Claude Sonnet 5.5、GPT-6 Luna与Gemini 4 Argon费用比较

Claude Sonnet 5.5、GPT-6 Luna与Gemini 4 Argon怎么选

仅按2026年10月29日价格、每次2,000输入与500输出tokens计算，Orux AI的GPT-6 Luna每1,000次24.3 Credits（$0.122），Gemini 4 Argon为594 Credits（$2.97），Claude Sonnet 5.5为855 Credits（$4.275）。同一工作量的官方标准价分别$0.45、$9.00、$9.00，Argon官方价将于2026年12月1日翻倍。

价格差对应不同产品定位：Luna侧重分类、抽取等聚焦且高频的任务，Sonnet与Argon面向更广泛的推理和写作。应检查自己的任务是否值得更高单价，而非用价格推断质量。以下是三候选的历史价格比较，不是当前全部模型的排名。

快速对照

左右滑动查看完整表格。

“定位”行来自原文所引Orux模型页描述，不是实测质量排序。表中“当前官方价”指2026年10月29日快照，后续调整以日期说明和最新页面为准。

价格逐项比较

下表是2026年10月29日每100万tokens费率。本站主单位为Credits，1 Credit=$0.005，括号美元只作换算。

左右滑动查看完整表格。

有三个边界需要看清：

• 本站Luna输入从270K起用高档。原文记录OpenAI当时从272K起、$0.20/$0.75，并据此比较270K–272K区间；本次2026年11月1日未在当前官方页复证这些旧长档信息，所以表中仅保留为历史记录，不作为现在区间价差保证。Orux的270K与20/80 Credits已按当前配置核对。
• Sonnet缓存写入另计：5分钟237.5 Credits/100万tokens，为输入1.25倍；1小时380 Credits，为2倍。读取12 Credits，节省主要发生在实际命中后，不能把写入当免费。
• Argon官方2026年12月1日翻倍。本站若有变化以模型页为准，本文不假定跟涨。Gemini API价格指南（英文）列出时间线。

三种工作量的任务成本

每token单价不容易直接套预算，下面用三种输入输出形状计算每1,000次费用。

左右滑动查看完整表格。

按所引当日官方标准价，Sonnet与Argon这些工作量同价。本站Argon输入和输出都是Sonnet约69.5%，因此在这两个固定费率适用且无其他收费因素时，各种输入输出比例都约便宜30%。这不比较产出质量或重试次数。

如果Luna在你的验收中不达标而Sonnet又超出预算，可把Claude Haiku 5.5列为价格居中的候选：输入不超过100K时10.8/54 Credits/100万tokens，参考请求每1,000次48.6 Credits。原文14候选的完整价格表见低价LLM API比较（英文），它不是全部当前目录的绝对排名。

同一提示与三模型：已知的证据

本文没有发布三方质量实测结果，不补猜测。能展示的是历史上一次Sonnet调用及把相同token量套入另两个费率的计算，而非三模型实际输出对照。

2026年10月29日博物馆藏品JSON案例首轮使用402输入、195输出tokens。2026年11月1日翻译时复查保存的验证报告，发现首轮仅结构通过，来源夹具未通过：模型把“Gallery A/B/D”缩写成“A/B/D”。所以不能把原文“validated JSON”理解为首次就完整验收。随后修正提示的真实复跑以446输入、207输出tokens通过结构与来源检查，按Sonnet费率为0.28139 Credits。两次都是历史记录，不是本次新增调用。

首轮402×190/1M+195×950/1M=0.26163 Credits，原表四舍五入0.2616（约$0.0013）。同量套价为：

左右滑动查看完整表格。

各模型tokenizer不同、回答长度也不同，实际用量不会因此相同。下方脚本记录每个模型真实usage、输出与耗时，供你自行运行，而本文未执行三方测试。完整抽取与校验流程见Claude Sonnet 5.5 API指南（英文）。

上下文与参数

三个模型使用同一OpenAI兼容请求，但有两项差异：

• Luna使用max_completion_tokens，限制包含可见输出和推理tokens；Sonnet与Argon使用max_tokens。
• Luna提供reasoning_effort，本站表单中的直接回答模式以页面实际选项为准。

本站三个候选均支持流式和上下文缓存，没有对应Batch模式。Anthropic官方Batch半价，大量离线Claude任务应和这个价比较。

原文记录Luna在2026年10月5次完成请求平均7.8秒，样本太少且无受控对照，不能排名速度。原文当时没有另两者可比样本；2026年11月1日当前快照已含Sonnet样本，所以这句话不能当今天的数据缺失结论，仍没有三者同条件速度测试。

GPT-6 Sol和Astra的可用性说明

原文2026年10月29日称Sol和Astra未在Orux上架、Luna是唯一GPT-6。这个旧说明已经过时。2026年11月1日核对，本站GPT-6 Sol、GPT-6 Astra以及GPT-6.1 Sol模型页均可访问，已有相关在售目录。本篇保留三模型选题范围，不代表其他型号不可用。若直接使用OpenAI，仍需核对OpenAI价格页及当前模型版本。

可以从哪个候选开始

只根据价格和定位、没有三方质量基准时：

• 分类、路由、标签、短抽取或小JSON先试Luna。参考费用24.3 Credits/1,000次，在同量假设下再调用一次Luna仍低于一次Sonnet；但校验步骤的额外计算、模型或人工费用需另算，不能保证所有校验都便宜。
• Luna未通过你的标准时，可试更低的两个大模型价格之一Argon。若同时用Google直连，预算需考虑12月1日官方变动。
• Sonnet适合列入调试与多步起草等候选，但应先在自己的提示中确认其结果值得更高单价，再选择它。

常见方式是按任务路由：先Luna，验收失败才升级Argon或Sonnet。三个模型共用端点和Key，因此可在自己的代码中实现；实际还需验收规则和费用预算。

Python：替换模型并记录用量

脚本通过单客户端发送同一提示给三模型，处理输出上限参数差异，打印回答、usage、估算Credits和墙钟耗时。执行会产生付费调用；本次翻译只本地解析语法与计算，没有执行API。

# pip install openai
import os, time
from openai import OpenAI

client = OpenAI(base_url="https://orux.top/api/v1", api_key=os.environ["ORUX_API_KEY"])

# Credits per 1M tokens (input, output), checked 2026-10-29. GPT-6 Luna: under-270K tier.
RATES = {
    "claude-sonnet-5-5": (190, 950),
    "gpt-6-luna": (5.4, 27),
    "gemini-4-argon": (132, 660),
}

PROMPT = """Extract every record as a JSON array of objects with keys
id, title, location, estimated_value_usd. Use null when a value is unknown
or conflicting. Return JSON only.

1. ID A-104, "Blue Vase", Gallery A, valued at $1,200
2. ID A-105, "Bronze Bell", Gallery B, valued at $800 or $950 (two appraisals)"""

def ask(model, prompt, limit=600):
    params = {"model": model, "messages": [{"role": "user", "content": prompt}]}
    # The one parameter difference between the three
    params["max_completion_tokens" if model == "gpt-6-luna" else "max_tokens"] = limit
    start = time.perf_counter()
    resp = client.chat.completions.create(**params)
    return resp, time.perf_counter() - start

for model, (rin, rout) in RATES.items():
    resp, secs = ask(model, PROMPT)
    u = resp.usage
    credits = (u.prompt_tokens * rin + u.completion_tokens * rout) / 1e6
    print(f"--- {model}: {u.prompt_tokens}/{u.completion_tokens} tokens, "
          f"≈ {credits:.6f} Credits, {secs:.1f} s, finish={resp.choices[0].finish_reason}")
    print(resp.choices[0].message.content)

标准请求切换主要是model字符串和Luna输出上限字段；端点、Key与基本响应结构相同。不同模型可能还有能力或参数限制，应按当前表单核对。估算代码只用原文短档费率，不含缓存读写、最低收费或长档变化，精确金额以实际记录为准。

原文查价2026-10-29，译文补充核验2026-11-01。来源：Anthropic价格、OpenAI价格、Gemini API价格，及上文Orux模型页。包括Opus、Haiku的拆分见Claude API价格（英文）。

FAQ

Q.三个模型谁更便宜？

仅按本文短档参考请求，Luna输入5.4、输出27 Credits/100万tokens（$0.027/$0.135），每1,000次24.3 Credits；Argon为594、Sonnet为855。不同用量、缓存和档位要重算。

Q.哪个更适合写代码？

没有三方代码基准，不宣布赢家。Sonnet模型页定位含调试与迭代解题。3,000输入、2,000输出tokens每次按本站费率Sonnet约2.47、Argon1.72、Luna0.07 Credits；这些是费用，不是正确率。

Q.切换时完全不用改代码吗？

基本端点和Key相同，改model即可，但Luna输出上限是max_completion_tokens，另两个是max_tokens。其他支持选项仍需逐模型核对。

Q.Gemini 4 Argon会涨价吗？

Google官方将在2026年12月1日从每100万tokens $2/$10升到$4/$20。Orux在2026年10月29日为132/660 Credits；本站未来报价以模型页实际公布为准。

Q.Luna能直接替代Sonnet吗？

不能默认替代。Luna定位分类、抽取与简短回答，Sonnet覆盖起草、调试等更广工作。可先把窄且高频任务交Luna并验收；参考请求便宜约35倍是试用理由，不是质量等价证明。