GPT-6 Astra vs. Grok 4.6: Der Index-Gleichstand ist gebrochen, und die Preislücke hängt von der Stufe ab

GPT-6 Astra und Grok 4.6 lagen gleichauf auf dem einzigen unabhängigen Scoreboard, das beide bewertet, als diese Seite am 4. September 2026 erstmals erschien. Das ist der Satz, den die Seite zurücknehmen muss. Gemessen am Artificial Analysis Intelligence Index in seinem Stand vom 16. September 2026 — Version v4.3, zehn Evaluierungen — steht GPT-6 Astra (max) bei 53 und Grok 4.6 (high) bei 44, wo früher ein Gleichstand war. Die andere Korrektur ist die in der Überschrift, auf die Sie geklickt haben. OpenAIs Preisliste, am selben Tag gelesen, führt GPT-6 Astra mit 10,00 $ pro Million Input-Tokens, 1,00 $ pro Million gecachter Input-Tokens und 50,00 $ pro Million Output-Tokens auf; xAIs Liste führt Grok 4.6 mit 2,00 $, 0,50 $ und 6,00 $. Gegenüber Standard-Input ist das das Fünffache. Gegenüber Output ist es das 8,3-Fache. Gegenüber gecachtem Input — der Zeile, über die der Großteil des Produktionsverkehrs tatsächlich abgerechnet wird — ist es das Doppelte. Es gibt keinen einzelnen Multiplikator, und die Version dieser Seite, die einen behauptete, rundete eine vierzeilige Preisliste zu einem Slogan. Das ist eine Aktualisierung, kein Launch: GPT-6 Astra ist OpenAIs Flaggschiff seit dem 3. September 2026 und Grok 4.6 ist xAIs seit dem 12. August 2026. Was sich seither geändert hat, sind die Messung, die Verfügbarkeit und die Arithmetik.

Der Multiplikator war nie eine einzige Zahl

Beginne mit den beiden Preistabellen, so wie ihre Anbieter sie am 16. September 2026 veröffentlichen, denn alles Nachgelagerte erbt ihre Tarifstufenformen. Open​AI dokumentiert GPT-6 Astra mit 10,00 $ pro 1 Mio. Input-Tokens, 1,00 $ pro 1 Mio. gecachten Inputs, 12,50 $ pro 1 Mio. Cache-Schreibvorgänge und 50,00 $ pro 1 Mio. Output und teilt die Tabelle in Spalten für kurzen und langen Kontext auf; jenseits der Langkontext-Schwelle – 272.000 Input-Tokens nach den für diese Tabelle gemeldeten Zahlen – wird die gesamte Anfrage neu bepreist auf 20,00 $ Input, 2,00 $ gecacht und 75,00 $ Output. Batch und Flex werden mit der Hälfte der Standardtarife abgerechnet, der Fast-Modus mit dem Doppelten. x​AI dokumentiert Grok 4.6 mit 2,00 $ pro 1 Mio. Input, 0,50 $ gecacht und 6,00 $ Output bei einem Kontextfenster von 500.000 Tokens, und sobald eine Anfrage 200.000 Prompt-Tokens erreicht, wird die gesamte Anfrage abgerechnet mit 4,00 $ Input, 1,00 $ gecacht und 12,00 $ Output. Das sind Anbieter-Preistabellen, keine Messungen.

Stellt man sie nebeneinander, zerfällt das alte Schlagzeilen-Multiple. Standardeingabe: 10,00 $ gegen 2,00 $, fünfmal. Ausgabe: 50,00 $ gegen 6,00 $, 8,3-mal. Gecachte Eingabe: 1,00 $ gegen 0,50 $, zweimal. Langkontext-Eingabe: 20,00 $ gegen 4,00 $, wieder fünfmal — aber die Langkontext-Ausgabe beträgt 75,00 $ gegen 12,00 $, also 6,25-mal. Die Fünf im alten Titel war nicht erfunden. Sie war eine Zeile einer Karte mit vier Zeilen, die die Kleider eines Slogans trug, und welche Zeile man zitiert, ändert die Antwort um den Faktor vier. Wer Ihnen für diesen Vergleich eine einzige Zahl nennt, wählt eine Stufe und sagt Ihnen nicht, welche.

Es gibt einen zweiten Grund, warum die Pro-Token-Arithmetik dieses Paar zu unzureichend beschreibt, und er wirkt in die andere Richtung. Die beiden Modelle verbrauchen nicht dieselbe Anzahl an Tokens, um dieselbe Arbeit zu erledigen, und bei der Kosten-pro-Aufgabe-Kennzahl von Artificial Analysis – den gewichteten durchschnittlichen Kosten für die Ausführung ihrer Intelligence-Index-Evaluierung – ist das pro Token teurere Modell das günstigere pro erledigter Aufgabe, sobald man die Aufwandseinstellungen angleicht. Den eigenen Modelldaten von AA vom 16. September 2026 zufolge kommt GPT-6 Astra bei hohem Aufwand auf 1,72 $ pro Index-Aufgabe gegenüber Grok 4.6 bei hohem Aufwand auf 1,86 $. Der Grund liegt in den Tokenzahlen im selben Datensatz: Astra verbraucht 60 Mio. Ausgabe-Tokens, um den vollständigen Index auszuführen, gegenüber 94 Mio. bei Grok 4.6, und 27 Tsd. Ausgabe-Tokens pro Aufgabe gegenüber 36 Tsd. Die fünffache Eingaberate liegt bei etwa zwei Dritteln des Token-Verbrauchs leicht vorn.

Die in der Schlagzeile genannte Paarung auf AAs eigener Vergleichsseite sagt etwas anderes, und beides ist wahr. AAs Seite eröffnet mit GPT-6 Astra bei max — 3,26 $ pro Aufgabe, 53 auf dem Index — gegen Grok 4.6 bei high, 1,86 $ und 44. So gelesen wirkt der Aufpreis, als bringe er bei den Kosten nichts. Bei gleichem hohem Aufwand gelesen, steht Astra mit 51 auf dem Index gegen 44 und ist pro Aufgabe 10 Cent günstiger. Welche Zahl in dein Budget gehört, hängt ganz davon ab, ob du Astra mit max oder mit high laufen lassen willst, und AAs Seite zwingt dich nicht, dich zu entscheiden. Das ist derselbe Fehler wie der einzelne Multiplikator des alten Titels, eine Ebene tiefer.

Der Index-Gleichstand ist verschwunden, und die ehrliche Lesart ist enger, als es aussieht.

Als diese Seite ursprünglich geschrieben wurde, standen beide Modelle bei 61 im Artificial Analysis Intelligence Index, und der gesamte Artikel drehte sich um den Preis. Dieser Befund lässt sich nicht mehr reproduzieren. In der Rangliste nach dem Stand vom 16. September 2026 steht GPT-6 Astra (max) bei 53 und Grok 4.6 (high) bei 44. Beide Modelle veröffentlichen eine vollständige Effort-Leiter, und die Leiter ist wichtiger als die einzelne Zeile, die AA auf seiner Vergleichsseite ausgibt: Nach AA-eigenen Modelldaten erreicht GPT-6 Astra 53 (max), 53 (xhigh), 51 (high), 50 (medium), 46 (low), und Grok 4.6 erreicht 44 (high), 44 (xhigh), 43 (medium), 35 (low). Bei der am engsten übereinstimmenden Einstellung, high gegen high, beträgt der Abstand sieben Punkte.

Zwei Warnungen gehören in denselben Atemzug. Erstens wurde der Index neu zugeschnitten: Die aktuell live geschaltete Version ist v4.3, erstellt aus zehn Evaluierungen – AA-Briefcase, GDPval-AA v2, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience und AA-LCR v1.1 – über eine andere Modellpopulation als das Board von Anfang September. Ein Teil des auftretenden Neun-Punkte-Abstands ist Neukalibrierung und nicht darauf zurückzuführen, dass eines der Labore etwas Neues ausgeliefert hat, und wer diese Seite mit der letzten vergleicht, vergleicht zwei verschiedene Maßstäbe. Zweitens sind die beiden Einträge keine aufeinander abgestimmten Effort-Einstellungen: AAs Vergleich paart Astras max mit Grok 4.6s high, und ein Vergleich von max gegen high ist kein Vergleich von Gleichem mit Gleichem. Die sichere Lesart einer Neun-Punkte-Spanne auf einem Index, der zehn Evaluierungen bündelt, ist eine echte, aber bescheidene Trennung, kein Erdrutschsieg – mehrere Modelle liegen innerhalb weniger Punkte zu beiden Seiten der beiden. Was sich sagen lässt, ist das Gegenteil dessen, was auf dieser Seite früher stand: Auf dem unabhängigen Scoreboard sind diese beiden nicht länger austauschbar, und der teurere ist vorn.

Die Geschwindigkeit, die die frühere Version dieser Seite für Astra leer lassen musste, ist jetzt gemessen – und die Latenzwerte sind die auffälligere Hälfte. Artificial Analysis misst GPT-6 Astra (max) mit 52,9 Ausgabe-Tokens pro Sekunde gegenüber Grok 4.6 (high) mit 57,7, eine Lücke, die man bei einer langen Generierung spürt, und keine, die eine Routing-Entscheidung neu formen sollte. Die Zeit bis zum ersten Token ist eine andere Geschichte: 334,04 Sekunden für Astra gegenüber 38,63 für Grok 4.6 und eine End-to-End-Antwortzeit von 343,48 Sekunden gegenüber 47,31. Astra denkt minutenlang nach, bevor es antwortet. Bei Batch-Arbeit und über Nacht laufender Agentenarbeit ist das unsichtbar; bei allem Interaktiven ist es die entscheidende Zahl, und sie steht auf keiner der beiden Preislisten.

Astras eigene Benchmark-Tabelle und wer was sagen darf

OpenAIs Schlagzeilen-Zahlen für GPT-6 Astra, alle vom Anbieter selbst gemeldet und keine davon hier reproduziert: 98 % bei FrontierMath Tier 4, 100 % bei ExploitBench – gegenüber 78,5 % für OpenAIs bisheriges Flaggschiff, GPT-5.6 Sol – und 99,9 % bei ARC-AGI-3. Das sind die Zahlen, die die Berichterstattung zum Launch wiederholte, und zwei davon verdienen mehr Skepsis, als ihnen entgegengebracht wurde.

ARC-AGI-3 zuerst. Die 99,9 % stammen aus dem Provider-Adapter-Harness von Open​AI. ARC Prize, der den Benchmark betreibt, hat separat 62,7 % für dasselbe Modell unter seinem anbieterneutralen Standard-Harness gemessen, bei 26.098 $ für den Durchlauf. ARC Prize weist in einer eigenen Anmerkung darauf hin, dass der Adapter den Reasoning-Zustand von Open​AI zwischen Anfragen erhält, sodass die beiden Zahlen unterschiedliche Dinge messen und niemals so zitiert werden sollten, als wären sie dieselbe Messung. Die Größe des Unterschieds verdeutlicht den Punkt besser als jedes Argument: Astra erzielt mit "none"-Reasoning unter dem Adapter 96,7 %, rund 34 Punkte über seinem eigenen Max-Reasoning-Ergebnis unter dem Standard-Harness. Die zweite Zahl ist das Harness, das Arbeit leistet, die das Modell nicht geleistet hat.

FrontierMath Tier 4 ist der andere. Bei den 98 % handelt es sich um Open​AIs eigenen Bericht über einen Benchmark, dessen Entwicklung Open​AI finanziert hat; mindestens eine Vergleichstabelle aus der Startwoche gibt 97,6 % für dasselbe Ergebnis an. Behandle beide als vom Anbieter gemeldet und keines von beiden als gesichert.

Was das Harness-Argument überlebt, ist es wert, behalten zu werden. ARC Prize stellte außerdem fest, dass Astra auf 96 % der Level, die es abschloss, weniger Aktionen benötigte als der getestete Median-Mensch, und zwar durchschnittlich 51,7 % weniger Aktionen pro Level gegenüber einer menschlichen Baseline aus rund 500 Teilnehmenden – ein Effizienzergebnis, das nicht vom Adapter abhängt. Und ARC Prize sagte unmissverständlich, dass damit nicht behauptet wird, Astra sei AGI: Die Umgebungen sind begrenzt und deterministisch, und das Ausschöpfen eines Benchmarks ist kein Beweis für allgemeine Fähigkeiten. Auf der unabhängigen Coding-Seite listet Datacurves DeepSWE v1.1 – 113 Aufgaben in 91 aktiven Open-Source-Repositories – GPT-6 Astra mit 74,1 %. Das ist ein starkes Ergebnis, aber kein herausgehobenes; die Spitze dieses Rankings ist ein Cluster, und ein Ranking, dessen führende Einträge nur wenige Punkte auseinanderliegen, sagt genauso viel über Unsicherheit aus wie über Fähigkeiten. Zum Zeitpunkt des Verfassens wurde dort kein Grok-4.6-Wert unter vergleichbaren Einstellungen veröffentlicht, sodass diese Dimension nur eine Seite hat.

Zwei Arbeitsweisen und ein echter Unterschied bei der Kontrolle

Selbst wenn die Punktzahl knapp ausfällt, sind sich die beiden nicht einig, wie man sie steuert. Grok 4.6 ist ein einzelnes starkes Modell mit einem expliziten Regler für den Reasoning-Aufwand; man entscheidet, wie viel Denkaufwand eine Anfrage verdient, und zahlt dafür einen Pauschalpreis. GPT-6 Astra arbeitet länger eigenständig und ist darauf ausgelegt, vor der Festlegung für eine Überprüfung innezuhalten. Es ist außerdem das erste OpenAI-Modell, das das Unternehmen im Rahmen seines Preparedness Framework für Cybersicherheitsrisiken als „kritisch“ eingestuft hat – eine Selbsteinschätzung des Anbieters, keine externe Feststellung –, und OpenAI räumt selbst ein, dass seine Überwachbarkeit im Vergleich zum vorherigen Flaggschiff abgenommen hat, weshalb die freizügigsten Einstellungen auf geprüfte Partner beschränkt sind, statt offen verkauft zu werden. Für ein Sicherheitsteam ist diese Zugangsbeschränkung ein Feature. Für einen Entwickler, der unter Termindruck deterministische, steuerbare Ausgaben will, ist sie Reibung, die man mit einem Aufpreis erkauft.

Die Anzeigetafel, beschriftet

• Intelligenz (unabhängig) — vergleichbarer Aufwand, hoch gegen hoch: GPT-6 Astra 51, Grok 4.6 44. Wie die Vergleichsseite von AA sie einander zuordnet: Astra (max) 53 gegen Grok 4.6 (hoch) 44. Artificial Analysis Intelligence Index v4.3, Stand 16. September 2026. Nicht gleichauf; die Größe der Lücke hängt von der Paarung ab.

• Listenpreis, Standardtarif (Anbieter-Preislisten, Stand 16. September 2026) — GPT-6 Astra: 10,00 $ Eingabe / 50,00 $ Ausgabe / 1,00 $ gecacht pro 1 Mio. Grok 4.6: 2,00 $ Eingabe / 6,00 $ Ausgabe / 0,50 $ gecacht pro 1 Mio. Fünfmal bei der Eingabe, 8,3-mal bei der Ausgabe, zweimal bei gecachter Eingabe.

• Listenpreis, langer Kontext (gleiche Karten, gleiches Datum) — GPT-6 Astra: gesamte Anfrage über die Langkontext-Schwelle hinaus neu bepreist auf 20,00 $ / 2,00 $ / 75,00 $. Grok 4.6: gesamte Anfrage bei 200K Prompt-Tokens neu bepreist auf 4,00 $ / 1,00 $ / 12,00 $.

• Kosten pro Aufgabe (unabhängig) — vergleichbarer Aufwand, hoch gegen hoch: GPT-6 Astra 1,72 $ pro Aufgabe des Intelligence Index, Grok 4.6 1,86 $. Wie auf der Vergleichsseite von AA gegenübergestellt: Astra (max) 3,26 $ gegen Grok 4.6 (high) 1,86 $. Artificial Analysis, abgerufen am 16. September 2026.

• Latenz (unabhängig) — GPT-6 Astra: 334,04 s bis zum ersten Token, 343,48 s Ende-zu-Ende. Grok 4.6: 38,63 s und 47,31 s. Artificial Analysis, abgelesen am 16. September 2026. Der größte Abstand auf dieser Seite. OrcaRouters eigener Eintrag für dasselbe Modell verzeichnet über sieben Tage eine p50-Zeit bis zum ersten Token von 6,71 s und eine p95 von 10,00 s, was einen anderen Punkt der Antwort misst und nicht mit AAs Zahl vergleichbar ist — setzen Sie die beiden nicht in denselben Satz, als wären sie es.

• Geschwindigkeit (unabhängig) — GPT-6 Astra 52,9 Ausgabe-Token/s bei maximaler Stufe. Grok 4.6 57,7 Token/s bei hoher Stufe. Artificial Analysis, gelesen am 16. September 2026.

• Agentisches Coding (unabhängig) — GPT-6 Astra 74,1 % bei Datacurves DeepSWE v1.1. Zum Zeitpunkt der Erstellung dieses Textes wurde kein vergleichbarer Grok-4.6-Durchlauf auf derselben Rangliste veröffentlicht, daher weist diese Dimension nur eine Seite auf.

• Cyber und Reasoning (anbieterberichtet) — GPT-6 Astra: FrontierMath Tier 4 98 %, ExploitBench 100 %, ARC-AGI-3 99,9 % auf Open​AIs Provider-Adapter, gegenüber den von ARC Prize unabhängig gemessenen 62,7 % auf dessen Standard-Harness. Von Open​AI berichtet; hier nicht reproduziert.

• Heute verfügbar — beide Modelle sind über OrcaRouter mit nur einem Schlüssel aufrufbar. Im Router gelistete Tarife, abgerufen am 16. September 2026: GPT-6 Astra bei 10,00 $ / 50,00 $ pro 1 Mio. mit einem Kontext von 1,05 Mio. Token, Grok 4.6 bei 2,00 $ / 6,00 $ pro 1 Mio. mit einem Kontext von 500K Token.

Eine Anmerkung zu den Grafiken auf dieser Seite, denn sie enthalten Zahlen, die der Text qualifiziert. Die Hero-Karte und das Scoreboard zeigen dieselbe Paarung, mit der Artificial Analysis anführt – GPT-6 Astra mit maximaler Reasoning-Einstellung gegen Grok 4.6 auf der Einstellung high –, sodass die Intelligenz-Zeile des Scoreboards den Wert bei maximalem Aufwand anzeigt, während seine Kosten-Zeile die Kosten bei hohem Aufwand anzeigt. Beide Werte stammen von AA, beide sind aktuell, und sie stammen nicht aus derselben Aufwandsstufe. Der Text oben nennt das Paar mit übereinstimmendem Aufwand überall dort, wo der Unterschied eine Rolle spielt. Die frühere Version dieser Seite enthielt vier Grafiken, die auf dem Indexwert 61 gegen 61 basierten; sie wurden ersetzt statt mit Anmerkungen versehen, denn eine Hero-Karte, die eine Behauptung aufstellt, die der Artikel zurücknimmt, ist schlimmer als keine Hero-Karte.

Die Verfügbarkeit hat sich geändert, und das ändert die Routing-Antwort.

Die erste Version dieser Seite musste berichten, dass GPT-6 Astra nicht auf OrcaRouter war, Grok 4.6 hingegen schon. Beide stehen jetzt im Katalog — GPT-6 Astra unter der Modell-ID openai/gpt-6-astra zu den Listenpreisen von OpenAI, Grok 4.6 unter grok/grok-4.6 zu denen von xAI. Die von OrcaRouter gelisteten Preise, Stand 16. September 2026. Der Astra-Endpunkt ist ebenfalls kein Katalogeintrag: Dieselbe Auflistung verzeichnet 180,7 Mio. Tokens Verkehr in den vorangegangenen sieben Tagen, router-gelistet, am selben Tag abgerufen.

Das ist speziell für diesen Vergleich wichtig, weil die beiden Karten unterschiedliche Tarifstufen-Formen haben. Ein Router, der den Listenpreis des Anbieters mit 0 % Aufschlag abrechnet, wendet die Tarifstufe an, in die die Anfrage tatsächlich fällt: Ein Astra-Aufruf, der unter der Long-Context-Schwelle bleibt, wird von unserer Seite nicht neu bepreist, und ein Grok-4.6-Aufruf, der 200K überschreitet, wird nach der Regel von x​AI neu bepreist und nicht nach unserer. Jeder Preis auf unserer Seite wird mit 0 % Aufschlag durchgereicht — die Zahl des Anbieters ist die Zahl, die du zahlst, und wenn ein Anbieter sie ändert, ist die Änderung am selben Tag mit demselben Schlüssel live. Wenn beide Modelle auf einem Schlüssel liegen, ist die Aufteilung einer Workload zwischen ihnen – Astra für die schwere autonome Arbeit und Grok 4.6 für das Volumen – eine Routing-Änderung statt eines zweiten Vertrags; automatisches Failover bedeutet, dass ein Rate Limit auf einem Pfad ein Routing-Ereignis statt eines Ausfalls ist; und die Routing-DSL lässt dich die beiden zu einem einzigen Aufruf zusammenfügen, wenn du möchtest, dass das günstige Modell entwirft und das teure prüft.

Wer sollte die Prämie zahlen?

Kaufen Sie GPT-6 Astra, wenn Ihre Arbeit in dem Bereich liegt, in dem es jetzt messbar voraus ist. Der unabhängige Index trennt es bei den von AA veröffentlichten Einstellungen von Grok 4.6, sein DeepSWE v1.1-Ergebnis ist eine echte unabhängige Zahl, und die eigene Benchmark-Tabelle des Anbieters ist wirklich Frontier, sobald die Harness-Vorbehalte angebracht sind. Budgetieren Sie pro Aufgabe statt pro Token, und achten Sie auf die Long-Context-Schwelle, an der eine einzelne Anfrage aufhört, ein teurer Call zu sein, und zu einem sehr teuren wird. Kaufen Sie Grok 4.6, wenn Sie Frontier-nahes Reasoning zu einem Preis wollen, der ein echtes Budget übersteht, plus den schnelleren gemessenen Output der beiden und eine Preisstruktur mit einer Klippe statt zwei.

Die korrigierte Zusammenfassung dieses Duells ist nicht, dass eine fünffache Lücke nichts bringt, und auch nicht, dass die beiden gleichauf liegen. Sie besagt, dass die Lücke auf jeder Stufe real ist und das Verhältnis davon abhängt, welche Stufe man liest; dass auch die Leistungslücke inzwischen real ist; und dass die beiden in dieselbe Richtung weisen — was das Gegenteil dessen ist, was auf dieser Seite am 4. September 2026 stand, und ein besserer Grund, zwischen ihnen zu wählen, als ein Slogan über Multiples.