cache

O acerto de cache do DeepSeek é o número de entrada mais barato em toda esta comparação, 50x abaixo do seu próprio preço de miss. Seu preço de miss também é 3x a taxa fixa do Luna. Portanto, o DeepSeek compensa espetacularmente para uma carga de trabalho com um prefixo longo e estável e penaliza uma que envia um prompt novo a cada vez. A proporção do Luna é mais plana, o que significa principalmente menos maneiras de errar feio.

O GPT-6 também lançou um release real de cache em vez de uma linha de preço. Taxas de acerto mais altas por padrão, um desconto de 90% nas leituras de entrada em cache, um Prompt Caching Dashboard e uma ferramenta de diagnóstico, breakpoints explícitos para você escolher onde o prefixo em cache termina e, mais útil, mudar o esforço de raciocínio ou a disponibilidade de ferramentas não invalida mais o cache. O GitHub relata mais de 50% menos tokens de prompt precisando de processamento novo em bilhões de requisições. Se você já viu uma taxa de acerto entrar em colapso porque alguém ativou uma ferramenta, você sabe quanto vale essa propriedade. Mais sobre isso em o lançamento do cache de prompt do GPT-6.

Por token é a unidade errada

A OpenAI publicou custo por tarefa junto com a precisão, que é o enquadramento mais honesto. No DeepSWE 1.1, Luna no raciocínio máximo pontua 66,6%, o que a OpenAI descreve como comparável a Claude Opus 5 e Fable 5 em esforço médio, com custo por tarefa 93% menor que Opus 5 e 96% menor que Fable 5. No OSWorld 2.0 offline, Luna no máximo supera GPT-5.6 Sol no médio por cerca de um décimo do custo. Em factualidade, Luna em esforço maior iguala GPT-5.6 Sol a aproximadamente um centésimo do custo. Contra seu próprio predecessor no AutomationBench 1.0.6, Luna em esforço alto pontua 5,4 pontos melhor com custo por tarefa 58% menor.

Agora a parte que importa mais que qualquer uma delas: nem o Google nem a DeepSeek publicam números de custo por tarefa nesses benchmarks para o Gemini 3.8 Flash ou o deepseek-flash. Então este artigo é uma comparação de preços de três vias mais as próprias alegações de custo por tarefa de um fornecedor sobre si mesmo. Não é um ranking agêntico de três vias, e qualquer um mostrando um para esta faixa está ou executando um harness de terceiros que deveria nomear ou inventando números.

A razão pela qual a comparação por token engana são os tokens de raciocínio. Um modelo que cobra 3x menos por token e emite 5x mais tokens para terminar o mesmo trabalho custa mais. Tokens de saída incluindo pensamento são o que você realmente paga, e só sua própria carga de trabalho conhece essa proporção.

A armadilha da latência

A Artificial Analysis, um terceiro em vez de qualquer um dos fornecedores, mede o GPT-6 Luna em 153,9 tokens de saída por segundo com um tempo até o primeiro token de 124,23 segundos, e o GPT-6 Sol em 115,2 tokens por segundo a 102,15 segundos. Esses números são para as variantes de raciocínio “max”, então leia-os como um teto e não como o que você veria no esforço padrão. Trate ambos como não verificados em relação a dados primários.

A direção ainda é o ponto. Nesta geração, o modelo barato não é o modelo rápido. Dois minutos até o primeiro token é perfeitamente aceitável para um job de enriquecimento noturno e completamente inutilizável atrás de uma caixa de chat. Se seu endpoint é voltado ao usuário, o tempo até o primeiro token no nível de esforço escolhido decide a questão, não dólares por milhão.

Meça você mesmo: uma requisição, três ambientes

Os três fornecedores aceitam uma chamada de chat completions no formato OpenAI, então você não precisa de três clientes.

Construa a requisição uma vez, coloque base_url, model_id e api_key em um ambiente Apidog, depois alterne ambientes para disparar a mesma requisição salva em cada fornecedor. Sem curl copiado e colado, sem desvio entre as três versões do seu 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 executa scripts pós-resposta compatíveis com Postman, então faça asserções de forma e latência e registre o bloco de uso na mesma passagem:

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);

Depois, execute os mesmos 200 payloads reais em cada ambiente e registre quatro coisas por chamada: usage.prompt_tokens, usage.completion_tokens, tempo de resposta e se a asserção passou. Multiplique as contagens de tokens pela tabela de preços acima e divida pela sua contagem de aprovações. Isso dá o custo por resposta correta, que é o único número que decide alguma coisa. Execute a passagem do DeepSeek duas vezes, uma dentro da janela de pico UTC e uma fora dela, ou você mediu metade de um preço.

O que escolher

Essa última linha tem seu próprio artigo: GPT-6 Luna para cargas de trabalho de API de alto volume.

Conclusão

GPT-6 Luna é o preço fixo, incondicional e sem notas de rodapé mais barato na faixa abaixo de $1 agora, e traz uma janela de contexto de 1M com ele. DeepSeek Flash o supera na entrada em cache por uma margem ampla e perde feio em cache misses. Gemini 3.8 Flash é o mais caro dos três hoje e será o dobro disso em janeiro.

Nada disso diz o que lançar. Execute seus próprios payloads nos três, meça custo por resposta correta e tempo até o primeiro token, e execute novamente quando o próximo lançamento chegar, o que, na cadência atual, será dentro de um mês. Para o panorama mais amplo do que mudou na última semana de setembro, veja a guerra de preços de modelos de IA de setembro de 2026.