GPT-6 Astra مقابل Intern-S2: ما الذي يقبله كل منهما فعليًا

كلا النموذجين في هذه المقارنة يوصفان بأنهما متعددا الوسائط، والكلمة لا تؤدي تقريبًا أي عمل في أي من الحالتين. GPT-6 Astra، الذي أطلقته OpenAI في 3 سبتمبر 2026، يستقبل النصوص والصور — وإدخال الملفات، وفقًا لقوائم الموجّهات التي لا تؤكدها وثائق OpenAI الخاصة. Intern-S2-397B، النموذج العلمي ذو 403 مليار معامل الذي أطلقه فريق InternLM التابع لـShanghai AI Laboratory بموجب Apache-2.0 في 13 سبتمبر 2026، يستقبل النصوص والصور وإشارات السلاسل الزمنية، مع توصيل مسار التنبؤ عبر LMDeploy بدلاً من وصفة التقديم الافتراضية الخاصة بالنموذج. لا يقبل أي منهما الصوت. ولا يقبل أي منهما الفيديو. السؤال المثير للاهتمام ليس أيهما أكثر تعددًا للوسائط؛ بل أي من سطحي الإدخال هذين ينتجه عملك فعليًا، لأنهما بالكاد يتداخلان ولا يحل أحدهما محل الآخر.

سطحا إدخال يتشابهان في المظهر فقط

قارن المواصفات على الأبعاد التي يتلامس فيها عبء عمل حقيقي:

• النص — كلاهما: GPT-6 Astra حتى 922,000 رمز إدخال في طلب واحد؛ وIntern-S2-397B تم تقييمه عند حد أقصى لطول الاستدلال يبلغ 256,000 رمز للاستدلال النصي

• الصورة — كلاهما، لكن بطريقة مختلفة: تستقبل Astra صورةً إلى جانب مستند طويل في الطلب نفسه؛ أما Intern-S2-397B فقد دُرِّب مسبقًا على قراءة صفحات خام من الأدبيات العلمية مع نمذجة المحتوى الرمزي والبصري معًا، وهو ادّعاء يتعلق بكيفية تدريبه لا بما يقبله

• السلاسل الزمنية — Intern-S2-397B فقط، عبر رأس التنبؤ الخاص به، حاليًا من خلال LMDeploy

• إدخال الملفات — GPT-6 Astra وفقًا لقوائم الموجّه؛ صفحة OpenAI الرسمية تذكر النص والصورة فقط، لذا تعامل معه على أنه غير مؤكد

• الصوت والفيديو — لا هذا ولا ذاك

• الإخراج — نص على كلا الجانبين، ونص فقط

• التحكم في الاستدلال — يتيح GPT-6 Astra ضبط reasoning.effort على low وmedium وhigh وxhigh وmax؛ ويعمل Intern-S2-397B مع تفعيل التفكير افتراضيًا، ويقوم بإيقافه لكل طلب عبر enable_thinking=False

• الأوزان — Intern-S2-397B Apache-2.0، قابلة للتنزيل بصيغتي FP8 وBF16؛ GPT-6 Astra مغلق، عبر واجهة API فقط

صف السلاسل الزمنية هو الذي يحسم هذه المقارنة لفئة فرعية من المشترين ويلغيها لجميع الآخرين. التنبؤ بالسلاسل الزمنية ليس قدرة يمكنك محاكاتها باستخدام موجه نصي طويل — فالمدخلات رقمية ولها بنيتها الخاصة، والنموذج الذي لم يُدرَّب عليها لن يكتسبها لأنك تحوّل الأرقام إلى سلسلة داخل موجه نصي. إذا كان هذا هو عبء العمل الخاص بك، فقد انتهت المقارنة ولا حاجة إلى جدول معايير. وإذا لم يكن كذلك، فإن الصف غير ذي صلة، وبقية هذه الصفحة هي ما تقرأه من أجله.

رقم السياق الذي يهم هو المُقيَّم.

تُعلن صفحات التسويق عن حجم النافذة؛ بينما تُعلن جداول الاختبارات المعيارية عن الطول الذي شُغِّل به النموذج فعليًا، والرقم الثاني هو الذي يتنبّأ بالسلوك. والفجوة هنا ذات دلالة.

نافذة GPT-6 Astra هي 1,050,000 رمز، بحد أقصى 922,000 للإدخال و128,000 للإخراج، ونطاقات الخدمة الموثّقة الخاصة به صريحة بشأن تكلفة استخدامه: الطلبات التي تتجاوز 272,000 رمز إدخال يُعاد تسعيرها عند 20.00 دولار للإدخال و75.00 دولار للإخراج لكل مليون، مع قراءات الذاكرة المؤقتة عند 2.00 دولار وكتابات الذاكرة المؤقتة عند 25.00 دولار، وتُطبَّق على الطلب بأكمله لا على الفائض. دون هذا الحد، تشير العدادات إلى 10.00 دولار و1.00 دولار و12.50 دولار، والإخراج عند 50.00 دولار.

تذكر بطاقة Intern-S2-397B حدّها الخاص في ملاحظة المنهجية لا في عنوان رئيسي: فقد أُجريت اختبارات الأداء المعيارية للاستدلال النصي بطول استدلال أقصى يبلغ 256,000 رمز، وأُجريت الاختبارات المعيارية متعددة الوسائط عند 64,000. وهذا ليس السقف الأقصى للنموذج — إذ لا تنشر بطاقة النموذج أي سقف بالصيغة التي يعرفها المشتري — لكنه الطول الذي أُنتجت عنده كل الأرقام الواردة في البطاقة. إن قدرة لم تُبرهَن إلا داخل 64,000 رمز من سياق الصورة هي قدرة أُبرهنت داخل 64,000 رمز من سياق الصورة، والصفحة التي تطبع النتيجة ذاتها دون الطول إنما تطبع نصف حقيقة.

هذا هو الانضباط الذي يستحقه كلا هذين النموذجين، ولا تسهّله مواد أي من البائعين. تأتي أرقام البائع الخاصة بـ Astra مرفقة بأداة تقييم تغيّرها بمقدار 37 نقطة في أحد المعايير؛ وتأتي أرقام Intern-S2 مرفقة بحد أقصى لطول الاستدلال يحدد ما إذا كان أي منها ينتقل إلى عبء العمل لديك. اقرأ كلتا الحاشيتين قبل قراءة أي من الجدولين.

ما هي أرقام Intern-S2-397B، ومن أنتجها

كل الأرقام أدناه هي أرقام InternLM نفسها، شُغّلت عبر OpenCompass وVLMEvalKit وAgentCompass بواسطة الفريق الذي درب النموذج، ونُشرت إلى جانب الأوزان. لم يُعَد إنتاج أي منها بشكل مستقل. لا توجد صفحة لـ Intern-S2-397B على Artificial Analysis، وهذا الغياب مهم أكثر من المعتاد، لأنه يعني أنه لا يوجد طرف ثالث للتحقق من صفوف القدرات العامة مقارنةً به.

الصفوف العلمية هي حيث يكون النموذج في أقوى حالاته وحيث تكون الحجة الداعمة له أوضح ما تكون: 55.71 في Biology-Instructions، و63.28 في SciReasoner 1.5، و62.35 في MolecularIQ، و53.95 في Mol-Instructions. وإلى جانبها، صفوف عامة جديرة بالاعتبار: 89.77 في MMLU Pro، و81.68 في MMMU Pro، و93.56 في HMMT-2026، و68.54 في SWE-bench-Pro. وثمة صف واحد يخبرك بنوع هذا النموذج — TerminalBench 2.1 عند 64.04، والذي، بحسب جدول المختبر نفسه، يخسر أمام جيل مغلق أقدم. إن Intern-S2-397B أداة علمية كفؤة عمومًا، وليست نموذجًا عامًا مُركّبًا عليه تخصص علمي.

ما هي أرقام GPT-6 Astra، وأين تكون أضعف؟

تأتي نتائج Astra في نصفين، وهما لا يتفقان على موضع التركيز. تقيسه Artificial Analysis عند 53 في مؤشر الذكاء الحالي لديها عبر عشر تقييمات، وبتكلفة 3.26 دولار لكل مهمة مؤشر مكتملة، مع توليد نحو 85M رمز إخراج مقابل وسيط اللوحة البالغ نحو 85M، وبمعدل 44.6 رمز إخراج في الثانية. هذا تقييم مستقل بمنهجية منشورة، ويضع النموذج في المرتبة السابعة من 216 في الذكاء، والمرتبة 168 من 185 في السرعة.

نصف البائع جدول مستقل بذاته: 98% على FrontierMath Tier 4، ويوصَف بأنه يُشبع المستوى؛ و99.9% على ARC-AGI-3؛ و100% على ExploitBench، مع كون Astra أول نموذج O​penAI يتجاوز عتبة قدرة الأمن السيبراني الحرجة لدى الشركة؛ و57.9% على Terminal-Bench 4.0 مقابل 37.3% لـ GPT-5.6 Sol. كل رقم منها يُنسب إلى O​penAI ولم يُعَد إنتاج أي منها. رقم ARC-AGI-3 هو الأبعد انتشارًا والأجدر بأكبر قدر من التشكيك: شغّلت ARC Prize النموذج ضمن إطارَي اختبار ونشرت كليهما، مسجلةً 62.7% ضمن إطارها المعياري و99.9% ضمن مهايئ مزوّد يحافظ على حالة الاستدلال بين الطلبات. فارق الـ37 نقطة هو قياس للإطار، لا فضيحة — فقد وثّقت O​penAI كلا الإعدادين — لكن أي مقارنة تضع 99.9% مقابل رقم إطار معياري لنموذج آخر إنما تقارن تجربتين وتسمي ذلك معيارًا.

ثمة عدم تماثل آخر يجد مكانه هنا، لأنه السبب في أن الرقم المستقل هو الذي ينبغي التخطيط على أساسه. لا تحتوي بطاقة Intern-S2-397B على عمود مستقل على الإطلاق، لذا فأرقامها هي الأرقام الوحيدة، وهي تحمل حجّية المورّد فحسب، ولا شيء آخر. لدى Astra كلا الرقمين، وهما يختلفان حول مدى جودته في الاستدلال العام على نحو لا يمكن أن يكون أحدهما مخطئًا فيه — إذ يقول جدول المورّد إنه مُشبَع، ويقول المؤشر إنه السابع.

«الأثقال الحرة» قرارٌ رأسمالي

إن Intern-S2-397B مرخّص بموجب Apache-2.0، والنتيجة العملية لذلك حسابية لا ترخيصية. تبلغ نقطة التحقق المنشورة 403 مليار معامل، ويحتوي مستودع BF16 على نحو 807 غيغابايت — قبل أن تحسب مكدس تقديم الخدمة، أو ذاكرة KV المؤقتة، أو النسخة الثانية التي تحتفظ بها للتراجع. يوجد إصدار FP8 ويقلّل البصمة إلى النصف تقريبًا. يوثّق المختبر LMDeploy وvLLM وSGLang كخوادم مدعومة، ومثال استدعاء الأدوات الخاص به هو نقطة نهاية متوافقة مع OpenAI على خادم LMDeploy، لذا فإن مسار التكامل ليس غريبًا. أما العتاد فاستثنائي.

وهذا يُنتج اقتصاديات مختلفة جدًا انطلاقًا من الترخيص نفسه. إذا كنت تمتلك بالفعل عقدة متعددة وحدات معالجة الرسوميات (GPU) بسعة فائضة، فإن التكلفة الحدية للاستعلام العلمي التالي تقترب من تكلفة الكهرباء، ولا يمكن لأي منافس يسعّر حسب الرمز أن يتفوق على ذلك — وهذا هو السبب كله لوجود الأوزان المفتوحة. وإذا لم تكن تمتلكها، فإن "المجاني" يعني شراء السعة أو استئجارها، وعلى السعة المستأجرة تكون المقارنة مع واجهة برمجة تطبيقات (API) محاسبة بعدّاد مسألة حسابية مباشرة تتعلق بمعدل الاستخدام لا تستطيع بطاقة النموذج الإجابة عنها نيابة عنك. وجانب Astra من المسألة نفسها أبسط: بطاقة تعريفة، بلا فريق عمليات، وشريحة تسعيرية للسياق الطويل عند 20.00 دولارًا / 75.00 دولارًا تعاقب تحديدًا حجم الطلب الذي تدعو إليه نافذة سعة 1,050,000 رمز.

ثمة تفصيل واحد يرجّح مسار الاستضافة الذاتية ويسهُل تفويته: رخصة Apache-2.0 هي ما يجعل النموذج قابلاً للاستخدام في بيئة خاضعة للتنظيم من الأساس. فالضبط الدقيق على بيانات مملوكة، والتشغيل في بيئة معزولة شبكياً، وإبقاء الاستدلال داخل نطاق بيانات محدد، ثلاثة أمور لا تستطيع واجهة Astra البرمجية تقديمها بأي ثمن، ولا يعكسها أي صف في اختبارات المعايير.

أين يقع الراوتر في اقتران مثل هذا

Intern-S2-397B ليس على OrcaRouter، وهذه الصفحة لا تدّعي أنه كذلك؛ فهو نقطة تحقق مفتوحة جديدة، وسبيلك إليه هو واجهة Intern API الرسمية الخاصة بالمورّد أو عملية نشر من إعدادك الخاص. GPT-6 Astra موجود في كتالوجنا باسم openai/gpt-6-astra، بأسعار OpenAI المعلنة مُمرَّرة كما هي مع هامش ربح لدينا بنسبة 0%.

الشكل المفيد لفريق يشغّل الاثنين معًا هو تقسيم لا اختيار، وهو التهيئة التي وُجدت طبقة التوجيه من أجلها: وجّه حركة المرور العامة ذات السياق الطويل والكثيفة المستندات إلى النموذج المحاسَب خلف نقطة نهاية واحدة متوافقة مع OpenAI، وأبقِ العمل الدفعي العلمي والخاص بالسلاسل الزمنية على نقطة الحفظ التي تشغّلها. ثم يغطي التبديل التلقائي عند الفشل الحالة التي يكون فيها أي من الجانبين غير سليم — الجانب المستضاف ذاتيًا عند سقوط عقدة، وجانب الـ API عند تدهور مسار أحد المزوّدين — دون أن يكتب أي من الفريقين تكاملًا ثانيًا. هذا حدٌّ يُرسَم كقاعدة توجيه، لا كمعمارية.

أي واحد

اختر Intern-S2-397B إذا كان مُدخلك علميًّا بالمعنى المحدد الذي دُرِّب النموذج من أجله — صفحات الأدبيات المزدحمة بالأشكال، والبنى الجزيئية والمادية، وإشارات السلاسل الزمنية — أو إذا كان Apache-2.0 هو الخاصية الحاسمة لأن بياناتك لا يمكن أن تغادر بنيتك التحتية. خصِّص ميزانية للأجهزة قبل أن تخصِّص ميزانية لأي شيء آخر، وأجرِ تقييمك الخاص بدلًا من الوثوق بالبطاقة، لأنه لا يوجد رقم مستقل يمكن الاعتماد عليه.

اختر GPT-6 Astra إذا كان عملك وكيليًا وطويل الأفق، أو إذا كان إدخال بحجم 922,000 رمز في طلب واحد شكلًا تنتجه فعلاً، أو إذا كنت تحتاج إلى لوحة نتائج مستقلة لتدافع عن القرار أمام شخص آخر. تكلفته البالغة $3.26 لكل مهمة فهرسة مكتملة هي الأعلى في هذه المقارنة، وهي تشتري نموذجًا يُصدر نحو 60M رمز أثناء أداء ذلك العمل حيث يُصدر النموذج الوسيط 85M — ولهذا فإن سعر الرمز الواحد هو الرقم الخطأ الذي تتخذ القرار بناءً عليه، وتكلفة المهمة المنجزة هي الرقم الصحيح. لا تختره لحركة مرور قصيرة وعالية الحجم، ولا تتجاوز حد 272,000 رمز دون إعادة تشغيل نموذج التكلفة لديك، لأن هذا الحد يضاعف سعر الإدخال على الطلب بأكمله.

الاثنان ليسا بديلين، والسبب ليس نقاط المعيار. أحدهما يقبل جدولاً مكتوباً بقراءات المستشعرات، والآخر يقبل صفحة ممسوحة ضوئيًا من ورقة، ولا أي منهما يؤدي الأمرين معًا جيدًا بما يكفي ليصبح الآخر غير ضروري. إذا كان عملك ينتج كليهما بطريقة ما، فأنت تعرف بالفعل أي فريق في مؤسستك يملك أي نصف.

الإصدار هو أيضًا اللحظة للتحقق مما حدث من أخطاء سابقًا: الحوادث الموثقة للذكاء الاصطناعي وإخفاقات الوكلاء حول النماذج في هذه الفئة تُجمع في OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة نزاع.