GPT-6 Luna נגד GPT-6 Astra: מחיר גבוה פי מאה עבור שש עשרה נקודות מדד

הספק שיחרר את שני הדגמים האלה במהלך אותו חודש. GPT-6 Astraיצא ב-3 בספטמבר 2026 במחיר של 10.00 דולר למיליון טוקני קלט ו-50.00 דולר למיליון טוקני פלט, וממוצב כמערכת היכולתית ביותר של החברה לעבודה מקצועית ארוכת טווח. GPT-6 Lunaהגיע בעקבותיו ב-22 בספטמבר 2026 במחיר של 0.10 ו-0.50 דולר — מאית ממחיר הקלט, מאית ממחיר הפלט — כדרג היעילות של המשפחה. שש עשרה נקודות מדד מפרידות ביניהם בלוח העצמאי שמודד את שניהם. שש עשרה נקודות תמורת מחיר גבוה פי מאה הן כל ההשוואה בשורה אחת, וזה לא החלק המעניין.

החלק המעניין הוא שהמחיר הנקוב של פי מאה מצטמצם למשהו שקרוב יותר לפי ארבעים ושישה ברגע שמביאים בחשבון כיצד כל מודל מתנהג בפועל במשימה, ושהפער שנותר אינו אינטליגנציה כללית כלל. מדובר בשימוש במחשב, באוטונומיה לטווח ארוך ובסיווג בטיחות שקובע אם לארגון שלך מותר בכלל לקרוא למודל. הפריט האחרון הוא היחיד שאף טבלת בנצ'מרקים לא לוכדת, ועבור הרבה צוותים הוא מכריע את השאלה לפני שמזכירים מחיר.

שני דרגים של משפחה אחת, בהפרש של תשעה עשר ימים

Astra היא ספינת הדגל של OpenAI והמודל שהחברה מתארת כחכם והמכוון ביותר בעולם. הוא מקבל קלט של טקסט, תמונה וקובץ, נושא חלון הקשר של 1,050,000 טוקנים עם תקרת פלט של 128,000 טוקנים, ובעל חשיבה פעילה תמידית עם מאמץ ניתן להגדרה מ-low ועד max. זהו המודל הראשון של OpenAI שחוצה את סף היכולת ה-Critical באבטחת סייבר במסגרת ה-Preparedness Framework של החברה, והפריסה נבעה מהסיווג הזה ולא מהיכולת: תחילה ארגונים מוגבלים, גישה ארגונית כבויה כברירת מחדל וניתנת לניהול מ-9 בספטמבר, ולאחר מכן רמות ההגנה מתרחבות.

Luna היא הקצה השני של אותה משפחה. טקסט ותמונה נכנסים, טקסט יוצא, אותו חלון הקשר של 1,050,000 טוקנים ואותה תקרת פלט של 128,000 טוקנים, וסולם הסקה שנע מ-none דרך low, medium, high, xhigh ו-max, כאשר medium הוא ברירת המחדל. אין חסימה, אין מתג ארגוני, ואין דרגת בטיחות שצריך להיות זכאי לה. היא זמינה באופן כללי לכל מי שיש לו מפתח API, והתיאור של OpenAI עצמה הוא צר וכנה: המודל היעיל ביותר למשימות ממוקדות בנפח גבוה.

שני המודלים חולקים חלון הקשר, תקרת פלט, משפחת מועד-חיתוך ידע וסעיף תמחור להקשר ארוך. הם לא חולקים כמעט שום דבר אחר, והסיבה היא שהם נבנו לשני חצאים שונים של אותה משימה.

בכרטיס התעריפים כתוב פי מאה. בעלות המשימה כתוב ארבעים ושש.

שורה אחת לכל מימד, שני הצדדים בכל אחד:

• קלט לכל 1M — GPT-6 Luna ‏$0.10 לעומת GPT-6 Astra ‏$10.00

• פלט לכל 1M — GPT-6 Luna ‏$0.50 לעומת GPT-6 Astra ‏$50.00

• קלט שמור במטמון — GPT-6 Luna $0.01 ל־1M לעומת GPT-6 Astra $1.00 ל־1M, שניהם הנחה של 90% על התעריף שלהם ללא מטמון

• עלות לכל משימת אינדקס — GPT-6 Luna כ-$0.07 לעומת GPT-6 Astra כ-$3.26

עלות הרצת האינדקס המלא — GPT-6 Luna $122.39 לעומת GPT-6 Astra $5,324.10

• מדד AA Intelligence — GPT-6 Luna 37 במאמץ מקסימלי לעומת GPT-6 Astra 53 במאמץ מקסימלי

• אסימוני פלט בהרצת האינדקס — GPT-6 Luna 150M לעומת GPT-6 Astra 60M, מול חציון לוח של 88M

• מהירות פלט — GPT-6 Luna ‏153.9 טוקנים/שנייה לעומת GPT-6 Astra ‏51.4 טוקנים/שנייה ב-xhigh

• זמן עד לאסימון הראשון — GPT-6 Luna מהיר מספיק כדי לשבת מאחורי ממשק אינטראקטיבי לעומת GPT-6 Astra 208.73s ב-xhigh

• מתג כיבוי לחשיבה — GPT-6 Luna מ-none עד max, עם none כאפשרות, לעומת GPT-6 Astra שבו החשיבה תמיד פעילה, ללא מצב ללא חשיבה

• שימוש במחשב ואוטונומיה — קריאה לכלים ולולאות סוכניות של GPT-6 Luna לעומת GPT-6 Astra שנבנתה להפעלת מחשב מקצה לקצה

• גישה — GPT-6 Luna זמין בדרך כלל לכולם לעומת GPT-6 Astra מוגבל בגישה, Enterprise כבוי כברירת מחדל, נדרשות בקרות מנהל

• ב-OrcaRouter — GPT-6 Luna לא נמצא בקטלוג שלנו לעומת GPT-6 Astra שניתן לניתוב במחיר המחירון של OpenAI

קראו את שורת העלות־למשימה אל מול יחס המחירון, והפער מתכווץ ביותר ממחצית. Luna מוציאה 150 מיליון טוקני פלט כדי להשלים את האינדקס; Astra מוציאה 60 מיליון. Astra תמציתית פי שניים וחצי, ובמודל שמתומחר לפי פלט זה שווה הרבה מאוד — זו הסיבה לכך שהפרש של פי מאה במחירון הופך להפרש של פי ארבעים ושש בעלות־משימה, והסיבה לכך שכל השוואה שנשענת על מחירי מדבקה בלבד תגזים פי שניים את הטיעון בעד השכבה הזולה.

שורות המהירות מצביעות לכיוון ההפוך, והפער אינו קטן. לונה מייצרת פי שלושה יותר טוקנים בשנייה מאשר אסטרה, ומחזירה את הטוקן הראשון שלה בזמן שמאפשר למשתמש להמתין. הזמן של אסטרה עד לטוקן הראשון — 208.73 שניות ב-xhigh — אינו נתון השהיה; הוא הצהרה על מה שהמודל נועד לו. שום דבר שאדם צופה בו לא יכול לרוץ על אסטרה בהגדרה הזאת.

מה שש עשרה נקודות בעצם קונות

פער המדד הוא אמיתי, והשאלה המועילה היא מה יש בתוכו, כי התשובה אינה "שישה עשר אחוז יותר אינטליגנציה".

היכולות המפורסמות של Astra מתקבצות במקום מסוים. OpenAI מדווחת על 72.6% ב-OSWorld 2.0 ו-69% ב-AutomationBench-AA — שתי מדידות של מודל שמפעיל תוכנה כפי שאדם עושה, לאורך צעדים רבים, על פני פרק זמן ארוך. בצד הידע, הנתונים הם 96.1 ב-GPQA Diamond, 97.6% ב-FrontierMath Tier 4 ו-57.2% ב-Humanity's Last Exam עם כלים, ושליפה של הקשר ארוך היא חוזקה מודגשת: 100% במבחן שמונת המחטים של OpenAI עצמה בין 256K ל-512K טוקנים, 96.3% בין 512K ל-1M. אלה דיווחי ספק ולא משוחזרים, ומערכת הבדיקה חשובה — אותו מודל משיג 99.9% ב-ARC-AGI-3 תחת מתאם הספק המותאם של OpenAI לעומת 62.7% במערכת הבדיקה הסטנדרטית, שזה פער שאומר לא פחות על מערכת הבדיקה מאשר על המודל.

בקריאה כוללת, זה אינו יתרון לשימוש כללי. זהו יתרון המרוכז במשימות שלוקחות זמן רב, משתמשות במחשב, ויש להן נקודת סיום ניתנת לאימות. המיצוב התחרותי של Astra אינו נגד צ'אטבוט אחר; הוא נגד סשן עבודה, והמודלים שלצידם הוא נמדד בלוח העצמאי הם שאר דגמי הדגל באותה שכבה — הוא משתווה ל-Claude Fable 5.1 בציון 53 במדד Intelligence Index בעלות של כ-40% מהעלות למשימה.

הפער של Luna של שש עשרה נקודות אינו מתחלק אפוא באופן שווה. במשימה קצרה, מוגדרת היטב, הנצרכת על ידי תוכנית, שני המודלים יפיקו לעתים קרובות את אותה תשובה שימושית, וההבדל יהיה בלתי נראה. במשימה שדורשת ארבעים פעולות עוקבות בדפדפן עם נקודת ביקורת בסוף, הפער הוא ההבדל בין השלמה לאי-השלמה — וזו המשימה ש-Astra נבנתה עבורה, בעוד Luna לא.

השער שאיש לא מתמחר

Astra הוא המודל הראשון של OpenAI שחוצה את סף אבטחת הסייבר הקריטי במסגרת ה-Preparedness Framework של החברה, וההשלכה המעשית היא שהוא נשלח כשהוא כבוי עבור חשבונות ארגוניים. מנהל צריך להפעיל אותו, בכפוף למחירון ולהסכם החלים, לפני שמשתמשים רואים אותו בכלל. הגישה נפתחה לקבוצה מוגבלת של ארגונים ב-3 בספטמבר ומשם התרחבה; מנגנוני הניהול הגיעו ב-9 בספטמבר.

ל-Luna אין שום דבר מזה. היא זמינה לכל מי שיש לו מפתח API כבר ביום הראשון, ללא שלב הסמכה, ללא מתג ניהול, וללא דרג הגנה שחוצץ בין מפתח לקריאה ראשונה.

עבור צוות בתעשייה מוסדרת, קבלן ביטחוני, או בכל מקום שבו סקירת אבטחה נמצאת במסלול הרכש, זו ההחלטה כולה. הפרש המחירים פי מאה הוא סעיף תקציבי; שער גישה הוא פרויקט. ולצוות מחוץ למגבלות האלה, השער אינו רלוונטי ו-Astra הוא פשוט מודל יקר עם זמן ארוך באופן חריג עד לאסימון הראשון.

כדאי להוסיף שההגבלה היא עמדה מחושבת ולא אי־נוחות. מודל שמפעיל מחשב באופן אוטונומי ומזהה חולשות היטב הוא מודל שמעבדה צריכה להיזהר מלמסור, וצורת הפריסה נגזרת מממצא היכולת. זה לא מקל על רכישתו, אבל כן אומר שלא סביר שהאילוץ יוקל באמצעות כרטיס תמיכה.

אותו צוק, אותה משפחה, פעמיים

שני המודלים כוללים את אותו סעיף הקשר ארוך, וזה הדבר היקר ביותר לפספס בכל אחד מכרטיסי התעריפים. בקשות החורגות מ-272,000 טוקני קלט מחויבות לפי פי שניים מתעריפי הקלט והמטמון ופי 1.5 מתעריף הפלט — עבור הבקשה כולה, ולא רק החלק שמעל לסף. ב-Astra זה הופך קריאה של $10.00/$50.00 ל-$20.00/$75.00. ב-Luna זה הופך $0.10/$0.50 ל-$0.20/$0.75.

מכיוון שהסעיף הוא פרופורציונלי, הוא אינו משנה את היחס בין שני המודלים — הוא מכפיל את שניהם. מה שהוא כן משנה הוא הגודל המוחלט של הטעות, והטעות סבירה יותר ב-Astra, מכיוון שעומסי העבודה ש-Astra נועד עבורם הם אלה שנושאים הקשר עבודה של מיליון טוקנים. קריאה אחת של Astra עם הקשר ארוך עולה $75 למיליון טוקני פלט; פיצול אותה עבודה לשתי קריאות מתחת ל-272K חוצה אותה ללא שינוי בפרומפט. במודל שכל הצעת הערך שלו היא עבודה באופק ארוך, כדאי להריץ את החשבון הזה לפני קריאת הייצור הראשונה, ולא אחריה.

ההחלטה היא החלטת ניתוב

מה שהופך את הזיווג הזה ליוצא דופן מבין ההשוואות בבלוג הזה הוא ששני המודלים שייכים לאותו ספק, פועלים תחת אותו חשבון, ומגיעים אליהם דרך אותה נקודת קצה. אין חוזה שני לחתום עליו ואין SDK שני ללמוד. הבחירה ביניהם אינה החלטת רכש בכלל — היא החלטת ניתוב, ורוב הצוותים צריכים לקבל אותה בכל בקשה ולא רק פעם אחת.

צורת הפיצול ברורה למדי. Luna משמשת לאלף הקריאות הקטנות שסוכן מבצע בדרך למשימה: סיווג, חילוץ, בחירת כלים, סיכום של תוצאת ביניים. Astra משמשת למשימה עצמה, פעם אחת, בסוף, כשהתשובה היא התוצר. זהו צינור דו-שכבתי בתוך יישום אחד, וההבדל בעלויות בין הרצת כל הדבר על Astra לבין הרצת הלולאה הפנימית על Luna הוא ההבדל בין כלכלת יחידה ישימה לבין כזו שאינה ישימה.

GPT-6 Astra זמין ב-OrcaRouter במחיר המחירון של OpenAI, במסגרת תמחור pass-through המשמעות היא ששינוי תעריף של OpenAI נכנס לתוקף אצלנו באותו היום. GPT-6 Luna אינו בקטלוג שלנו נכון לכתיבת שורות אלה, והוא נגיש דרך ה-API של OpenAI עצמה, כך שצוות שרוצה את שניהם מפעיל מפתח אחד עבור GPT-6 Astra לצד מה שהוא כבר משתמש בו עבור OpenAI. זהו גם הצימוד שבו מיזוג מודלים מוכיח את ערכו: פאנל של מודל זול בעל תפוקה גבוהה ומודל יקר וקפדני שעונים יחד, כשהחבר הזול עושה את עיקר העבודה והחבר היקר מכריע, הוא תצורה ששכבת הניתוב יכולה לבטא בלי שהאפליקציה תדע שאף אחד מהמודלים קיים.

איזה מהם, ומתי

בחר ב-GPT-6 Luna אלא אם יש לך סיבה ספציפית שלא לעשות כן. הוא עולה מאית מהמחיר שבמחירון, ואחד חלקי ארבעים ושש מהמחיר לכל משימה שהושלמה, הוא מהיר פי שלושה, הטוקן הראשון שלו מגיע בזמן שמשתמש יכול לחכות לו, וניתן להורות לו להפסיק את החשיבה כליל — וזה מה שהופך אותו לשמיש כמסווג. הגדר את פרמטר המאמץ במפורש, משום שברירת המחדל היא medium והמספר הכותרתי 37 הוא מספר של מאמץ מרבי. השאר קריאות ארוכות מתחת ל-272,000 טוקני קלט. בדוק את הרגרסיה של שתי נקודות ב-Coding Agent Index מול ההערכה שלך, ולא מול תרשים של ספק.

קחו את GPT-6 Astra כשהמשימה היא הארוכה והתשובה היא התוצר. שימוש במחשב לאורך צעדים רבים, ניתוח מקצועי עם נקודת סיום ניתנת לאימות, כל דבר שבו שש עשרה נקודות מדד הן ההבדל בין לסיים לבין לעצור בשקט. השלימו עם הזמן עד לטוקן הראשון — 208 שניות ב-xhigh הוא לא נתון שאפשר לשים מאחוריו אדם — והשלימו עם שער הרכש אם לארגון שלכם יש כזה. ואז הריצו את כל מה שמוביל לאותה משימה בשכבה הזולה, כי הלולאה הפנימית היא המקום שבו הולך הכסף.

הטעות שהשוואה הזו מזמינה היא להתייחס לכך כאל בחירה בין שני מודלים. זוהי בחירה לגבי היכן בצנרת עיבוד כל אחד מהם יושב, והתשובה היא כמעט תמיד שניהם.