GPT-5.6 Luna、GLM-5.3-Flash、Gemini 3.8 Flash：便宜档的三张价目表，坑各不相同

八月底我把一个批处理任务从 Gemini 3.8 Flash 挪回 3.7 Flash，当月账单降了六成，产出质量肉眼看不出差别。

荒唐的地方在于，3.8 Flash 的标价并不比 3.7 高。多花的钱不在价目表上。

这一档模型现在挤得厉害。OpenRouter 的口径是全网 token 用量一年涨了 25 倍，最近一个月直接翻倍，吃掉这些量的主力正是所谓的便宜档：OpenAI 的 GPT-5.6 Luna 单月处理了近 12 万亿 token，智谱的 GLM-5.3-Flash 是 11.4 万亿，后者环比增长超过 1000%。

三家的标价我都列一遍，然后讲各自藏钱的地方。

三家把同一份活报了三个价

项目	GPT-5.6 Luna	GLM-5.3-Flash	Gemini 3.8 Flash
输入（每百万 token）	0.20 美元	0.15 美元（deepinfra 口径）	0.75 美元
输出（每百万 token）	1.20 美元	0.50 美元	3.75 美元
缓存命中读取	0.02 美元	官方未单列	未单列
缓存写入	0.25 美元	—	—
上下文	1050K 上下文	1M 上下文	长上下文
最大输入 / 输出	922000 / 128000	—	—
价格性质	7 月 30 日降价 80% 后的常规价	常规价	促销价，12 月 31 日到期

光看这张表，Gemini 3.8 Flash 是三个里最贵的，输出价 3.75 美元是 GLM 那 0.50 美元的 7.5 倍。但它在 Artificial Analysis 智能指数上开 high reasoning 能拿 59 分，和 GPT-5.6 Sol 持平，折算成每个指数任务是 0.58 美元。作为对照，Anthropic 的 Claude Fable 5.1 是 66 分、3.69 美元一个任务。

九成的能力，六分之一的钱。这是它敢标 3.75 美元输出价的底气。

0.02 那一栏才是 Luna 的杀招

Luna 的输入价 0.20 美元不算特别便宜，GLM 的 0.15 美元比它低两成半。真正拉开差距的是缓存命中读取价：0.02 美元。

十分之一。

什么活儿吃这个价？系统提示词长、few-shot 例子多、RAG 前缀固定、多轮对话前面几十轮不变的场景，输入里通常有七八成是逐字重复的。命中缓存之后这部分按 0.02 美元结算，整张账单会掉到只看 0.20 美元标价时估算的三分之一上下，负载越规整降幅越大。我手上一条日均两千万 token 的抽取链路，锁死前缀之后月度支出从 380 美元降到 140 美元，输出内容一个字没改。

代价是缓存写入要 0.25 美元，比输入原价还贵两成半。这套机制对”同一个前缀被反复打”的负载近乎白送，对”每次前缀都不一样”的负载是净亏，一天只命中两三次的那种基本打平。

还得注意时间线：Luna 这个价是 7 月 30 日一次性砍下来的，降幅 80%。降价前后的评测文章现在混在一起挂在搜索结果里，读的时候先看日期，否则会拿一份作废的价目表做决策。

272000：一个数字在两个地方对不上

Luna 官方文档写的是 1050K 上下文，最大输入 922000 token，最大输出 128000 token。但 7 月 18 日 OpenAI 推的 Codex CLI 0.144.6，把 CLI metadata 里的上下文改成了 272000。

两个数字都是官方的，差了将近四倍。

这不是文档笔误。超过大约 272000 输入 token 的请求，整个请求按输入价 2 倍、输出价 1.5 倍计费，注意是整个请求而不是超出的那一截。272000 是计费档位线，1050K 上下文是技术上限，两者本来就不是一回事，只是没人把这件事写在同一页上。

坑在中间层。路由器、截断逻辑、预算护栏这些组件都读 metadata 决定行为：读到 1050K 的会心安理得地把一个 40 万 token 的请求发出去，然后你收到一张按 2 倍输入价结算的账单；读到 272000 的又会把本来塞得进去的内容提前砍掉，召回率悄悄掉一截。这两种错法在预发环境都测不出来，因为测试用例的输入普遍不超过 3 万 token。

云厂商那边还有一层。有记录显示微软 Azure 在宣称已跟进 OpenAI 新定价的同时，对 GPT-5.6-Luna 的计费一度高到 5 倍。走中间商买这个模型，价格必须自己对一遍。

Gemini 这边，你付钱的 token 你看不见

回到开头那笔账。Gemini 3.8 Flash 的问题不在 0.75 美元的标价，在思考 token。

这个模型默认就跑 medium 级别推理，每一个内部推理 token 都按 3.75 美元的输出价计费，而它们不出现在响应体里。你拿到 500 token 的回答，实际可能付了 3000 token 的钱，从返回内容上一点都看不出来。我那条被挪走的链路，实测思考 token 是可见输出的 4 到 6 倍。

模型的来路也值得说一句：3.8 Flash 不是新基座，是在 3.7 Flash 上做的，官方说法是它会”更努力地工作”，也就是主动烧更多思考 token 换质量。Google 自己在文档里建议，效率优先的负载留在 3.7 Flash。

厂商公开劝你别升级，这种话该当真。

另一颗定时炸弹是日期。0.75 美元和 3.75 美元是促销价，12 月 31 日到期，1 月 1 日直接翻倍到 1.50 美元和 7.50 美元。现在按促销价算出来的单位经济模型，元旦当天整体作废。毛利本来就薄的产品，这个日子得写进日历。

智谱的位置：便宜，但没便宜到无脑用

GLM-5.3-Flash 的国内官方口径是输入 0.8 元、输出 2.8 元每百万 token，海外渠道折算是 0.15 美元和 0.50 美元。1M 上下文、多模态、带 coding 能力，配置表上一样不缺。

LLM Stats 的综合评分它拿 50.7，Luna 是 45.4，差 5.3 分；这是个聚合分，把 MMLU、GPQA 这类学科题和代码题按固定权重加总，权重表一改名次就会动，所以它只能说明两者同档，说明不了谁在你那摊活儿上更强。

但这个分数得配着社区反馈一起看。linux.do 上有一条讨论标题直接叫”GLM 5.3 Flash 吹得过头了”，跟帖里的意见是：高强度测试下它并不比 DeepSeek V4 Flash 更好，尽管官方评测里它的数字更漂亮。这种”官方榜单赢、日常手感输”的落差在开放权重模型上很常见，通常来自评测集的采样偏好。

技术侧有一处官方自己承认的短板：GLM-5.3-Flash 的 KV 缓存占用仍高于 Kimi-K3 和 DeepSeek-V4-Flash，被列进了后续优化方向。KV 缓存大意味着同样显存能塞下的并发更少，自部署或者高并发场景里这一项会直接变成钱。

所以它的定位挺清楚：单价最低那一档里能力最全的，但不是这一档里工程效率最高的。

OpenRouter 的用量榜说明了什么

Luna 单月 12 万亿 token，GLM-5.3-Flash 11.4 万亿，已经贴得很近，而 GLM 的环比增速超过 1000%。

1000% 不能直接读成”更受欢迎”。开放权重模型的调用会被大量中转商、聚合平台、二次封装产品重复计入，Luna 的量主要来自直连和几家大网关，两条统计口径本来就不对等。

不过有件事是真的：这一档正在吃掉整个市场的大头。一年 25 倍、一个月翻倍，这种增速不可能来自旗舰模型，旗舰太贵跑不出这个量。真正被大规模消耗的是”够用就行”的那一档，而 SWE-bench 之类的榜单排名对这类采购几乎没有影响力。

中端逼近前沿，去年是个论点，今年是账单上的事实。

三个都有的毛病，各不相同

Luna 的问题是计费复杂度。缓存读 0.02 美元、写 0.25 美元两套价，272000 那条档位线，再加上云厂商可能 5 倍加价，任何一环没对齐，实际支出和预算能差出好几倍。三个里它最需要你自己写监控。

Gemini 3.8 Flash 的问题是不透明叠加有期限。看不见的思考 token 让成本预估失真，12 月 31 日的到期日又让长期规划失真。它适合短周期、对质量敏感、不太在乎多花点钱的活。

GLM-5.3-Flash 的问题是官方评测和实际手感之间有落差，KV 缓存这块的工程成本也没优化到位。0.15 美元是它最硬的优势，也差不多是唯一的硬优势。

三个都不适合闭眼选。

钱花在哪儿，你得自己盯。

我手上这几条链路是这么派活的

前缀固定、量大、结构化输出的批处理走 Luna。0.02 美元的缓存命中价在这类负载上是碾压性的，只要 prompt 前缀锁死，成本能压到别家的零头。

需要一点真推理的中等难度任务，比如复杂分类、多步抽取、带条件判断的改写，走 Gemini 3.8 Flash，但只在促销期内，并且必须把思考 token 的实际消耗打进监控。12 月 31 日之前重新评一次。

成本敏感、质量要求不高、走国内合规的活，走 GLM-5.3-Flash。中文场景下 0.8 元的输入价没什么对手，前提是你接受它的输出偶尔需要重试一次。

如果只能挑一个，我挑 Luna。理由不是它最强，是它的计费规则虽然复杂但至少稳定，不会在某个日期突然翻倍。

最后提醒一句：这三家的价格在过去 60 天里改了不止一次。你现在读到的任何一篇对比，包括这一篇，写的都是某一天的快照。下单前去官网对一遍价目表，这个动作值当。