GPT-6 Astra vs Gemini 3.1 Pro: Un nuevo buque insignia contra una ganga de seis meses

Aquí está el enfrentamiento completo en dos números antes de cualquier matiz: Gemini 3.1 Pro de Google cobra $2.00 por millón de tokens de entrada y $12.00 por millón de salida para prompts de hasta 200K tokens, y GPT-6 Astra de OpenAI cobra $10.00 y $50.00 fijos. En el calendario, el modelo más barato es también el más antiguo por un amplio margen — Gemini 3.1 Pro se lanzó el 19 de febrero de 2026, y GPT-6 Astra el 3 de septiembre de 2026 — lo que hace esta comparación inusual también en la otra dirección: normalmente el veterano es el caro y el recién llegado le rebaja el precio. Aquí el recién llegado cuesta cinco veces más en entrada, y la pregunta es si GPT-6 Astra es cinco veces el modelo que Gemini 3.1 Pro sigue siendo después de seis meses y medio sin una actualización de nivel Pro por parte de Google.

Ambos se sitúan en la cima de las líneas de productos de sus creadores, pero bajo administraciones muy diferentes. Gemini 3.1 Pro es el actual buque insignia Pro de Google: lanzado en vista previa en febrero, todavía con la etiqueta de “vista previa” hoy, y nunca actualizado mientras Google publicaba tres versiones de su línea Flash y comenzaba a hablar de un “Gemini 4”. GPT-6 Astra es el nuevo buque insignia de OpenAI y su primer modelo con calificación “Critical” bajo su marco interno Preparedness Framework, que llega con un despliegue gradual, una opción de participación para empresas y afirmaciones de benchmarks autoinformados que su creador describe como un salto generacional. Uno de estos modelos ha estado estático y barato durante medio año. El otro tiene dos días de antigüedad y está a un precio acorde al movimiento de la frontera. Para un desarrollador que elige entre ellos, la verdadera pregunta es cuál de esos dos estados se adapta mejor a la carga de trabajo, porque sobre el papel están más cerca de lo que sugiere la diferencia de precio.

Dos tablas de precios, dos teorías de duración

Google fija el precio de Gemini 3.1 Pro según la longitud del prompt: $2 de entrada / $12 de salida hasta 200K tokens de entrada, subiendo a $4 de entrada / $18 de salida por encima de eso, con lecturas de caché a $0.20–$0.40 y lotes a mitad de precio. El mensaje es que los prompts cortos son baratos y los largos cuestan más: un modelo de precios ajustado para las cargas de trabajo de búsqueda y fundamentación que Google espera que sean la mayor parte del tráfico. OpenAI fija el precio de GPT-6 Astra en $10/$50 planos, con entrada en caché a $1.00, y luego aplica a los prompts muy largos un tipo diferente de penalización: cualquier cosa por encima de aproximadamente 272K tokens de entrada se revaloriza a 2x la entrada y 1.5x la salida, es decir, efectivamente $20 de entrada / $75 de salida. Los dos modelos castigan el contexto largo en lugares opuestos. Gemini es barato hasta 200K y luego moderadamente más caro; Astra es plano hasta 272K y luego mucho más caro. Una tarea de 300K tokens es, por tanto, mucho más cara en GPT-6 Astra que en Gemini 3.1 Pro, mientras que una tarea de 50K tokens es de cuatro a cinco veces más barata en Gemini. Para cargas de trabajo que se mantienen en la parte baja del rango de contexto, el precio de Astra es difícil de justificar; para cargas de trabajo que realmente necesitan la parte alta, ambos proveedores aplican un recargo, y el de OpenAI es el más pronunciado.

Dónde Gemini 3.1 Pro está genuinamente por delante

El buque insignia de Google tiene tres ventajas que ningún modelo de OpenAI iguala, y son fáciles de pasar por alto porque el ruido mediático del lanzamiento de Astra es ensordecedor. Primero, modalidades de entrada: Gemini 3.1 Pro acepta texto, imagen, audio, video y PDF en una sola indicación; GPT-6 Astra solo acepta texto e imagen, con salida de texto — el mismo envolvente de modalidades que su predecesor. Segundo, grounding nativo: Gemini incluye Google Search, Maps y ejecución de código integrados en la API, lo cual supone una diferencia de capacidad genuina para la investigación agéntica y cualquier tarea que requiera información fresca y verificada en lugar de recuperación paramétrica. Tercero, precio en todo lo que se mantenga por debajo de 200K tokens, incluido el lote a $1/$6 — la forma más barata de ejecutar un gran trabajo offline en cualquiera de los dos modelos, por un amplio margen. Ninguna de estas ventajas aparece en un benchmark de razonamiento, que es exactamente por lo que se pierden en una comparación de buque insignia contra buque insignia que solo cita puntuaciones.

La ficha técnica, lado a lado

• Lanzado — GPT-6 Astra: 3 de septiembre de 2026. Gemini 3.1 Pro: 19 de febrero de 2026 (aún "preview").

• Precio (≤200K de prompt) — GPT-6 Astra: $10.00 / $50.00 por 1M, precio fijo. Gemini 3.1 Pro: $2.00 / $12.00 por 1M.

• Precio (prompt largo) — GPT-6 Astra: ~$20.00 / $75.00 por 1M por encima de 272K de entrada. Gemini 3.1 Pro: $4.00 / $18.00 por 1M por encima de 200K de entrada.

• Contexto / tope de salida — GPT-6 Astra: ~1.05M de entrada, 128K de salida. Gemini 3.1 Pro: 1M de entrada, ~65K de salida.

• Entradas — GPT-6 Astra: texto + imagen. Gemini 3.1 Pro: texto, imagen, audio, video, PDF.

• Grounding / herramientas — GPT-6 Astra: búsqueda web, búsqueda de archivos, ejecución de código. Gemini 3.1 Pro: Búsqueda de Google nativa, Maps, ejecución de código, llamada a funciones.

• Controles de razonamiento — GPT-6 Astra: esfuerzo bajo–máximo. Gemini 3.1 Pro: esfuerzo de razonamiento ajustable.

Donde se muestran los seis meses

Gemini 3.1 Pro lideraba el Artificial Analysis Intelligence Index cuando se lanzó, y ya no lo hace: los buques insignia de finales de verano — Claude Opus 5, GPT-5.6 Sol y ahora GPT-6 Astra — lo superan en la escala actual del índice, y Google no ha lanzado una respuesta de nivel Pro. La brecha más dramática está en ARC-AGI-3, el benchmark creado para ser irresoluble mediante la cadena de razonamiento ordinaria. OpenAI reporta un 99,9% para Astra en su propio banco de pruebas, y la ejecución independiente de ARC Prize con el banco de pruebas estándar midió un 62,7%, mientras que las ejecuciones independientes sitúan a Gemini 3.1 Pro por debajo del uno por ciento, la misma banda casi nula que el resto de los modelos de frontera anteriores a Astra. En el ARC-AGI-2 original, la propia cifra de Google para Gemini 3.1 Pro fue un sólido 77,1% en el lanzamiento; el benchmark sucesor es un régimen diferente, y es el único lugar donde el nuevo paradigma de OpenAI deja realmente atrás a un modelo de seis meses.

La regresión más sutil es la fiabilidad en contextos largos. Las pruebas independientes de múltiples agujas (MRCR v2) muestran que Gemini 3.1 Pro recupera con precisión a 128K y se degrada bruscamente hacia el extremo superior de su ventana de 1M, un patrón de colapso que Google no ha corregido por completo en los seis meses transcurridos desde su lanzamiento. El contexto de 1.05M de Astra es nuevo y no está probado a escala, pero es el área que OpenAI afirma haber diseñado con mayor agresividad, incluido un techo de salida de 128K que permite que una sola respuesta contenga un artefacto generado mucho más grande que los ~65K de Gemini. Si tu carga de trabajo es un contexto enorme que debe leerse fielmente de principio a fin, la elección está entre un modelo con una caída ya medida y un modelo cuyo comportamiento en el límite superior de la ventana nadie ha sometido todavía a pruebas de estrés. No es una elección cómoda en ninguno de los dos sentidos.

La decisión práctica

Para la gran mayoría de las cargas de trabajo de producción — RAG sobre documentos, investigación intensiva en anclaje (grounding), entrada multimodal, cualquier cosa que quepa dentro de 200K tokens —, Gemini 3.1 Pro es hoy la opción económicamente racional, y no se trata de una ventaja menor: con una entrada cinco veces más barata y una ventaja en modalidad y anclaje, GPT-6 Astra está pagando una prima enorme por un margen de razonamiento que esas cargas de trabajo jamás utilizarán. Para la codificación agéntica, el uso de computadora a largo plazo y los problemas que de verdad necesitan un artefacto generado de 128K o un contexto fiable de casi 1M, GPT-6 Astra es el modelo a evaluar — con la salvedad honesta de que sus cifras más destacadas provienen de OpenAI, y de que la lectura independiente del primer día, aunque sólida en eficiencia de tokens, muestra una brecha de capacidades menor que la que sugiere el marketing. La congelación de seis meses de Gemini es el contexto decisivo: estás eligiendo entre un modelo barato, capaz y maduro que Google ha dejado de mejorar, y un modelo caro y recién lanzado que OpenAI está impulsando a toda velocidad.

Como ambos están alojados y ambos merecen estar al alcance, la respuesta práctica es enrutar en lugar de reemplazar. Gemini 3.1 Pro está en OrcaRouter al precio de lista de Google, que se traslada sin margen, por lo que su economía de $2/$12 sobrevive al contacto con un enrutador — y el DSL de enrutamiento hace que la separación entre prompts de menos de 200K y prompts largos sea una regla en lugar de una decisión manual, enviando consultas cortas y fundamentadas a Gemini y reservando GPT-6 Astra para las tareas que justifican su tarifa. GPT-6 Astra aún no está en OrcaRouter al momento de escribir esto; cuando un proveedor comience a servir gpt-6-astra, la página del modelo mostrará la tarifa de lista de OpenAI ese mismo día, y la regla de conmutación por error que ya mantiene viva una carga de trabajo entre proveedores es el mismo mecanismo que permite adoptar Astra en una porción medida del tráfico sin apostar todo el pipeline a un modelo de dos días.

El veredicto

GPT-6 Astra vs Gemini 3.1 Pro es un duelo entre un modelo al que Google ha dejado en paz durante seis meses y un modelo que OpenAI lanzó hace dos días — y la diferencia de precio refleja sobre todo esa asimetría, no una brecha de capacidades del mismo tamaño. Si necesitas razonamiento multimodal, fundamentado y económico a escala, Gemini 3.1 Pro gana esta comparación por goleada y lo ha hecho durante meses. Si necesitas el razonamiento del nuevo paradigma, el amplio techo de salida o una oportunidad seria de obtener contexto fiable al límite de la ventana, GPT-6 Astra justifica su prima en las cargas de trabajo que aprovechan esas características — medidas en tus propias tareas, no en la tabla de lanzamiento de OpenAI. El error sería tratar una ganga de seis meses y un buque insignia de dos días como si la diferencia de edad no importara, en ninguna dirección. Es toda la historia.