GPT-6 Astra vs Gemini 3.1 Pro: Ein neues Flaggschiff gegen ein sechs Monate altes Schnäppchen

Hier ist das ganze Duell in zwei Zahlen, bevor wir auf Nuancen eingehen: Googles Gemini 3.1 Pro kostet 2,00 $ pro Million Input-Tokens und 12,00 $ pro Million Output-Tokens für Prompts mit bis zu 200K Tokens, während OpenAIs GPT-6 Astra pauschal 10,00 $ bzw. 50,00 $ verlangt. Dem Kalender nach ist das günstigere Modell zugleich das mit Abstand ältere – Gemini 3.1 Pro erschien am 19. Februar 2026, GPT-6 Astra am 3. September 2026 –, was diesen Vergleich auch in die andere Richtung ungewöhnlich macht: Normalerweise ist der Platzhirsch das teure Modell, und der Neuling unterbietet ihn. Hier kostet der Neuling beim Input das Fünffache, und die Frage ist, ob GPT-6 Astra auch fünfmal so viel Modell ist, wie Gemini 3.1 Pro es nach sechseinhalb Monaten ohne Pro-Tier-Refresh von Google immer noch ist.

Beide stehen an der Spitze der Produktlinien ihrer Hersteller, stehen jedoch unter sehr unterschiedlicher Führung. Gemini 3.1 Pro ist Googles aktuelles Pro-Flaggschiff – im Februar als Vorschau veröffentlicht, bis heute als „preview“ gekennzeichnet und nie aktualisiert, während Google seine Flash-Linie durch drei Versionen iterierte und über ein „Gemini 4“ zu sprechen begann. GPT-6 Astra ist OpenAIs neuestes Flaggschiff und sein erstes mit „Critical“ eingestuftes Modell im Rahmen seines internen Preparedness Framework. Es kommt mit einem gestaffelten Rollout, einer Opt-in-Option für Unternehmen und selbst gemeldeten Benchmark-Ergebnissen, die sein Hersteller als Generationssprung bezeichnet. Eins dieser Modelle ist seit einem halben Jahr unverändert und günstig. Das andere ist zwei Tage alt und so bepreist, als hätte sich die Spitze verschoben. Für einen Entwickler, der zwischen ihnen wählt, ist die eigentliche Frage, welcher dieser beiden Zustände besser zur Arbeitslast passt – denn auf dem Papier liegen sie näher beieinander, als es die Preiskluft vermuten lässt.

Zwei Preistabellen, zwei Theorien der Länge

Google bepreist Gemini 3.1 Pro nach Promptlänge: 2 $ Eingabe / 12 $ Ausgabe bis zu 200K Eingabetokens, darüber steigend auf 4 $ Eingabe / 18 $ Ausgabe, mit Cache-Lesezugriffen zu 0,20–0,40 $ und Batch zum halben Preis. Die Botschaft dahinter: Kurze Prompts sind günstig, lange kosten mehr – ein Preismodell, das auf die Such- und Grounding-Workloads zugeschnitten ist, von denen Google erwartet, dass sie den Großteil des Datenverkehrs ausmachen. OpenAI bepreist GPT-6 Astra pauschal mit 10 $/50 $ und gecachter Eingabe zu 1,00 $, belegt sehr lange Prompts dann aber mit einer anderen Art von Aufschlag: Alles oberhalb von ungefähr 272K Eingabetokens wird zum doppelten Eingabe- und 1,5-fachen Ausgabepreis abgerechnet – effektiv also 20 $ Eingabe / 75 $ Ausgabe. Die beiden Modelle bestrafen langen Kontext an gegensätzlichen Stellen. Gemini ist bis 200K günstig und danach moderat teurer; Astra bleibt bis 272K preislich gleich und wird danach deutlich teurer. Eine Aufgabe mit 300K Tokens ist daher bei GPT-6 Astra weitaus teurer als bei Gemini 3.1 Pro, während eine Aufgabe mit 50K Tokens bei Gemini vier- bis fünfmal günstiger ist. Für Workloads, die am unteren Ende des Kontextbereichs liegen, ist der Astra-Preis schwer zu rechtfertigen; für Workloads, die tatsächlich das obere Ende benötigen, erheben beide Anbieter einen Aufschlag – und der von OpenAI fällt steiler aus.

Wo Gemini 3.1 Pro wirklich vorne liegt

Googles Flaggschiff hat drei Vorteile, die kein OpenAI-Modell bietet – und sie sind leicht zu übersehen, weil der Launch-Trubel um Astra so laut ist. Erstens die Eingabemodalitäten: Gemini 3.1 Pro verarbeitet Text, Bild, Audio, Video und PDF in einem einzigen Prompt; GPT-6 Astra kann nur Text plus Bild, mit Textausgabe – also dieselbe Modalitätengrenze wie sein Vorgänger. Zweitens die native Anbindung: Gemini wird mit Google Search, Maps und Code-Ausführung ausgeliefert, die in die API integriert sind – ein echter funktionaler Unterschied für agentische Recherche und jede Aufgabe, die aktuelle, verifizierte Informationen benötigt statt parametrischer Erinnerung. Drittens der Preis für alles, was unter 200K Token bleibt, einschließlich Batch bei 1$/6$ – die mit Abstand günstigste Möglichkeit, einen großen Offline-Job mit einem der beiden Modelle auszuführen. Keiner dieser Punkte taucht in einem Reasoning-Benchmark auf, und genau deshalb gehen sie in einem Flaggschiff-gegen-Flaggschiff-Vergleich verloren, der nur Punktzahlen zitiert.

Das Datenblatt, Seite an Seite

• Veröffentlicht — GPT-6 Astra: 3. September 2026. Gemini 3.1 Pro: 19. Februar 2026 (weiterhin „Preview“).

• Preis (≤200K Prompt) — GPT-6 Astra: $10,00 / $50,00 pro 1M pauschal. Gemini 3.1 Pro: $2,00 / $12,00 pro 1M.

• Preis (langes Prompt) — GPT-6 Astra: ~$20.00 / $75.00 pro 1M über 272K Eingabe. Gemini 3.1 Pro: $4.00 / $18.00 pro 1M über 200K Eingabe.

• Kontext-/Ausgabeobergrenze — GPT-6 Astra: ~1.05M Eingabe, 128K Ausgabe. Gemini 3.1 Pro: 1M Eingabe, ~65K Ausgabe.

• Eingaben — GPT-6 Astra: Text + Bild. Gemini 3.1 Pro: Text, Bild, Audio, Video, PDF.

• Grounding / Werkzeuge — GPT-6 Astra: Websuche, Dateisuche, Codeausführung. Gemini 3.1 Pro: native Google-Suche, Maps, Codeausführung und Funktionsaufrufe.

• Reasoning-Steuerung — GPT-6 Astra: Aufwand niedrig–maximal. Gemini 3.1 Pro: einstellbarer Reasoning-Aufwand.

Wo sich die sechs Monate zeigen

Gemini 3.1 Pro führte den Artificial Analysis Intelligence Index an, als es auf den Markt kam – und tut das nicht mehr: Die Spätsommer-Flaggschiffe Claude Opus 5 und GPT-5.6 Sol sowie nun GPT-6 Astra liegen auf der aktuellen Indexskala alle darüber, und Google hat kein Pendant der Pro-Klasse nachgelegt. Der dramatischste Abstand zeigt sich bei ARC-AGI-3, dem Benchmark, der dafür gebaut wurde, mit gewöhnlichem Chain-of-Thought unlösbar zu sein. OpenAI gibt für Astra in der eigenen Testumgebung 99,9 % an; der unabhängige Lauf des ARC Prize mit der Standard-Testumgebung ergab 62,7 % – während Gemini 3.1 Pro in unabhängigen Läufen unter einem Prozent landete, im selben Bereich nahe Null wie der gesamte Rest der Frontier-Modelle vor Astra. Beim ursprünglichen ARC-AGI-2 lag Googles eigener Wert für Gemini 3.1 Pro zum Start bei starken 77,1 %; der Nachfolge-Benchmark operiert in einem anderen Regime – und genau dort lässt OpenAIs neues Paradigma ein sechs Monate altes Modell wirklich hinter sich.

Die subtilere Regression ist die Zuverlässigkeit bei langen Kontexten. Unabhängige Multi-Needle-Tests (MRCR v2) zeigen, dass Gemini 3.1 Pro bei 128K korrekt abruft und zum oberen Ende seines 1M-Fensters hin stark abfällt – ein Kollapsmuster, das Google in den sechs Monaten seit dem Start nicht vollständig behoben hat. Astras 1,05M-Kontext ist neu und in großem Maßstab unbewiesen, aber es ist der Bereich, von dem OpenAI am aggressivsten behauptet, ihn entwickelt zu haben, einschließlich einer 128K-Ausgabegrenze, die es einer einzelnen Antwort ermöglicht, ein deutlich größeres erzeugtes Artefakt zu transportieren als Geminis ~65K. Wenn Ihre Arbeitslast aus einem einzigen enormen Kontext besteht, der getreu von Anfang bis Ende gelesen werden muss, stehen Sie vor der Wahl zwischen einem Modell mit gemessenem Abfall und einem Modell, dessen Verhalten am Fensterende noch niemand unter Stress getestet hat. Das ist in beide Richtungen keine angenehme Wahl.

Die praktische Entscheidung

Für die große Mehrheit der Produktions-Workloads — RAG über Dokumente, grounding-intensive Recherche, multimodale Eingaben, alles, was unter 200K Tokens fällt — ist Gemini 3.1 Pro heute die wirtschaftlich rationale Wahl, und der Abstand ist nicht knapp: Bei fünffach günstigerem Input und einem Modalitäts- und Grounding-Vorteil zahlt GPT-6 Astra eine enorme Prämie für Reasoning-Reserven, die diese Workloads nie nutzen werden. Für agentisches Codieren, langfristige Computer-Nutzung und Probleme, die wirklich ein generiertes Artefakt von 128K oder einen zuverlässigen Kontext von nahezu 1M benötigen, ist GPT-6 Astra das Modell, das man evaluieren sollte — mit der ehrlichen Einschränkung, dass seine Spitzenwerte von OpenAI stammen und die unabhängigen Day-one-Messungen, zwar stark bei der Token-Effizienz, eine kleinere Fähigkeitslücke zeigen als das Marketing. Der sechsmonatige Stillstand von Gemini ist der entscheidende Kontext: Sie wählen zwischen einem billigen, leistungsfähigen, ausgereiften Modell, das Google nicht mehr verbessert, und einem teuren, neu veröffentlichten, das OpenAI aktiv vorantreibt.

Weil beide gehostet sind und beide es wert sind, in Reichweite gehalten zu werden, ist die praktische Antwort, zu routen statt zu ersetzen. Gemini 3.1 Pro ist auf OrcaRouter zum Listenpreis von Google verfügbar und wird ohne Aufschlag durchgereicht, sodass sein $2/$12-Preismodell den Kontakt mit einem Router unbeschadet übersteht — und die Routing-DSL macht die Aufteilung zwischen Prompts unter 200K und langen Prompts zur Regel statt zur manuellen Entscheidung: kurze, fundierte Abfragen gehen an Gemini; GPT-6 Astra bleibt für die Aufgaben reserviert, die seinen Preis rechtfertigen. GPT-6 Astra ist zum Zeitpunkt dieses Texts noch nicht auf OrcaRouter verfügbar; sobald ein Anbieter gpt-6-astra anbietet, erscheint der Listenpreis von OpenAI noch am selben Tag auf der Modellseite, und die Failover-Regel, die eine Arbeitslast bereits über Anbieter hinweg aufrechterhält, ist derselbe Mechanismus, der es erlaubt, Astra auf einem bemessenen Anteil des Datenverkehrs einzusetzen, ohne die gesamte Pipeline auf ein zwei Tage altes Modell zu setzen.

Das Urteil

GPT-6 Astra gegen Gemini 3.1 Pro ist ein Vergleich zwischen einem Modell, das Google seit sechs Monaten unverändert gelassen hat, und einem Modell, das OpenAI vor zwei Tagen veröffentlicht hat – und der Preisunterschied spiegelt größtenteils genau diese Asymmetrie wider, nicht einen ebenso großen Leistungsunterschied. Wenn Sie kostengünstiges, multimodales, fundiertes Denken in großem Umfang benötigen, gewinnt Gemini 3.1 Pro diesen Vergleich eindeutig – und das schon seit Monaten. Wenn Sie das Denken im neuen Paradigma, die hohe Ausgabeobergrenze oder eine ernsthafte Chance auf zuverlässige Nutzung des oberen Kontextfensterbereichs benötigen, ist GPT-6 Astra seinen Aufpreis bei den Arbeitslasten wert, die diese Dinge nutzen – gemessen an Ihren eigenen Aufgaben, nicht an OpenAIs Einführungstabelle. Der Fehler wäre, ein sechs Monate altes Schnäppchen und ein zwei Tage altes Flaggschiff so zu behandeln, als ob der Altersunterschied keine Rolle spielte – in beide Richtungen. Genau darum geht es.