Tarjeta de título generada encabezada por el titular 'GPT-6.2 Astra vs Gemini 4 Argon' y el subtítulo 'una brecha de quince puntos que todavía no puedes comprar', y tres etiquetas de evidencia que dicen 'Índice de inteligencia: 62,1 vs 52,56', 'Hospital-bench: 62,4 % vs 46,9 %' y 'Argon: anunciado, sin ID de modelo', sobre un pie de página que señala que GPT-6.2 Astra se lanzó el 17 de noviembre de 2026, mientras que Gemini 4 Argon se anunció el 30 de septiembre de 2026 y no tiene endpoint.
Guides & Insights

GPT-6.2 Astra vs Gemini 4 Argon: una diferencia que todavía no puedes comprar

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

GPT-6.2 Astra y Gemini 4 Argon aparecen juntos en tres paneles independientes, y en los tres el mismo modelo gana por un margen mayor que el ruido entre ejecuciones. En Hospital-bench, la evaluación de administración agéntica con veinte modelos publicada el 20 de noviembre de 2026, GPT-6.2 Astra obtiene una media del 62,4 % con una tasa de aprobación total del 29,2 %, frente a Gemini 4 Argon con 46,9 % y 16,7 %. En Blueprint-Bench 2, la diferencia es de 0,614 a 0,544. En el Artificial Analysis Intelligence Index, es de 62,1 a 52,56 con el mismo esfuerzo máximo. Eso supone una ventaja de quince puntos en el índice, aproximadamente ocho tareas completadas sin errores frente a catorce, y no está en disputa.

Lo que está en disputa es si la comparación describe una elección. OpenAI lanzó GPT-6.2 Astra el 17 de noviembre de 2026 a 8 USD por millón de tokens de entrada y 40 USD por millón de salida. Google anunció Gemini 4 Argon el 30 de septiembre de 2026 y no lo ha lanzado: no hay identificador de modelo, ni endpoint de la API de Gemini, ni cuota de autoservicio, ni fecha de disponibilidad general, y el acceso se gestiona a través del Fairwind Program en lugar de una página de registro. El precio que sí existe —2,00 y 10,00 USD por millón— es una lista de tarifas, no una factura que esté pagando alguien fuera del programa. Así que el planteamiento honesto de esta comparación no es qué modelo estandarizar. Es que uno de estos dos es una opción y el otro es una entrada de benchmark, y la diferencia de quince puntos te dice qué estás esperando, no qué comprar.

Lo que cada modelo realmente es

GPT-6.2 Astra es el modelo insignia de OpenAI para trabajo profesional de horizonte largo, con una ventana de contexto de 1.050.000 tokens, 128.000 tokens de salida máxima y entrada multimodal de texto, imágenes y archivos. El razonamiento siempre está activado, con un esfuerzo configurable desde bajo hasta máximo, y el modelo es compatible tanto con el formato chat-completions como con la API nativa Responses, incluido el modo en segundo plano. Es el tercer modelo de la línea GPT-6 que ocupa la cima de la gama de OpenAI, y las dos cosas que cambiaron con respecto a GPT-6 Astra son las que importan operativamente: una reducción del 20% en ambas direcciones del medidor y una reducción del 60% en la entrada en caché, de $1,00 a $0,40.

Gemini 4 Argon es el cuarto nivel de la familia Gemini 4 de Google, situado por debajo de Pro y por encima de Hydrogen, con Neon y Carbon ocupando la zona intermedia. La ficha publicada es escasa de una manera que resulta informativa en sí misma: contexto de 1M de tokens, entrada de texto e imágenes, configuración de razonamiento alto como la fila que mide Artificial Analysis, y esa tarifa de $2 y $10. No hay un límite máximo publicado de tokens de salida, ni una superficie documentada de uso de herramientas, ni documentación de caché de contexto, ni un ID de modelo. Contrástese con Carbon, que la misma familia incluye con una descripción completa que abarca llamadas a funciones nativas, salidas estructuradas y ambas rutas, la compatible con OpenAI y la nativa generateContent. Argon tiene ficha, precio y una fila en la clasificación. Aún no tiene un producto.

Esa asimetría define la forma de todo lo que sigue. Cuando dos modelos se pueden invocar, una comparación directa es una decisión de compra. Cuando uno se puede invocar y el otro está anunciado, la comparación es en realidad tres preguntas superpuestas: cuán grande es la brecha de capacidades, cuánto durará la ventaja de precio y qué tendría que pasar para que la segunda pregunta importe. La última es la interesante, porque la ventaja de precio tiene una fecha de caducidad impresa.

Tres tableros, una dirección

Ambos modelos aparecen en las mismas tres evaluaciones, realizadas por tres organizaciones diferentes y utilizando tres métodos distintos. La concordancia entre ellas es la evidencia más sólida de esta comparación, y la discrepancia sobre la magnitud es la segunda más sólida.

• Media en Hospital-bench — GPT-6.2 Astra 62,4% vs Gemini 4 Argon 46,9%, una diferencia de 15,5 puntos

• Pases completos de Hospital-bench — Astra 29,2 % (14 de 48) vs Argon 16,7 % (8 de 48)

• Blueprint-Bench 2 — Astra 0.614 vs Argon 0.544, una diferencia de 0.070 en una escala de 0 a 1

• Índice de Inteligencia v5.0.1 — Astra 62.1 vs Argon 52.56, ambos con el máximo esfuerzo

• Costo por tarea de Index — Astra $4.00 frente a Argon $1.99, medido sobre la misma suite idéntica

• Precio de entrada por 1M — Astra $8.00 frente a Argon $2.00 hasta el 30 de noviembre, $4.00 después

A generated three-row comparison card titled 'Three boards, one direction', with row one reading 'Hospital-bench 62.4% vs 46.9%', row two 'Blueprint-Bench 2 0.614 vs 0.544' and row three 'Intelligence Index v5.0.1 62.1 vs 52.56', column headers 'GPT-6.2 Astra' and 'Gemini 4 Argon', and the footer 'Three independent evaluators, three different methods'.

El resultado de Hospital-bench merece su propia línea por lo que mide. Esa evaluación proporciona a los agentes 131 herramientas en trece sistemas conectados y los sitúa ante cuarenta y ocho tareas administrativas en un hospital de 320 camas: autorizaciones previas, reclamaciones denegadas y solicitudes de registros. Es lo más parecido, en cualquiera de estas tablas de clasificación, al trabajo que un agente realmente es contratado para hacer, y la brecha allí es la más amplia de las tres, con 15,5 puntos de puntuación media. La columna de tasa de aprobación es peor para Argon: ocho finalizaciones limpias frente a catorce, un déficit del 43 % en tareas completadas por completo, en una evaluación comparativa donde una autorización previa a medias es una reclamación denegada en lugar de crédito parcial.

Blueprint-Bench 2 es la más estrecha de las tres brechas, con 0,070, y es aquella en la que los dos modelos son más afines en cuanto a su naturaleza: ambos reconstruyen grafos de conectividad de planos de planta a partir de secuencias de fotografías, una tarea que recompensa la coherencia a largo plazo más que el conocimiento del dominio. Que Argon se acerque hasta situarse a 0,07 en esa prueba mientras queda 9,5 puntos por detrás en el índice general es una señal genuina de dónde reside su fortaleza. También es el tablero con la menor relevancia para los humanos, algo que conviene recordar antes de citarlo.

La ventaja de precio tiene fecha de caducidad.

Aquí está el hecho que reorganiza toda la comparación. La lista de precios de Gemini 4 Argon es de $2.00 de entrada y $10.00 de salida por millón de tokens hasta el 30 de noviembre de 2026. El 1 de diciembre pasa a $4.00 y $20.00. Eso no es un rumor ni una proyección: es un calendario publicado, y es lo más determinante de la economía de Argon porque el modelo en sí no cambia en esa fecha.

• Entrada por 1M — Argon $2.00 hoy, $4.00 a partir del 1 de diciembre; Astra $8.00, sin cambios

• Salida por 1M — Argon $10.00 hoy, $20.00 a partir del 1 de diciembre; Astra $40.00, sin cambios

• Entrada en caché — Argon $0.10 hoy, $0.20 después; Astra $0.40, sin cambios

• Costo medido por tarea de Index: Argon $1.99 hoy, aproximadamente $3.98 después; Astra $4.00

• Contexto superior a 272 K: Argon no tiene ningún nivel publicado de contexto largo; Astra reajusta el precio de toda la solicitud a $16 y $60

Argon es cuatro veces más barato por token que Astra y cuesta la mitad por cada tarea de Index completada, lo que supone un descuento significativo para un modelo que está nueve puntos y medio por detrás. A partir del 1 de diciembre, es dos veces más barato por token y está más o menos a la par de Astra en coste por tarea de Index; en ese momento, el modelo más barato por tarea también es el que obtiene una puntuación más baja, y el argumento del coste deja de tener cualquier peso.

Dos mecanismos hacen que incluso la ventaja actual sea menor de lo que parece. El primero es que el acantilado de contexto largo de Astra es real y el de Argon no está documentado: por encima de 272.000 tokens de prompt, Astra vuelve a fijar el precio de toda la solicitud a $16 de entrada y $60 de salida. Una ejecución de agente de 300K tokens en Astra cuesta $4.80 de entrada antes de que el modelo escriba un token, frente a $2.17 un momento antes con 271.999. Si tus cargas de trabajo son agénticas y largas, ese acantilado puede borrar la ventaja de 4x en tokens en una sola solicitud; y si no lo son, nunca ibas a usar la ventana de 1.05M por la que estás pagando.

El segundo es que el precio de un token no es el costo de una tarea. Artificial Analysis mide ambos modelos sobre el mismo conjunto de evaluaciones e informa $1.99 para Argon frente a $4.00 para Astra, lo que supone una proporción de dos a uno en lugar de la de cuatro a uno que implica la lista de precios. Argon consume más tokens para llegar a su respuesta, o necesita más turnos, o ambas cosas. Esa es la forma normal de un modelo más barato, y significa que la factura por tarea es el único número contra el que vale la pena presupuestar.

De qué están hechos los quince puntos

Una diferencia de 9,5 puntos en el índice con el máximo esfuerzo equiparado es una cifra grande, y vale la pena precisar de dónde proviene en lugar de tratar el índice como un veredicto único. El Intelligence Index de Artificial Analysis es un promedio de nueve evaluaciones, y los dos modelos no fallan en las mismas. La ventaja de Astra se concentra en los componentes agénticos y de horizonte largo —el mismo lugar donde la sitúa Hospital-bench—, y se reduce en las tareas individuales de conocimiento y razonamiento, donde Argon es competitivo.

Ese patrón es coherente con cómo están construidos los dos modelos. Astra es un modelo de razonamiento con pensamiento siempre activo y esfuerzo configurable hasta max, y el ajuste de esfuerzo es la palanca individual más importante tanto para su puntuación como para su factura. La fila publicada de Argon es su configuración de razonamiento alto, que es el ajuste que G​oogle posiciona como el punto de equilibrio en lugar del techo; no hay un nivel xhigh en la familia. Cuando comparas «lo mejor que puede hacer cada modelo», estás comparando Astra en max con Argon un escalón por debajo, y la diferencia refleja eso tanto como refleja las arquitecturas.

Hay una advertencia real en el otro lado, y juega en contra de Astra. Un modelo que razona durante más tiempo es un modelo que cuesta más por tarea incluso al mismo precio por token, y los 20,2 minutos de Astra por tarea del Intelligence Index están muy por encima de la mediana de la suite. La ventaja de quince puntos se paga con tiempo real además de con dinero, y para un producto sensible a la latencia —un agente de cara al cliente, un bucle de triaje de soporte— la comparación útil es Astra en esfuerzo medio frente a Argon en alto, donde la diferencia es considerablemente más estrecha que 9,5 puntos y el panorama de costes cambia con ella.

El que es invocable

Todo lo cual nos remite a la disponibilidad, porque es la dimensión en la que hoy se decide realmente esta comparación. A 20 de noviembre de 2026, GPT-6.2 Astra no figura en el catálogo de OrcaRouter — los modelos de O​penAI que enrutamos son GPT-6 Astra, con un 46,7 % en Hospital-bench, y la línea GPT-6 Sol, en la que GPT-6.2 Sol registra un 57,6 % y un 25,0 %. Gemini 4 Argon tampoco se puede enrutar aquí, por la razón más simple de que G​oogle no ha publicado ningún identificador al que enrutar.

Eso deja ambos lados de esta comparativa fuera de alcance en nuestro propio endpoint, lo cual es un lugar inusual para que aterrice un artículo de versus y merece decirse sin adornos. Lo que hay disponible hoy es la generación anterior en ambos lados: GPT-6 Astra y GPT-6.2 Sol de O​penAI, Gemini 4 Carbon y G​emini 4 Neon de G​oogle. Los cuatro facturan al precio de lista del proveedor, sin margen añadido, así que un recorte de precio del proveedor llega a tu tarifa el mismo día en lugar de en la próxima renovación del contrato. La conmutación automática por error entre proveedores hace que un límite de velocidad en un modelo no detenga un lote, y el DSL de enrutamiento te permite fijar una clase de tarea a un modelo sin reescribir la integración.

• Lo que puedes llamar ahora — GPT-6 Astra, GPT-6.2 Sol, Gemini 4 Carbon, G​emini 4 Neon

• Lo que no puedes — GPT-6.2 Astra (no está en nuestro catálogo a 20 de noviembre), Gemini 4 Argon (no hay ningún ID de modelo publicado en ninguna parte)

• Cuánto vale la brecha — 15,5 puntos en Hospital-bench, 9,5 en el Intelligence Index, 0,070 en Blueprint-Bench 2

• Lo que cuesta cambiar más adelante: una sola cadena de modelo, una vez que existe un identificador

A generated pricing timeline card titled 'The price advantage has a date on it', with rows reading 'Argon today $2.00 in / $10.00 out per 1M', 'Argon from 1 December 2026 $4.00 in / $20.00 out', 'Astra, flat $8.00 in / $40.00 out' and 'Cost per Index task: Argon $1.99 now, about $3.98 after; Astra $4.00', over a footer noting Argon's pricing is a published schedule and the model itself does not change on 1 December.

La recomendación práctica se desprende de las fechas y no de las puntuaciones. Si este mes necesitas un modelo de OpenAI de frontera para trabajo administrativo agéntico, GPT-6.2 Sol es lo más cercano que hay en nuestro catálogo a la cima de la tabla Hospital-bench y la más barata de las dos opciones de OpenAI por un factor de cuatro por token. Si necesitas un modelo de Google, Carbon y Neon están ambos disponibles y ambos superan el índice de Argon en algunas subevaluaciones. Ninguno de esos es el modelo del que trata nominalmente este artículo, y fingir lo contrario sería el tipo de cosa que se lee bien y se enruta mal.

¿Qué cambiaría esta lectura?

Tres novedades cambiarían la respuesta, y la primera es el lanzamiento de Gemini 4 Argon. Un identificador de modelo publicado, un endpoint de autoservicio y una superficie de uso de herramientas documentada convertirían esto de una comparación de un producto frente a una tarifa en una decisión de compra, y también resolverían si la fila del índice 52.56 sobrevive al contacto con una API real, ya que todas las cifras de Argon en circulación provienen de una configuración que casi nadie puede ejecutar.

El segundo es el 1 de diciembre de 2026. La duplicación de la tarifa es el acontecimiento económico más importante de esta comparación y ocurre en una fecha conocida. Si el coste por tarea de Argon se sitúa cerca de 4,00 $, como sugiere la aritmética, el modelo está a la par de Astra en coste por tarea Index completada mientras queda 9,5 puntos por detrás, y el caso a su favor se reduce a aspectos concretos: las tareas en las que es competitivo, las cargas de trabajo en las que su gasto en tokens es menor y los equipos que ya están dentro del Fairwind Program. Si el coste medido resulta inferior a la proyección, la posición de más barato y ligeramente peor es duradera y esto se convierte en una auténtica carrera a dos caballos por el precio.

El tercero es una segunda ejecución de Hospital-bench. La publicación del 20 de noviembre es una única campaña sin página de metodología, sin conjunto de tareas y sin registros de ejecución, y una diferencia de quince puntos en cuarenta y ocho tareas es un resultado sólido que merece una segunda medición antes de que nadie lo adopte como estándar. La comparación generacional dentro de esa tabla es la parte menos probable que cambie: GPT-6.2 Astra con 62,4 % frente a GPT-6 Astra con 46,7 %, con las completaciones limpias pasando del 8,3 % al 29,2 %, es un salto lo bastante grande como para sobrevivir al ruido.

Así que los quince puntos son reales, la ventaja de precio es temporal y la comparación aún no es una elección. GPT-6.2 Astra es el mejor modelo en todos los tableros donde ambos aparecen juntos, por un margen que es mayor en la evaluación más cercana al trabajo real de agentes, y es el único de los dos al que realmente puedes llamar hoy. Gemini 4 Argon es una tarifa con una fila en la clasificación y una fecha de caducidad en su única ventaja. Compra el primero, vigila el segundo y vuelve a leer esto el 1 de diciembre, cuando la aritmética cambie sin que ninguno de los dos modelos se mueva.

The Hospital-bench leaderboard graphic from the 20 November 2026 X thread, headed 'Hospital-bench' with the methodology line about the administrative operations of a 320-bed hospital across 13 connected systems, labelled 'Top 10 of 20 models' with 'Mean score' and 'Pass rate' columns. The two rows this comparison turns on read GPT-6.2 Astra 62.4% / 29.2% at the top and Gemini 4 Argon 46.9% / 16.7% in ninth, with the rest of the field between them.

Comparados en este artículo2

Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario