GPT-6 Astra מול Intern-S2: מה כל אחד מהם בעצם מקבל

שני המודלים בהשוואה הזו מתוארים שניהם כרב-מודאליים, והמילה הזו כמעט שאינה עושה שום עבודה בשני המקרים. GPT-6 Astra, שאותו OpenAI שחררה ב-3 בספטמבר 2026, מקבל טקסט ותמונות — וגם קלט קבצים, לפי רישומי ראוטרים שהתיעוד של OpenAI עצמה אינו מאשר. Intern-S2-397B, המודל המדעי בעל 403 מיליארד הפרמטרים שצוות InternLM של Shanghai AI Laboratory שחרר תחת Apache-2.0 ב-13 בספטמבר 2026, מקבל טקסט, תמונות ואותות של סדרות זמן, כאשר מסלול החיזוי מחובר דרך LMDeploy ולא דרך מתכון ההגשה המוגדר כברירת מחדל של המודל. אף אחד מהם אינו מקבל אודיו. אף אחד מהם אינו מקבל וידאו. השאלה המעניינת אינה איזה מהם רב-מודאלי יותר; היא איזה משני משטחי הקלט האלה העבודה שלך באמת מייצרת, מפני שהם בקושי חופפים ואף אחד מהם אינו מהווה תחליף לשני.

שני משטחי קלט שרק נראים דומים

יישרו את המפרטים על הממדים שבהם עומס עבודה אמיתי בא במגע:

• טקסט — שניהם: GPT-6 Astra עד 922,000 טוקנים של קלט בבקשה אחת; Intern-S2-397B הוערך באורך הסקה מרבי של 256,000 טוקנים עבור הסקת טקסט

• תמונה — שניהם, אך באופן שונה: Astra מקבלת תמונה לצד מסמך ארוך באותה בקשה; Intern-S2-397B אומן מראש לקרוא עמודים גולמיים של ספרות מדעית, עם תוכן סמלי וחזותי שממודל יחד — זוהי טענה על אופן האימון שלו ולא על מה שהוא מקבל

• סדרות עתיות — Intern-S2-397B בלבד, דרך ראש החיזוי שלו, כרגע באמצעות LMDeploy

• קלט קבצים — GPT-6 Astra לפי רשימות ה-router; העמוד של OpenAI עצמו מפרט טקסט ותמונה בלבד, לכן יש להתייחס לכך כלא מאומת

• אודיו ווידאו — לא זה ולא זה

• פלט — טקסט בשניהם, ורק טקסט

• שליטה בחשיבה — GPT-6 Astra חושף את reasoning.effort ברמות low, medium, high, xhigh ו-max; Intern-S2-397B פועל עם חשיבה פעילה כברירת מחדל ומכבה אותה לכל בקשה עם enable_thinking=False

• משקלים — Intern-S2-397B Apache-2.0, ניתנים להורדה ב-FP8 וב-BF16; GPT-6 Astra סגור, API בלבד

שורת סדרות הזמן היא זו שמכריעה את ההתמודדות הזו עבור תת-קבוצה של קונים ומבטלת אותה עבור כל השאר. חיזוי סדרות זמן אינו יכולת שאפשר לקרב באמצעות פרומפט טקסט ארוך — הקלט הוא מספרי עם מבנה משלו, ומודל שלא אומן עליו לא ירכוש אותה רק משום שאתה ממיר את המספרים לפרומפט. אם זה עומס העבודה שלך, ההשוואה הסתיימה ואין צורך בטבלת בנצ'מרק. אם לא, השורה אינה רלוונטית, ושאר העמוד הזה הוא מה שאתה קורא בשבילו.

מספר ההקשר שחשוב הוא זה שהוערך

דפי שיווק מצטטים את החלון; טבלאות בנצ'מרק מצטטות את האורך שבו המודל הורץ בפועל, והמספר השני הוא זה שמנבא התנהגות. הפער כאן מאלף.

החלון של GPT-6 Astra הוא 1,050,000 טוקנים עם מקסימום של 922,000 קלט ו-128,000 פלט, ורצועות השירות המתועדות שלו כנות לגבי העלות של השימוש בו: בקשות מעל 272,000 טוקני קלט מתומחרות מחדש ב-$20.00 קלט ו-$75.00 פלט למיליון, עם קריאות מטמון ב-$2.00 וכתיבות מטמון ב-$25.00, מיושמות על הבקשה כולה ולא על העודף. מתחת לקו הזה המונים מראים $10.00, $1.00 ו-$12.50, פלט ב-$50.00.

הכרטיס של Intern-S2-397B מציין את המגבלה של עצמו בהערת המתודולוגיה ולא בכותרת ראשית: בנצ'מארקים של הסקה טקסטואלית הורצו באורך הסקה מקסימלי של 256,000 טוקנים, ובבנצ'מארקים מולטימודליים ב-64,000. זה אינו התקרה של המודל — כרטיס המודל אינו מפרסם תקרה בצורה שקונה היה מזהה — אבל זה האורך שבו הופק כל מספר בכרטיס. יכולת שהודגמה רק בתוך 64,000 טוקנים של הקשר תמונות היא יכולת שהודגמה רק בתוך 64,000 טוקנים של הקשר תמונות, ועמוד שמדפיס את אותו ציון בלי האורך מדפיס חצי עובדה.

זו הרמה של הקפדה שמגיעה לשני המודלים האלה, ואף אחד מחומרי הספקים לא עושה אותה קלה. המספרים של Astra מהספק מגיעים עם הרנס מצורף שמשנה אותם ב-37 נקודות בבנצ'מרק אחד; אלה של Intern-S2 מגיעים עם אורך הסקה מקסימלי מצורף שקובע אם בכלל הם עוברים לעומס העבודה שלך. קרא את שתי הערות השוליים לפני שאתה קורא כל אחת מהטבלאות.

מהם המספרים של Intern-S2-397B, ומי הפיק אותם

כל נתון שלהלן הוא של InternLM עצמה, הורץ דרך OpenCompass, VLMEvalKit ו-AgentCompass על ידי הצוות שאימן את המודל, ופורסם לצד המשקלים. אף אחד מהנתונים הללו לא שוחזר באופן בלתי תלוי. אין עמוד עבור Intern-S2-397B ב-Artificial Analysis, והיעדרות הזו חשובה יותר מהרגיל, משום שהיא אומרת שאין צד שלישי שמולו אפשר לבדוק את שורות היכולת הכללית.

השורות המדעיות הן המקום שבו המודל הוא החזק ביותר והמקום שבו הטיעון בעדו הוא הברור ביותר: 55.71 ב-Biology-Instructions, 63.28 ב-SciReasoner 1.5, 62.35 ב-MolecularIQ, 53.95 ב-Mol-Instructions. לצידן, שורות כלליות מכובדות: 89.77 ב-MMLU Pro, 81.68 ב-MMMU Pro, 93.56 ב-HMMT-2026, 68.54 ב-SWE-bench-Pro. ושורה אחת שמספרת לך איזה סוג של מודל זה — TerminalBench 2.1 עם 64.04, שלפי הטבלה של המעבדה עצמה מפסיד לדור סגור ישן יותר. Intern-S2-397B הוא מכשיר מדעי שהוא מוכשר באופן כללי, לא כללן שעליו הוברגה התמחות מדעית.

מה הם המספרים של GPT-6 Astra, והיכן הם החלשים ביותר

הנתונים של Astra מגיעים בשני חלקים, ואין ביניהם הסכמה לגבי הדגש. Artificial Analysis מודדת את המודל ב-53 במדד האינטליגנציה הנוכחי שלה על פני עשר הערכות, בעלות של 3.26 דולר לכל משימת אינדקס שהושלמה, כשהוא מייצר בערך 60 מיליון אסימוני פלט לאורך אותה ריצה, לעומת חציון לוח של קרוב ל-85 מיליון, בקצב של 44.6 אסימוני פלט לשנייה. זוהי הערכה בלתי תלויה עם מתודולוגיה שפורסמה, והיא ממקמת את המודל במקום השביעי מתוך 216 באינטליגנציה ובמקום ה-168 מתוך 185 במהירות.

המחצית של הספק היא טבלה בפני עצמה: 98% ב-FrontierMath Tier 4, המתואר כמביא את הדרג לרוויה; 99.9% ב-ARC-AGI-3; 100% ב-ExploitBench, כאשר Astra הוא המודל הראשון של OpenAI שחוצה את סף היכולת הקריטית של החברה בתחום הסייבר; 57.9% ב-Terminal-Bench 4.0 לעומת 37.3% עבור GPT-5.6 Sol. כל נתון מיוחס ל-OpenAI ואף אחד מהם לא שוחזר. הנתון של ARC-AGI-3 הוא זה שהגיע הכי רחוק והראוי ביותר לספקנות: ARC Prize הריצה את המודל תחת שתי מערכות הרצה ופרסמה את שתיהן, ותיעדה 62.7% תחת מערכת ההרצה הסטנדרטית שלה ו-99.9% תחת מתאם ספק ששומר על מצב החשיבה בין בקשות. הפער של 37 נקודות הוא מדידה של מערכת ההרצה, לא שערורייה — OpenAI תיעדה את שתי ההגדרות — אבל כל השוואה שמעמידה את 99.9% מול הנתון של מודל אחר תחת מערכת הרצה סטנדרטית היא השוואה בין שני ניסויים וקוראת לזה מבחן.

עוד אסימטריה אחת שייכת לכאן, מפני שהיא הסיבה לכך שהנתון העצמאי הוא זה שלפיו יש לתכנן. בכרטיס של Intern-S2-397B אין עמודה עצמאית בכלל, ולכן המספרים שלו הם המספרים היחידים, והם נושאים את סמכות הספק ותו לא. ל-Astra יש את שניהם, והם חלוקים בשאלה עד כמה היא טובה בהסקה כללית, באופן שאחד מהם אינו יכול לטעות בו — טבלת הספק אומרת רוויה, והמדד אומר שביעי.

"משקולות חופשיות" זו החלטה מכרעת

Intern-S2-397B הוא Apache-2.0, והמשמעות המעשית היא חשבון ולא רישוי. הצ'קפוינט שפורסם מכיל 403 מיליארד פרמטרים, ומאגר ה-BF16 מכיל בערך 807 GB — לפני שאתם סופרים סטאק הגשה, מטמון KV, או את העותק השני שאתם שומרים לצורך רולבק. קיים בילד FP8 והוא מקטין את טביעת הרגל בערך בחצי. המעבדה מתעדת את LMDeploy, vLLM ו-SGLang כשרתים נתמכים, ודוגמת קריאת הכלים שלה עצמה היא נקודת קצה תואמת OpenAI על שרת LMDeploy, כך שנתיב האינטגרציה אינו אקזוטי. החומרה לעומת זאת — כן.

זה מייצר שני מודלים כלכליים שונים מאוד מאותו רישיון. אם כבר יש בבעלותך צומת multi-GPU עם קיבולת פנויה, העלות השולית של השאילתה המדעית הבאה מתקרבת לעלות החשמל, ואף מתחרה שגובה לפי טוקן לא יכול לגבור על זה — וזו כל הסיבה לכך שמשקלים פתוחים קיימים. אם אין לך אחד כזה, "חינם" פירושו לקנות או לשכור קיבולת, ועל קיבולת שכורה ההשוואה מול API מחויב לפי שימוש היא שאלה אריתמטית פשוטה לגבי ניצול שכרטיס מודל לא יכול לענות עליה עבורך. הצד של Astra באותה שאלה פשוט יותר: מחירון, בלי צוות תפעול, ורצועת מחירים להקשר ארוך ב-$20.00 / $75.00 שמענישה בדיוק את גודל הבקשה שחלון של 1,050,000 טוקנים מזמין.

פרט אחד שמטה את הכף לטובת מסלול ההרצה העצמית, וקל לפספס אותו: רישיון Apache-2.0 הוא זה שמאפשר בכלל להשתמש במודל בסביבה רגולטורית. כיוונון עדין על נתונים קנייניים, הרצה במנותק מרשת, ושמירה על ההסקה בתוך היקף נתונים — שלושה דברים שה-API של Astra לא יכול להציע בשום מחיר, ואף שורת בנצ'מרק לא משקפת אותם.

היכן ממוקם ראוטר בזיווג כזה

Intern-S2-397B אינו נמצא ב-OrcaRouter והדף הזה אינו טוען שהוא כן; זהו צ'קפוינט פתוח חדש, והדרך שלך אליו היא ה-Intern API הרשמי של הספק או פריסה משלך. GPT-6 Astra נמצא בקטלוג שלנו בתור openai/gpt-6-astra, בתעריפי המחירון של OpenAI המועברים הלאה עם 0% תוספת מצדנו.

הצורה השימושית עבור צוות שמפעיל את שניהם היא פיצול ולא בחירה, וזו בדיוק התצורה ששכבת הניתוב נועדה לה: שלחו את התעבורה הכללית, בעלת ההקשר הארוך ועמוסת המסמכים, למודל המחויב לפי שימוש מאחורי נקודת קצה אחת תואמת OpenAI, והשאירו את עבודת האצווה המדעית ואת זו של סדרות הזמן על הצ'קפוינט שאתם מפעילים. מעבר אוטומטי לכשל (failover) מכסה אז את המקרה שבו אחד מהצדדים אינו תקין — הזרוע המתארחת בעצמכם כשצומת נופל, זרוע ה-API כשמסלול של ספק נפגע — בלי שאף אחד מהצוותים יכתוב אינטגרציה שנייה. זהו גבול שנמתח כחוק ניתוב, ולא כארכיטקטורה.

איזה אחד

בחרו ב-Intern-S2-397B אם הקלט שלכם הוא מדעי במובן הספציפי שעבורו המודל אומן — עמודי ספרות עתירי תרשימים, מבנים מולקולריים וחומריים, אותות של סדרות עתיות — או אם Apache-2.0 הוא המאפיין המכריע מפני שהנתונים שלכם אינם יכולים לצאת מהתשתית שלכם. תקצבו את החומרה לפני שתקצבו כל דבר אחר, והריצו הערכה משלכם במקום לסמוך על הכרטיס, מפני שאין מספר בלתי־תלוי להישען עליו.

בחרו ב-GPT-6 Astra אם העבודה שלכם היא סוכנית וארוכת-טווח, אם קלט של 922,000 טוקנים בבקשה אחת הוא צורה שאתם באמת מייצרים, או אם אתם זקוקים ללוח תוצאות בלתי תלוי כדי להגן על ההחלטה בפני מישהו אחר. המחיר של 3.26$ למשימת אינדקס שהושלמה הוא הנתון הגבוה ביותר בהשוואה הזו, והוא קונה מודל שפולט כ-60M טוקנים בביצוע העבודה הזו, בעוד שהמודל החציוני פולט 85M — ולכן מחיר לפי טוקן הוא המספר הלא נכון שעל פיו להחליט, ואילו עלות לפי משימה שהושלמה היא המספר הנכון. אל תבחרו בו לתעבורה קצרה בנפח גבוה, ואל תחצו את קו 272,000 הטוקנים בלי להריץ מחדש את מודל העלויות שלכם, משום שהקו הזה מכפיל את תעריף הקלט על כל הבקשה.

השניים אינם תחליפים זה לזה, והסיבה לכך אינה נקודות בנצ'מרק. אחד מהם מקבל טבלה מוקלדת של קריאות חיישנים והשני מקבל עמוד סרוק של מסמך, ואף אחד מהם לא עושה את שניהם טוב מספיק כדי שהאחר יהפוך למיותר. אם העבודה שלך מייצרת את שניהם בדרך כלשהי, אתה כבר יודע איזה צוות בארגון שלך מחזיק באיזה חצי.

שחרור הוא גם הרגע לבדוק מה השתבש קודם: תקריות ה-AI המתועדות וכשלי סוכנים סביב מודלים בקטגוריה הזו מרוכזים בארכיון תקריות ה-AI של OrcaRouter , כאשר כל רשומה נושאת את המקורות שלה, חומרה, דירוג ביטחון ודגל מחלוקת.