GPT-6 Astra vs Intern-S2 : ce que chacun accepte vraiment

Les deux modèles de cette comparaison sont tous deux décrits comme multimodaux, et le mot ne sert presque à rien dans un cas comme dans l’autre. GPT-6 Astra, qu’OpenAI a publié le 3 septembre 2026, prend en charge le texte et les images — ainsi que l’entrée de fichiers, selon des listes de routeurs que la documentation d’OpenAI elle-même ne confirme pas. Intern-S2-397B, le modèle scientifique de 403 milliards de paramètres que l’équipe InternLM du Shanghai AI Laboratory a publié sous Apache-2.0 le 13 septembre 2026, prend en charge le texte, les images et les signaux de séries temporelles, la voie de prévision passant par LMDeploy plutôt que par la recette de service par défaut du modèle. Aucun des deux n’accepte l’audio. Aucun des deux n’accepte la vidéo. La question intéressante n’est pas de savoir lequel est le plus multimodal ; c’est de savoir laquelle de ces deux surfaces d’entrée votre travail produit réellement, car elles se recoupent à peine et ni l’une ni l’autre ne remplace l’autre.

Deux surfaces de saisie qui ne font que se ressembler

Alignez les spécifications sur les dimensions où une charge de travail réelle entre en contact :

• Texte — les deux : GPT-6 Astra jusqu’à 922 000 jetons d’entrée dans une seule requête ; Intern-S2-397B évalué à une longueur d’inférence maximale de 256 000 jetons pour le raisonnement textuel

• Image — les deux, mais différemment : Astra prend une image aux côtés d'un long document dans la même requête ; Intern-S2-397B a été pré-entraîné à lire des pages brutes de littérature scientifique avec un contenu symbolique et visuel modélisé conjointement, ce qui relève d'une affirmation sur sa méthode d'entraînement plutôt que sur ce qu'il accepte

• Séries temporelles — Intern-S2-397B uniquement, via sa tête de prévision, actuellement via LMDeploy

• Entrée de fichier — GPT-6 Astra d'après les listes du routeur ; la page d'O​penAI elle-même n'indique que texte et image, donc à considérer comme non confirmé

• Audio et vidéo — ni l'un ni l'autre

• Sortie — texte sur les deux, et uniquement du texte

• Contrôle du raisonnement — GPT-6 Astra expose reasoning.effort avec les valeurs low, medium, high, xhigh et max ; Intern-S2-397B fonctionne avec la réflexion activée par défaut et la désactive par requête avec enable_thinking=False

• Poids — Intern-S2-397B Apache-2.0, téléchargeables en FP8 et BF16 ; GPT-6 Astra fermé, accessible uniquement via API

La ligne relative aux séries temporelles est celle qui décide de cette confrontation pour un sous-ensemble d'acheteurs et l'élimine pour tous les autres. La prévision de séries temporelles n'est pas une capacité que l'on peut approximer avec un long prompt textuel — l'entrée est numérique avec sa propre structure, et un modèle qui n'a pas été entraîné sur ce type de données ne l'acquerra pas parce que vous sérialisez les nombres dans un prompt. Si c'est votre charge de travail, la comparaison est terminée et aucun tableau de benchmark n'est nécessaire. Si ce n'est pas le cas, la ligne est sans objet et le reste de cette page est ce que vous êtes venu lire.

Le numéro de contexte qui compte est celui qui est évalué.

Les pages marketing annoncent la fenêtre ; les tableaux de benchmarks indiquent la longueur à laquelle le modèle a réellement été exécuté, et c'est ce second chiffre qui prédit le comportement. L'écart est instructif ici.

La fenêtre de GPT-6 Astra est de 1 050 000 jetons, avec un maximum de 922 000 en entrée et 128 000 en sortie, et ses paliers de service documentés sont honnêtes quant au coût de son utilisation : les requêtes dépassant 272 000 jetons d'entrée sont re-tarifées à 20,00 $ en entrée et 75,00 $ en sortie par million, avec les lectures de cache à 2,00 $ et les écritures de cache à 25,00 $, appliquées à l'ensemble de la requête plutôt qu'à l'excédent. En dessous de ce seuil, les compteurs affichent 10,00 $, 1,00 $ et 12,50 $, la sortie à 50,00 $.

La fiche d'Intern-S2-397B indique sa propre limite dans la note méthodologique plutôt que dans un titre : les benchmarks de raisonnement textuel ont été exécutés avec une longueur d'inférence maximale de 256 000 tokens, et les benchmarks multimodaux à 64 000. Ce n'est pas le plafond du modèle — la fiche du modèle n'en publie aucun sous la forme qu'un acheteur reconnaîtrait — mais c'est la longueur à laquelle chaque chiffre de la fiche a été produit. Une capacité qui n'a été démontrée qu'à l'intérieur de 64 000 tokens de contexte d'image est une capacité qui n'a été démontrée qu'à l'intérieur de 64 000 tokens de contexte d'image, et une page qui affiche le même score sans la longueur n'imprime que la moitié d'un fait.

C'est la discipline que méritent ces deux modèles, et que la documentation d'aucun des deux fournisseurs ne rend facile. Les chiffres fournis par Astra s'accompagnent d'un harnais qui les modifie de 37 points sur un benchmark ; ceux d'Intern-S2 s'accompagnent d'une longueur d'inférence maximale qui détermine si l'un d'eux peut se transposer à votre charge de travail. Lisez les deux notes de bas de page avant de lire l'un ou l'autre des tableaux.

Ce que sont les chiffres d'Intern-S2-397B, et qui les a produits

Tous les chiffres ci-dessous sont ceux d’InternLM, obtenus via OpenCompass, VLMEvalKit et AgentCompass par l’équipe qui a entraîné le modèle, et publiés en même temps que les poids. Aucun de ces chiffres n’a été reproduit de manière indépendante. Il n’existe pas de page pour Intern-S2-397B sur Artificial Analysis, et cette absence compte plus que d’habitude, car elle signifie qu’aucun tiers ne peut vérifier les lignes relatives aux capacités générales.

Les lignes scientifiques sont celles où le modèle est le plus fort et où l’argument en sa faveur est le plus clair : 55,71 sur Biology-Instructions, 63,28 sur SciReasoner 1.5, 62,35 sur MolecularIQ, 53,95 sur Mol-Instructions. À côté de celles-ci, des lignes générales respectables : 89,77 sur MMLU Pro, 81,68 sur MMMU Pro, 93,56 sur HMMT-2026, 68,54 sur SWE-bench-Pro. Et une ligne qui vous dit quel type de modèle il s’agit — TerminalBench 2.1 à 64,04, qui, selon le propre tableau du laboratoire, perd face à une génération fermée plus ancienne. Intern-S2-397B est un instrument scientifique compétent en général, et non un généraliste auquel on a greffé une spécialité scientifique.

Quels sont les chiffres de GPT-6 Astra, et où sont-ils les plus faibles

Le bilan d'Astra se présente en deux parties, et celles-ci ne s'accordent pas sur l'élément à mettre en avant. Artificial Analysis le mesure à 53 sur son indice d'intelligence actuel, sur dix évaluations, à 3,26 $ par tâche d'indice complétée, générant environ 60 M de jetons de sortie sur l'ensemble de cette exécution, contre une médiane du classement d'environ 85 M, à 44,6 jetons de sortie par seconde. Il s'agit d'une évaluation indépendante avec une méthodologie publiée, et elle classe le modèle septième sur 216 en intelligence et 168e sur 185 en vitesse.

Le volet du fournisseur est un tableau à part : 98 % à FrontierMath Tier 4, décrit comme saturant le niveau ; 99,9 % à ARC-AGI-3 ; 100 % à ExploitBench, Astra étant le premier modèle OpenAI à franchir le seuil de capacités « Critical » en cybersécurité de l'entreprise ; 57,9 % à Terminal-Bench 4.0, contre 37,3 % pour GPT-5.6 Sol. Chaque chiffre est attribuable à OpenAI et aucun n'a été reproduit. Le chiffre d'ARC-AGI-3 est celui qui a le plus circulé et qui mérite le plus de scepticisme : ARC Prize a fait tourner le modèle sous deux harnais et a publié les deux, enregistrant 62,7 % avec son harnais standard et 99,9 % avec un adaptateur de fournisseur qui préserve l'état de raisonnement entre les requêtes. L'écart de 37 points est une mesure du harnais, non un scandale — OpenAI a documenté les deux configurations — mais toute comparaison qui oppose les 99,9 % au chiffre d'un autre modèle obtenu avec le harnais standard compare deux expériences et appelle cela un benchmark.

Une asymétrie de plus a sa place ici, car c’est la raison pour laquelle c’est le nombre indépendant qui sert de base pour planifier. La fiche d’Intern-S2-397B ne comporte aucune colonne indépendante, donc ses chiffres sont les seuls chiffres, et ils portent l’autorité du fournisseur et rien d’autre. Astra a les deux, et ils ne s’accordent pas sur son niveau en raisonnement général, d’une manière qui fait que l’un des deux ne peut pas se tromper sur ce point — le tableau du fournisseur indique saturé, l’indice indique septième.

« Poids libres » est une décision capitale

Intern-S2-397B est sous Apache-2.0, et la conséquence pratique relève de l’arithmétique plutôt que de la licence. Le checkpoint publié compte 403 milliards de paramètres, et le dépôt BF16 occupe environ 807 Go — avant même de compter une stack de serving, un cache KV ou la seconde copie que vous conservez pour un rollback. Une version FP8 existe et réduit à peu près de moitié l’empreinte. Le laboratoire documente LMDeploy, vLLM et SGLang comme serveurs pris en charge, et son propre exemple d’appel d’outils est un point de terminaison compatible OpenAI sur un serveur LMDeploy, donc le chemin d’intégration n’a rien d’exotique. Le matériel, lui, l’est.

Cela produit deux économies très différentes à partir de la même licence. Si vous possédez déjà un nœud multi-GPU avec de la capacité disponible, le coût marginal de la prochaine requête scientifique s'approche de celui de l'électricité, et aucun concurrent facturant au token ne peut battre cela — c'est précisément la raison pour laquelle les poids ouverts existent. Si vous ne le possédez pas, « gratuit » signifie acheter ou louer de la capacité, et sur de la capacité louée, la comparaison avec une API facturée à l'usage est une simple question arithmétique d'utilisation à laquelle une fiche de modèle ne peut pas répondre à votre place. De son côté, Astra répond à la même question plus simplement : une grille tarifaire, aucune équipe d'exploitation, et une tranche de contexte long à 20,00 $ / 75,00 $ qui pénalise exactement la taille de requête qu'invite une fenêtre de 1 050 000 tokens.

Un détail qui favorise la voie auto-hébergée et qu’il est facile de négliger : la licence Apache-2.0 est ce qui rend le modèle utilisable dans un environnement réglementé, tout simplement. Le fine-tuning sur des données propriétaires, l’exécution en air-gapped et le maintien de l’inférence à l’intérieur d’un périmètre de données sont trois choses que l’API d’Astra ne peut offrir à aucun prix, et aucune ligne de benchmark ne les reflète.

Où se trouve un routeur dans un appairage comme celui-ci

Intern-S2-397B n'est pas sur OrcaRouter et cette page ne prétend pas qu'il l'est ; il s'agit d'un nouveau checkpoint ouvert, et votre accès à celui-ci se fait via l'API Intern officielle du fournisseur ou via un déploiement qui vous est propre. GPT-6 Astra figure dans notre catalogue sous openai/gpt-6-astra, aux tarifs catalogue d'OpenAI répercutés avec 0 % de marge de notre part.

La forme utile pour une équipe qui exécute les deux est une répartition plutôt qu'un choix, et c'est la configuration à laquelle sert la couche de routage : envoyez le trafic général, à long contexte et chargé en documents vers le modèle à usage mesuré derrière un point de terminaison compatible OpenAI, et gardez les traitements par lots scientifiques et de séries temporelles sur le checkpoint que vous exploitez. Le basculement automatique couvre alors le cas où l'un ou l'autre des côtés est défaillant — la branche auto-hébergée lorsqu'un nœud tombe, la branche API lorsqu'un chemin de fournisseur se dégrade — sans qu'aucune des deux équipes n'ait à écrire une seconde intégration. C'est une frontière tracée comme une règle de routage, et non comme une architecture.

Lequel ?

Choisissez Intern-S2-397B si votre entrée est scientifique au sens précis pour lequel le modèle a été entraîné — pages de littérature riches en figures, structures moléculaires et de matériaux, signaux de séries temporelles — ou si Apache-2.0 est la propriété décisive parce que vos données ne peuvent pas quitter votre infrastructure. Prévoyez le budget pour le matériel avant toute autre chose, et réalisez votre propre évaluation plutôt que de vous fier à la fiche, car il n’existe aucun chiffre indépendant sur lequel vous rabattre.

Choisissez GPT-6 Astra si votre travail est de nature agentique et à long horizon, si une entrée de 922 000 tokens en une seule requête est un format que vous produisez réellement, ou si vous avez besoin d'un tableau de bord indépendant pour défendre la décision devant quelqu'un d'autre. Son coût de 3,26 $ par tâche d'indexation menée à bien est le chiffre le plus élevé de cette comparaison, et il achète un modèle qui émet environ 60 M de tokens pour effectuer ce travail là où le modèle médian en émet 85 M — c'est pourquoi le prix par token est le mauvais chiffre sur lequel se décider, et le coût par tâche terminée le bon. Ne le choisissez pas pour du trafic court et à fort volume, et ne franchissez pas la barre des 272 000 tokens sans réexécuter votre modèle de coûts, car cette barre double le tarif d'entrée sur l'ensemble de la requête.

Les deux ne sont pas des substituts, et la raison n’est pas une question de scores de benchmark. L’un accepte un tableau typé de relevés de capteurs et l’autre accepte une page numérisée d’un document papier, et aucun des deux ne fait les deux assez bien pour que l’autre devienne inutile. Si votre travail produit d’une manière ou d’une autre les deux, vous savez déjà quelle équipe de votre organisation est responsable de quelle moitié.

Une sortie est aussi le moment de vérifier ce qui a mal tourné auparavant : les incidents d'IA documentés et les défaillances d'agents autour des modèles de cette classe sont rassemblés dans the OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, sa gravité, sa note de confiance et un indicateur de contestation.