GPT-6 Luna 对比 Gemini 3.5 Flash-Lite：提取数据选谁？

只做文本提取时，GPT-6 Luna 的标准 token 单价更低；Gemini 3.5 Flash-Lite 文档还明确列出音频、视频等输入。 选择时要看正确提取的完整记录，而不是只看返回 JSON 是否能解析。价格和综合榜单都不能证明谁更懂你的单据。

本文于2026年9月25日核对官方资料，没有两模型对照实测。费用均为厂商直连美元牌价和假设用量算例，不是 Ofox 报价或生产节省数据。

先让两边处理同一个任务

可先给两边相同的已提取文本，要求输出供应商、发票号、币种、总额及对应原文。这能将字段提取与 PDF 解析、图片预处理、语音转写分开。如果实际输入是扫描件或录音，还要另测完整流程，不能用文本测试替代。

依据：Luna 模型页、Gemini 模型页。两份输入说明不是同一口径的文件格式矩阵；Luna 的模态清单不能证明某端点不接受 PDF，文件输入及计费要另核对。窗口上限也不是建议每次塞满文档，应保留原文位置，并为输出留空间。

先算 token 费用，再讨论质量

Standard 短文本请求，每百万 token 的美元费率：

假设1000份文档，每份2000普通输入、200计费输出 token，总量是200万输入、20万输出。Luna 为 $0.30，Gemini 为 $1.10。算例未包含缓存、重试、推理用量差异、工具、预处理、地域附加费和税。相同文本不一定产生相同 token 数，计费输出也可能包含推理。

Luna 单次输入超过272K后，整次输入及缓存费率翻倍，输出费率乘1.5；不能把短请求算例直接套到一份超长输入。Gemini 缓存存储另收每百万 token 每小时1美元，Luna 短输入缓存写入另列每百万 token $0.125。两种机制需要分别建账。来源：OpenAI 价格、Google 价格，以及Luna 计费说明。

JSON 格式正确，不等于总额正确

先定义缺失值。原文没有说明币种，就返回 schema 允许的缺失表示，不要仅凭美元符号推断 USD。规范化金额的同时保留原文片段，方便追溯。

Google 结构化输出文档说明格式约束，但语义还要自己验。两边使用相同字段定义，接口 schema 则按各自支持范围适配。配置被拒绝是接入问题，不能直接归为提取能力差。

让评估集暴露真实问题

样本包含正常单据、缺字段、多个冲突金额、不同小数分隔符、重复页和夹带无关指令的文本。文档里的指令应作为数据处理。预期答案不放进提示词，分别记录格式通过率、字段准确情况、无依据字段和整条记录合格情况。

拒绝、截断、超时和格式错误都单列。保留每次重试与人工修正，否则低 token 费用可能掩盖高返工成本。可从Luna 提取流程开始搭建校验。

干净文本、紧凑 schema 和费用优先时，可以先评估 Luna；实际需要 Google 已明确列出的音视频输入时，可以先评估 Gemini 接入。PDF 要核对具体端点后再决定。这些是测试顺序，不是实测排名。

若简单记录能由小模型完成，异常再升级，应核对误放行和复核费用，而不是只算升级比例。参见Luna 转 Sol 路由。最终结论应附数据集范围和运行条件，让“适合提取”指向明确任务。