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

Este es todo el enfrentamiento en dos cifras, antes de cualquier matiz: el 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 el GPT-6 Astra de OpenAI cobra $10.00 y $50.00 de forma fija. Según el calendario, el modelo más barato también es el más antiguo por un amplio margen —Gemini 3.1 Pro se lanzó el 19 de febrero de 2026, y GPT-6 Astra se lanzó el 3 de septiembre de 2026—, lo que también hace que esta comparación sea inusual en la dirección opuesta: normalmente el actor establecido es el caro y el recién llegado vende más barato que él. 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 renovación de la gama Pro por parte de Google.

Ambos se sitúan en la cima de las líneas de producto de sus creadores, pero bajo gestiones muy distintas. Gemini 3.1 Pro es el actual buque insignia Pro de Google —lanzado en vista previa en febrero, todavía etiquetado como "preview" hoy y nunca renovado mientras Google iteraba su línea Flash a lo largo de tres lanzamientos y empezaba a hablar de un "Gemini 4". GPT-6 Astra es el buque insignia más reciente de OpenAI y su primer modelo con calificación "Critical" según su Marco de Preparación interno, que llega con un despliegue por fases, una adhesión opcional para empresas y afirmaciones de rendimiento autodeclaradas que su creador describe como un salto generacional. Uno de estos modelos lleva medio año estático y barato. El otro tiene dos días y su precio refleja que la frontera se ha movido. Para un desarrollador que elige entre ellos, la verdadera pregunta es cuál de esos dos estados encaja mejor con 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 sobre la longitud

Google fija el precio de Gemini 3.1 Pro según la longitud de la indicación: $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 lote a mitad de precio. El mensaje es que las indicaciones cortas son baratas y las largas 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 de forma plana a $10/$50 con entrada en caché a $1.00, y luego aplica a las indicaciones muy largas un tipo diferente de penalización: cualquier cosa por encima de aproximadamente 272K tokens de entrada se vuelve a tarifar a 2x entrada y 1.5x salida — efectivamente $20 de entrada / $75 de salida. Los dos modelos penalizan el contexto largo en lugares opuestos. Gemini es barato hasta 200K y luego moderadamente más caro; Astra es plano hasta 272K y luego marcadamente más caro. Por lo tanto, una tarea de 300K tokens es 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 las cargas de trabajo que se mantienen en el extremo inferior del rango de contexto, el precio de Astra es difícil de justificar; para las cargas de trabajo que realmente necesitan el extremo superior, ambos proveedores aplican un recargo, y el de OpenAI es el más pronunciado.

Dónde Gemini 3.1 Pro lleva una ventaja real

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

La hoja de especificaciones, lado a lado

• Lanzado — GPT-6 Astra: 3 de septiembre de 2026. Gemini 3.1 Pro: 19 de febrero de 2026 (aún en «vista previa»).

• Precio (prompt ≤200K) — GPT-6 Astra: $10.00 / $50.00 por 1M con tarifa plana. 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 / límite de salida — GPT-6 Astra: ~1,05 M de entrada, 128 K de salida. Gemini 3.1 Pro: 1 M de entrada, ~65 K de salida.

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

• Fundamentación / 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 de bajo a máximo. Gemini 3.1 Pro: esfuerzo de razonamiento ajustable.

Donde se muestran los seis meses

Gemini 3.1 Pro lideró el Artificial Analysis Intelligence Index cuando se lanzó, y ya no lo hace: los modelos insignia de finales del verano —Claude Opus 5, GPT-5.6 Sol y ahora GPT-6 Astra— todos puntúan por encima de él 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 concebido para ser irresoluble mediante la cadena de pensamiento ordinaria. OpenAI informa un 99,9 % para Astra en su propio arnés, y la ejecución independiente de ARC Prize del arnés estándar midió un 62,7 % —mientras que ejecuciones independientes sitúan a Gemini 3.1 Pro por debajo del uno por ciento, la misma banda casi nula que el resto de la frontera anterior 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 distinto, y es el único lugar donde el nuevo paradigma de OpenAI deja atrás de verdad a un modelo de hace 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 información con precisión a 128K y se degrada bruscamente hacia el límite superior de su ventana de 1M: un patrón de colapso que Google no ha corregido del todo 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 transporte un artefacto generado mucho mayor que el de ~65K de Gemini. Si tu carga de trabajo es un único contexto enorme que debe leerse fielmente de principio a fin, la elección está entre un modelo con un deterioro medido y un modelo cuyo comportamiento en el límite superior de la ventana nadie ha sometido aún a pruebas de estrés. No es una elección cómoda en ninguna de las dos direcciones.

La decisión práctica

Para la gran mayoría de las cargas de trabajo de producción — RAG sobre documentos, investigación intensiva en fundamentación, entrada multimodal, cualquier cosa que quepa en menos de 200K tokens — Gemini 3.1 Pro es la opción económicamente racional hoy, y la diferencia no es pequeña: con una entrada cinco veces más barata y una ventaja de modalidad y fundamentación, GPT-6 Astra está pagando una prima enorme por un margen de razonamiento que esas cargas de trabajo nunca usarán. Para la codificación agéntica, el uso de computadoras de horizonte largo y problemas que realmente necesitan un artefacto generado de 128K o un contexto confiable cercano a 1M, GPT-6 Astra es el modelo a evaluar — con la advertencia honesta de que sus cifras principales son de OpenAI y la lectura independiente del primer día, aunque es sólida en eficiencia de tokens, muestra una brecha de capacidad más pequeña que la que sugiere el marketing. El congelamiento 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 uno caro, recién lanzado, que OpenAI está impulsando a toda velocidad.

Como ambos están alojados y ambos merecen seguir a mano, la respuesta práctica es enrutar en lugar de reemplazar. Gemini 3.1 Pro está en OrcaRouter al precio de lista de Google, pasado sin recargo alguno, así que su economía de $2/$12 sobrevive al contacto con un enrutador —y el DSL de enrutamiento convierte la división entre menos de 200K y prompts largos en una regla en lugar de una decisión manual, enviando consultas cortas fundamentadas a Gemini y reservando GPT-6 Astra para las tareas que justifican su tarifa. GPT-6 Astra aún no está en OrcaRouter a la fecha de este escrito; cuando un proveedor empiece a servir gpt-6-astra, la página del modelo llevará la tarifa de lista de OpenAI el mismo día, y la regla de conmutación por error que ya mantiene activa una carga de trabajo entre proveedores es el mismo mecanismo que te permite adoptar Astra en una porción medida del tráfico sin apostar todo el pipeline a un modelo de dos días de antigüedad.

El veredicto

GPT-6 Astra vs Gemini 3.1 Pro es un enfrentamiento entre un modelo que Google ha dejado intacto durante seis meses y un modelo que OpenAI lanzó hace dos días — y la diferencia de precio refleja en su mayor parte 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 de forma rotunda, y lo ha hecho durante meses. Si necesitas el razonamiento del nuevo paradigma, el amplio techo de salida o una posibilidad seria de lograr un contexto fiable en el límite de la ventana, GPT-6 Astra vale su sobreprecio en las cargas de trabajo que usan esas cosas — medidas en tus propias tareas, no en la tabla de lanzamiento de OpenAI. El error sería tratar una ganga de hace seis meses y un buque insignia de hace dos días como si la diferencia de edad no importara, en ninguna de las dos direcciones. Es toda la historia.