Zwei durch einen Trenner geteilte Karten: GPT-6.2 Astra mit 74 s bis zum ersten Token, 728 s bei 10k Token und $8 / $40 pro Million, und Claude Opus 5.5 mit 625 s bis zum ersten Token, 373 s bei 10k Token und $4 / $20 pro Million, unter dem Untertitel „Zeit bis zum ersten Token, maximaler Aufwand, Prompt mit eintausend Token“. Das OrcaRouter-Logo befindet sich in der unteren rechten Ecke.
Guides & Insights

GPT-6.2 Astra vs. Claude Opus 5.5: Vier Minuten vs. zehn Minuten bis zum ersten Token

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Gib beiden Modellen denselben kurzen Prompt und stoppe die Zeit bis zur Stille. In den Messungen von Artificial Analysis bei maximalem Aufwand benötigt Claude Opus 5.5 625 Sekunden – etwas mehr als zehn Minuten –, bevor sein erstes Token bei einem Prompt mit tausend Tokens erscheint. GPT-6.2 Astra beantwortet dieselbe Art von Anfrage in 74 Sekunden. Vier Minuten gegen zehn, bevor eines der Modelle ein Wort geschrieben hat, und bei einem Prompt mit zehntausend Tokens wächst der Abstand auf fast acht Minuten: 728 Sekunden gegen 373.

Das ist die Zahl, mit der ich anfangen würde, denn der Vergleich der Schlagzeilen weist in eine ganz andere Richtung. GPT-6.2 Astra, das O​penAI am 17. November 2026 zu 8 und 40 US-Dollar pro Million Tokens veröffentlicht hat, kostet auf beiden Seiten des Zählers doppelt so viel wie Claude Opus 5.5 – das Modell von A​nthropic liegt seit dem 22. September 2026 bei 4 und 20 US-Dollar. Der Listenpreis sagt, Opus 5.5 sei die wirtschaftliche Wahl. Die gemessene Rechnung sagt das Gegenteil, um den Faktor 2,5, und die Latenzzahlen sagen wieder etwas anderes. Alle drei stimmen gleichzeitig, und der Grund dafür ist, dass die beiden Modelle sehr unterschiedlich viel aufwenden, um ein ähnliches Ergebnis zu erreichen.

Zwei Indexpunkte, viermal so viele Token

Auf dem Intelligence Index v5.0.1 – Stand 19. November 2026, wobei beide Modelle mit maximalem Aufwand laufen – erzielen GPT-6.2 Astra 62,1 und Claude Opus 5.5 59,1 Punkte. Drei Punkte in einer Suite aus neun Evaluierungen sind ein echter Vorsprung, aber kein Kantersieg, und sie liegen unter der Spannweite zwischen verschiedenen Aufwandsstufen bei jedem der beiden Modelle.

Was sie unterscheidet, sind die Kosten, dorthin zu gelangen. Artificial Analysis veranschlagt eine abgeschlossene Index-Aufgabe auf GPT-6.2 Astra mit 4,00 $ und auf Claude Opus 5.5 mit 10,04 $ — 2,5-mal so viel, aus einer Preisliste, die nur halb so teuer ist. Der Mechanismus sind Tokens pro Aufgabe: In derselben Suite erzeugte GPT-6.2 Astra etwa 41.000 Ausgabe-Tokens pro Aufgabe gegenüber 173.000 bei Opus 5.5. Viermal so viel Nachdenken für drei Punkte weniger, und die Tokenzahl ist eine Eigenschaft dessen, wie das Modell aufgebaut ist, nicht etwas, das ein Anbieter oder eine GPU-Zuteilung beheben kann.

Diese Umkehrung sollte man verinnerlichen, bevor man irgendeinen Vergleich der beiden liest, denn sie macht jedes Pro-Token-Argument irreführend. Ein Team, das anhand der Preisliste kalkuliert, würde erwarten, dass Astra doppelt so viel kostet, und würde tatsächlich nur 40 Cent pro Dollar zahlen.

Die Anzeigetafel mit dem befestigten Gurt

Alle unten aufgeführten Werte sind unabhängige Messungen von Artificial Analysis auf derselben Suite bei maximalem Aufwand, was wichtig ist, weil Anbietertabellen mit Einstellungen und Harnesses ausgeführt werden, die der Anbieter auswählt. Eine Ausnahme ist in der jeweiligen Zeile selbst gekennzeichnet.

• Intelligenz-Index — 62,1 für GPT-6.2 Astra gegenüber 59,1 für Claude Opus 5.5, auf v5.0.1

• Kosten pro Index-Aufgabe — 4,00 $ vs. 10,04 $

• Zeit pro Index-Aufgabe — 10,7 Minuten vs. 24,5 Minuten

• Terminal-Bench 4.0 — 64,1 % vs. 59,6 %

• Terminal-Bench-Science 0.1 — 78,1 % vs. 59,0 %, die größte Lücke in diesem Beitrag

• FrontierCode 2.0 — 45,4 % vs. 46,4 %, die einzige Coding-Suite, in der Opus 5.5 vorne liegt

• HLE-Diamond — 72,2 % vs. 67,9 %

• AnalystAgent — 62,5 % vs. 56,3 %

• HARVEY LAB-AA — 15,0 % vs. 4,2 %, ein Verhältnis von 3,6× bei juristischen Arbeitsergebnissen

• Omniscience-Genauigkeit — 68,6 % vs. 65,5 %, bei Halluzinationsraten von 59,1 % vs. 50,3 %

• HealthBench — 53,5 % vs. 57,0 %, ein echter Sieg für Opus 5.5

• AA-3D Elo — 1.318 vs. 1.202, wobei es sich bei der 1.318 um OpenAIs eigenen gemeldeten Wert für Astra in der 3D-Arena von Artificial Analysis handelt

• Kontext und Ausgabe — 1.000.000 Tokens und 128.000 Ausgabe-Tokens bei beiden, laut dem Katalog von Artificial Analysis; die eigene Modellseite von O​penAI nennt insgesamt 1.050.000 bei einer Eingabeobergrenze von 922.000 Tokens

A two-column scoreboard for GPT-6.2 Astra against Claude Opus 5.5 across six shared dimensions: Intelligence Index 62.1 vs 59.1, cost per task $4.00 vs $10.04, time per task 10.7 min vs 24.5 min, output tokens per task about 41,000 vs about 173,000, time to first token 74 s vs 625 s, and hallucination rate 59.1% vs 50.3%. The OrcaRouter logo sits in the bottom-right corner.

Wo Claude Opus 5.5 noch immer gewinnt – und warum das wichtig ist

Die Zeilen, in denen A​nthropics Modell führt, sind nicht zufällig, und wenn man sie zusammen liest, verraten sie, worin es gut ist. FrontierCode 2.0 misst, ob eine Änderung an einer echten Codebasis die Prüfung durch Maintainer bestehen würde, und Opus 5.5 liegt um einen Punkt vorn — im Rauschen, aber durchgängig in die Richtung, einen Patch anzunehmen, den ein Mensch annehmen würde. HealthBench ist klinische Konversation, wo es mit 3,5 Punkten führt. Und seine Halluzinationsrate ist fast neun Punkte niedriger: 50,3 % gegenüber 59,1 %, was bedeutet, dass Opus 5.5 bei Fragen, die es nicht korrekt beantworten kann, eher sagt, dass es sie nicht beantworten kann.

Die letzte Zeile verdient einen eigenen Satz, denn sie ist die Art von Zahl, die es nie in einen Launch-Post schafft. GPT-6.2 Astra ist auf der Omniscience-Suite genauer und deutlich weniger diszipliniert darin, Unwissenheit zuzugeben. Für einen Workflow, in dem eine falsche Antwort teuer zu entdecken ist – juristische Recherche, medizinische Zusammenfassungen, finanzielle Faktenprüfung –, kann ein Neun-Punkte-Abstand bei der Eingeständnisrate einen Drei-Punkte-Abstand bei der Punktzahl aufwiegen, und es ist das mit Abstand stärkste Argument dafür, Claude Opus 5.5 im Loop zu behalten, selbst auf einem Stack, der sich ansonsten auf Astra standardisiert hat.

Anthropics eigenes Launch-Material gibt Terminal-Bench 4.0 mit 66,4 % für Opus 5.5 an – gegenüber den oben genannten 59,6 %. Das ist kein Widerspruch: Der Herstellerwert wird bei xhigh Aufwand ermittelt statt beim Standardwert des Modells von medium, auf Anthropics eigenem Harness. Drei Zahlen für einen Benchmark über drei Konfigurationen sind genau der Grund, warum in diesem Beitrag jede Zeile ihre Quelle nennt.

Der Aufwandsregler ändert beide Antworten

Die veröffentlichte Punktzahl keines der beiden Modelle entspricht der Out-of-the-Box-Punktzahl, und die Standardeinstellungen sind nicht symmetrisch. Claude Opus 5.5 verwendet standardmäßig medium Effort auf der Claude API; jede der obigen Zahlen gilt bei max. Ein Team, das Opus 5.5 ohne den Effort festzulegen einsetzt, gewinnt weniger Latenz zurück und erzielt eine niedrigere Punktzahl, und es gibt keine veröffentlichte Tabelle dazu, wo das landet — die Effort-Kurve existiert, aber die unabhängigen Zahlen liegen an ihrem oberen Ende.

Die Leiter von GPT-6.2 Astra beginnt bei low und lehnt none rundweg ab, sodass die günstigste Einstellung immer noch eine Reasoning-Einstellung ist. Das ist ein kleiner architektonischer Unterschied mit einer praktischen Konsequenz: Bei Astra kann man Reasoning nicht versehentlich ausschalten und ein schnelles, günstiges, schlechteres Modell bekommen; bei Opus 5.5 ist der analoge Hebel der Effort-Parameter selbst, und die Lücke zwischen medium und max ist der Punkt, an dem der größte Teil des zehnminütigen ersten Tokens liegt.

Wenn Ihre Entscheidung von der Drei-Punkte-Differenz im Index abhängt, prüfen Sie, ob Sie tatsächlich die Einstellung verwenden, die sie erzeugt. Beide Modelle werden in ihrer teuersten Konfiguration verglichen, und nur eines von ihnen wird standardmäßig so ausgeliefert.

Bei mehr als 272.000 Tokens überschneiden sich die Tabellen.

Die tokenbasierte Preisgestaltung ist der Punkt, an dem dieser Vergleich eine echte strukturelle Asymmetrie aufweist, und es ist nicht die, die die genannten Ausgangspreise vermuten lassen. Claude Opus 5.5 berechnet sein volles Fenster von einer Million Token pauschal mit 4 US-Dollar für Eingaben und 20 US-Dollar für Ausgaben, wobei Cache-Lesevorgänge 0,20 US-Dollar kosten – fünf Prozent der Basis-Eingabe – und Cache-Schreibvorgänge 5 US-Dollar für fünf Minuten oder 8 US-Dollar für eine Stunde.

{{1}}GPT-6.2 Astra berechnet $8 und $40 bei kurzem Kontext, verdoppelt dann Input und Cache und multipliziert den Output mit 1,5 für jede Anfrage über 272.000 Input-Tokens, wobei der höhere Satz auf die gesamte Anfrage statt nur auf den Überschuss angewendet wird. Überschreitet man diese Grenze mit einem Prompt von 300.000 Tokens, liegt der effektive Satz bei $16 Input, $60 Output und $0,80 gecacht. Gegenüber Opus 5.5 mit pauschal $4 und $20 muss die vierfache Output-Lücke, die Astra günstig macht, eine Preistabelle überstehen, die sich gerade verdreifacht hat.{{/1}}

• Cache-Lesevorgänge — Opus 5.5 bei 0,20 US-Dollar pro Million gegenüber Astra bei 0,40 US-Dollar, Verdopplung auf 0,80 US-Dollar oberhalb von 272K

• Cache-Schreibvorgänge — Opus 5.5 zu 5 $ für fünf Minuten und 8 $ für eine Stunde, gegenüber Astra mit 10 $ für 30 Minuten und 20 $ für 12 Stunden

• Verhalten bei langem Kontext — Opus 5.5 konstant über 1M vs. Astra mit 2× Input und 1,5× Output für die gesamte Anfrage oberhalb von 272K

• Batch — beide mit 50 % Rabatt, und beide Fenster bleiben geöffnet

Deshalb ist das Urteil zugunsten des günstigen Modells nicht allgemeingültig. Ein Coding-Agent, der sich durch ein großes Monorepo arbeitet, eine Dokumentenpipeline, die 400-seitige Verträge verarbeitet, oder ganz allgemein alles, was routinemäßig einige hunderttausend Token Kontext mit sich führt: Bei diesen Workloads ist Claude Opus 5.5 nicht die teure Option. Es ist von den beiden das einzige, dessen Preis sich nicht verändert, wenn der Prompt wächst, und der Vorteil pro Aufgabe, den Astra durch Token-Effizienz erzielt, schrumpft, je größer der Eingabeanteil an der Rechnung wird.

A long-context pricing chart split by a dashed marker at 272K input tokens: below the marker Claude Opus 5.5 at $4 in and $20 out against GPT-6.2 Astra at $8 in and $40 out, and above it Opus 5.5 still flat at $4 / $20 while Astra steps up to $16 / $60, with callout cards reading 'Cache read: $0.20 vs $0.40, then $0.80', 'Cache write: $5 an hour vs $20 for 12 hours' and 'Astra applies the higher rate to the whole request'. The OrcaRouter logo sits in the bottom-right corner.

Was das 40%-Fenster mit der Arithmetik macht

Seit dem 17. November hat GPT-6.2 Astra einen zweiten Preis, für den Opus 5.5 kein Gegenstück hat. Im Hintergrundmodus der Responses API berechnet ein achtstündiges Abschlussfenster Modell-Token-Sätze, die 40 % unter Standard liegen – 4,80 $ Eingabe, 24 $ Ausgabe, 0,24 $ gecacht – und ein zweistündiges Fenster berechnet 30 % darunter. Auf die gemessenen Aufgabenkosten von 4,00 $ angewendet, sind das im tiefen Fenster etwa 2,40 $ pro Aufgabe gegenüber 10,04 $ bei Opus 5.5.

Es ist kein kostenloses Geld, und die Einschränkungen sind der interessante Teil. Das Fenster erfordert Standardverarbeitung, verbietet Streaming, teilt sich ein Ratenlimit-Budget mit Batch-Jobs und spaltet den Prompt-Cache — Einträge, die von einer Anfrage im Fenster geschrieben wurden, können von einer Standard-Anfrage nicht gelesen werden. Für eine nächtliche Pipeline ist das ein Rundungsfehler. Für eine interaktive Coding-Session ist es unbrauchbar, und das oben genannte erste Token nach zehn Minuten ist genau die Zahl, die entscheidet, auf welcher Seite dieser Grenze Ihre Arbeitslast liegt.

Der Vergleich, der daraus entsteht, ist ungewöhnlich sauber. Wenn Ihre Arbeit bis zum Morgen warten kann, ist GPT-6.2 Astra pro erledigter Aufgabe 4,2-mal günstiger als Claude Opus 5.5 und etwa doppelt so schnell. Wenn sie nicht warten kann, beträgt der Preisvorteil das 2,5-Fache, und der Latenzvorteil besteht weiterhin, aber die zehn Minuten entfallen auf das erste Token von Opus 5.5 statt auf eine Warteschlange, die Sie gewählt haben.

Der einzige Punkt, an dem sich die beiden Anbieter einig sind

Beide Modelle haben dieselbe Sicherheitsschwelle in derselben Richtung überschritten. OpenAIs Systemkarte für 6.2 stuft GPT-6.2 Astra unter ihrem Preparedness Framework für Cybersicherheit auf die Schwelle „Critical“ und für biologische und chemische Fähigkeiten auf „High“ ein, und der Start ging infolgedessen mit strengeren Ablehnungen für risikoreiche Cyber-Unterstützung einher – was laut eigener Dokumentation einige legitime Schwachstellenforschung einschränkt. Claude Opus 5.5 unterliegt Anthropics äquivalentem Regime. Wenn es bei Ihrer Arbeit um defensive Sicherheitstools geht, werden beide Modelle bei einem Teil davon Widerstand leisten, und keiner der Anbieter bietet derzeit die vergünstigten Hintergrund-Zeitfenster als Ersatz für den dedizierten Zugang zum Cyber-Programm an, den sie separat beschreiben.

Das ist ein echter Kostenfaktor auf beiden Seiten, und er taucht in keiner der oben genannten Zahlen auf. Planen Sie ihn ein: Ein Workflow, der uneingeschränkte Exploit-Unterstützung voraussetzt, wird bei jedem der beiden Modelle scheitern, und das Scheitern wird wie eine Verweigerung aussehen und nicht wie ein Benchmark-Ergebnis.

Wählen, und dann nicht wählen

Wenn Sie sich für eines entscheiden müssen und Ihre Arbeit im wissenschaftlichen Rechnen, bei langfristigen professionellen Deliverables oder bei allem liegt, wo die Antwort nach einem Zeitplan eintrifft, den Sie selbst kontrollieren, gewinnt GPT-6.2 Astra auf jeder Achse, an der eine Zahl hängt – Punktzahl, Kosten pro Aufgabe, reale Laufzeit und die Option auf weitere 40 % für Geduld. Wenn Ihre Arbeit klinisch ist oder so faktenkritisch, dass die Bereitschaft eines Modells, Unwissen einzuräumen, mehr wert ist als sein Leistungsmaximum, ist Claude Opus 5.5 das bessere Instrument, und der Aufpreis von 2,5× ist der Preis für diese Disziplin. Wenn Sie routinemäßig mehr als eine Viertelmillion Tokens Kontext mitführen, entscheidet allein die Preistabelle, und Opus 5.5 ist deutlich günstiger.

Die meisten Produktionssysteme müssen diese Wette nicht eingehen. Beide Modelle liegen hinter einem einzigen Schlüssel auf OrcaRouter – anthropic/claude-opus-5.5 für den Review- und Verifikationsdurchlauf, die O​penAI-Routen daneben – zum Listenpreis des Anbieters mit 0 % Aufschlag, sodass ein neues Angebot eines Anbieters auf jeder der beiden Seiten noch am Tag seiner Verfügbarkeit unter demselben Schlüssel erreichbar ist. Eine Konfiguration, die Planung und abschließende Prüfung an Opus 5.5 und den Großteil der Ausführung und Analyse an GPT-6.2 Astra schickt, ist deutlich günstiger als eine der beiden reinen Varianten, und das automatische Failover auf der Opus-Route sorgt dafür, dass aus zehn Minuten Time-to-First-Token keine zehnminütige Ausfallzeit wird, wenn der Anbieter eine schlechte Stunde hat. Das ist die Form, auf die die meisten Teams nach der ersten Rechnung einschwenken – und sie steht schon vor der ersten Rechnung zur Verfügung, wenn Sie von Anfang an routen.

Was dieses Urteil ändern würde: ein unabhängiger Score von GPT-6.2 Astra bei mittlerem Aufwand, der zeigen würde, ob der Latenzvorteil Bestand hat, wenn es so lange denken soll wie Opus 5.5, und ein zweiter Messzyklus für die Halluzinationszeile – die einzige Zahl hier, die gegen das günstigere Modell mit Gründen spricht, die sich nicht mit Geld ausräumen lassen.

The Artificial Analysis model page for GPT-6.2 Astra, an independent third-party measurement site, showing the model's Intelligence Index score and its measured latency and per-task cost panels.