GPT-6 Astra vs Grok 4.6: Seri Indeks Terpecahkan, dan Selisih Harga Bergantung pada Tingkat

GPT-6 Astra dan Grok 4.6 imbang di satu-satunya papan skor independen yang memeringkat keduanya saat halaman ini pertama kali tayang pada 4 September 2026. Itulah kalimat yang harus ditarik kembali oleh halaman ini. Dibaca terhadap Artificial Analysis Intelligence Index sebagaimana berlaku pada 16 September 2026 — versi v4.3, sepuluh evaluasi — GPT-6 Astra (max) berada di 53 dan Grok 4.6 (high) di 44, yang sebelumnya seri. Koreksi lainnya adalah yang ada di judul yang Anda klik. Daftar harga OpenAI, yang dibaca pada hari yang sama, mencantumkan GPT-6 Astra pada $10,00 per juta token masukan, $1,00 per juta token masukan yang di-cache, dan $50,00 per juta token keluaran; daftar xAI mencantumkan Grok 4.6 pada $2,00, $0,50, dan $6,00. Dibandingkan masukan standar, itu lima kali. Dibandingkan keluaran, itu 8,3 kali. Dibandingkan masukan yang di-cache — jalur yang sebenarnya paling banyak ditagihkan untuk lalu lintas produksi — itu dua kali. Tidak ada pengali tunggal, dan versi halaman ini yang mengklaim adanya satu pengali sedang membulatkan daftar tarif empat baris menjadi slogan. Ini penyegaran, bukan peluncuran: GPT-6 Astra adalah model unggulan OpenAI sejak 3 September 2026 dan Grok 4.6 adalah model unggulan xAI sejak 12 Agustus 2026. Yang berubah sejak itu adalah pengukuran, ketersediaan, dan aritmetikanya.

Penggandanya tidak pernah berupa satu angka

Mulailah dengan dua kartu tarif seperti yang diterbitkan vendor mereka pada 16 September 2026, karena semua yang di hilir mewarisi bentuk tingkatannya. OpenAI mendokumentasikan GPT-6 Astra pada $10,00 per 1 juta token input, $1,00 per 1 juta input cache, $12,50 per 1 juta penulisan cache dan $50,00 per 1 juta output, dan membagi kartu tersebut menjadi kolom konteks pendek dan konteks panjang; melewati ambang konteks panjang — 272.000 token input berdasarkan angka yang dilaporkan untuk kartu ini — seluruh permintaan dihargai ulang menjadi $20,00 input, $2,00 cache, dan $75,00 output. Batch dan Flex ditagih setengah dari tarif standar, mode Fast dua kali lipat. xAI mendokumentasikan Grok 4.6 pada $2,00 per 1 juta input, $0,50 cache dan $6,00 output terhadap jendela konteks 500.000 token, dan begitu permintaan mencapai 200.000 token prompt, seluruh permintaan ditagih pada $4,00 input, $1,00 cache, dan $12,00 output. Itu adalah kartu tarif vendor, bukan pengukuran.

Letakkan keduanya berdampingan dan kelipatan judul lama akan terurai. Input standar: $10,00 versus $2,00, lima kali. Output: $50,00 versus $6,00, 8,3 kali. Input cache: $1,00 versus $0,50, dua kali. Input konteks panjang: $20,00 versus $4,00, lima kali lagi — tetapi output konteks panjang adalah $75,00 versus $12,00, atau 6,25 kali. Angka lima dalam judul lama itu bukan hasil karangan. Itu adalah satu baris dari kartu empat baris yang berbalut slogan, dan baris mana yang Anda kutip mengubah jawabannya dengan faktor empat. Siapa pun yang memberi Anda satu angka untuk perbandingan ini sedang memilih tier dan tidak memberi tahu Anda tier yang mana.

Ada alasan kedua mengapa aritmetika per token kurang menggambarkan pasangan ini, dan hal itu justru berlawanan arah. Kedua model tidak menghabiskan jumlah token yang sama untuk menyelesaikan pekerjaan yang sama, dan pada ukuran biaya per tugas Artificial Analysis — biaya rata-rata tertimbang untuk menjalankan evaluasi Intelligence Index-nya — model yang mahal per token justru lebih murah per pekerjaan yang diselesaikan, setelah Anda menyamakan pengaturan upaya. Berdasarkan data model AA sendiri pada 16 September 2026, GPT-6 Astra pada upaya tinggi menghasilkan $1.72 per tugas indeks dibandingkan Grok 4.6 pada upaya tinggi sebesar $1.86. Alasannya terletak pada jumlah token di catatan yang sama: Astra membakar 60 juta token output untuk menjalankan indeks penuh, dibandingkan 94 juta milik Grok 4.6, dan 27 ribu token output per tugas dibandingkan 36 ribu. Tarif input lima kali lipat, dengan pengeluaran token sekitar dua pertiga, membuatnya sedikit lebih unggul.

Pasangan judul di halaman perbandingan milik AA sendiri mengatakan hal yang berbeda, dan keduanya benar. Halaman AA menampilkan GPT-6 Astra pada max — $3.26 per tugas, 53 pada indeks — disandingkan dengan Grok 4.6 pada high, $1.86 dan 44. Dibaca begitu, premi itu tampak tidak memberi apa pun dari sisi biaya. Dibaca pada upaya high yang setara, Astra bernilai 51 pada indeks melawan 44 dan sepuluh sen lebih murah per tugas. Angka mana yang masuk ke anggaran Anda sepenuhnya bergantung pada apakah Anda berniat menjalankan Astra pada max atau pada high, dan halaman AA tidak membuat Anda harus memilih. Itu kegagalan yang sama seperti pengali tunggal pada judul lama, satu tingkat lebih dalam.

Seri indeks telah hilang, dan pembacaan yang jujur lebih sempit daripada yang terlihat.

Ketika halaman ini pertama kali ditulis, kedua model berada di 61 pada Artificial Analysis Intelligence Index dan seluruh artikel berpusat pada harga. Temuan itu tidak lagi tereproduksi. Pada papan yang dibaca pada 16 September 2026, GPT-6 Astra (max) berada di 53 dan Grok 4.6 (high) di 44. Kedua model menerbitkan tangga upaya lengkap, dan tangga itu lebih penting daripada satu baris yang dicetak AA di halaman perbandingannya: dari data model AA sendiri, GPT-6 Astra mencakup 53 (max), 53 (xhigh), 51 (high), 50 (medium), 46 (low), dan Grok 4.6 mencakup 44 (high), 44 (xhigh), 43 (medium), 35 (low). Pada setelan yang paling mendekati, high melawan high, selisihnya tujuh poin.

Ada dua peringatan yang patut disampaikan sekaligus. Pertama, indeks ini dipotong ulang: versi yang aktif sekarang adalah v4.3, dibangun dari sepuluh evaluasi — AA-Briefcase, GDPval-AA v2, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience dan AA-LCR v1.1 — pada populasi model yang berbeda daripada papan awal September. Sebagian dari munculnya selisih sembilan poin adalah kalibrasi ulang, bukan karena salah satu lab merilis sesuatu yang baru, dan pembaca yang membandingkan halaman ini dengan halaman sebelumnya sedang membandingkan dua penggaris yang berbeda. Kedua, kedua entri tersebut bukan pengaturan upaya yang setara: perbandingan AA memasangkan max milik Astra dengan high milik Grok 4.6, dan perbandingan max versus high bukan perbandingan setara. Pembacaan yang aman atas rentang sembilan poin pada indeks yang menggabungkan sepuluh evaluasi adalah pemisahan yang nyata tetapi moderat, bukan kemenangan telak — beberapa model berkerumun dalam rentang beberapa poin di kedua sisi keduanya. Apa yang bisa dikatakan justru kebalikan dari apa yang dulu dikatakan halaman ini: di papan skor independen, keduanya tidak lagi bisa saling dipertukarkan, dan yang lebih mahal unggul.

Kecepatan, yang pada versi sebelumnya halaman ini harus dibiarkan kosong untuk Astra, kini telah diukur — dan angka latensinya adalah bagian yang lebih mencolok. Artificial Analysis mencatat waktu GPT-6 Astra (max) pada 52,9 token keluaran per detik dibandingkan Grok 4.6 (high) pada 57,7, selisih yang bisa Anda rasakan pada generasi panjang dan bukan selisih yang seharusnya mengubah keputusan perutean. Waktu ke token pertama adalah cerita yang berbeda: 334,04 detik untuk Astra dibandingkan 38,63 untuk Grok 4.6, dan waktu respons end-to-end 343,48 detik dibandingkan 47,31. Astra berpikir selama beberapa menit sebelum menjawab. Untuk pekerjaan batch dan agen semalaman, itu tidak terlihat; untuk apa pun yang interaktif, itu angka yang menentukan, dan itu tidak tercantum di kedua daftar tarif.

Lembar tolok ukur milik Astra sendiri, dan siapa yang diizinkan mengatakan apa

Angka-angka utama OpenAI untuk GPT-6 Astra, semuanya dilaporkan vendor dan tidak ada yang direproduksi di sini: 98% pada FrontierMath Tier 4, 100% pada ExploitBench — dibandingkan dengan 78,5% untuk produk andalan OpenAI sebelumnya, GPT-5.6 Sol — dan 99,9% pada ARC-AGI-3. Inilah angka-angka yang diulang oleh liputan peluncuran, dan dua di antaranya seharusnya lebih pantas disikapi dengan skeptisisme daripada yang mereka dapatkan.

ARC-AGI-3 lebih dulu. Angka 99,9% berasal dari harness adaptor penyedia milik OpenAI. ARC Prize, yang menjalankan benchmark tersebut, secara terpisah mengukur 62,7% untuk model yang sama di bawah harness Standard yang netral terhadap penyedia, dengan biaya $26.098 untuk eksekusi tersebut. Catatan ARC Prize sendiri adalah bahwa adaptor mempertahankan status penalaran OpenAI di antara permintaan, sehingga kedua angka tersebut mengukur hal yang berbeda dan tidak boleh pernah dikutip seolah-olah keduanya merupakan pengukuran yang sama. Besarnya perbedaan tersebut menyampaikan intinya lebih baik daripada argumen apa pun: Astra pada penalaran "none" di bawah adaptor memperoleh skor 96,7%, sekitar 34 poin di atas skor penalaran maksimalnya sendiri di bawah harness Standard. Angka kedua adalah harness yang melakukan pekerjaan yang tidak dilakukan oleh model.

FrontierMath Tier 4 adalah yang lainnya. Angka 98% itu adalah laporan OpenAI sendiri tentang benchmark yang pengembangannya didanai OpenAI; setidaknya satu tabel perbandingan dari minggu peluncuran mencantumkan 97,6% untuk hasil yang sama. Perlakukan keduanya sebagai laporan vendor dan tidak satu pun sebagai sudah pasti.

Apa yang bertahan dari argumen harness patut dipertahankan. ARC Prize juga menemukan bahwa Astra menggunakan lebih sedikit aksi daripada median manusia yang diuji pada 96% level yang diselesaikannya, dengan rata-rata 51,7% lebih sedikit aksi per level dibandingkan baseline manusia yang diambil dari sekitar 500 peserta — hasil efisiensi yang tidak bergantung pada adapter. Dan ARC Prize menyatakan dengan gamblang bahwa pihaknya tidak mengklaim Astra adalah AGI: lingkungannya terbatas dan deterministik, dan membuat sebuah benchmark menjadi jenuh bukanlah bukti kemampuan umum. Di sisi pengodean independen, DeepSWE v1.1 milik Datacurve — 113 tugas di 91 repositori sumber terbuka aktif — mencantumkan GPT-6 Astra pada 74,1%. Itu adalah hasil yang kuat, bukan hasil yang terpisah; puncak papan itu adalah sebuah kluster, dan papan yang entri-entri teratasnya hanya berjarak beberapa poin satu sama lain adalah papan yang sama banyak berbicara tentang ketidakpastian seperti tentang kemampuan. Tidak ada angka Grok 4.6 pada pengaturan yang sebanding yang diterbitkan di sana pada saat penulisan, jadi dimensi ini hanya memiliki satu sisi.

Dua cara kerja, dan perbedaan nyata dalam kontrol.

Bahkan ketika skornya berdekatan, keduanya tidak sepakat tentang cara Anda mengarahkannya. Grok 4.6 adalah satu model kuat dengan dial upaya penalaran yang eksplisit; Anda menentukan seberapa banyak pemikiran yang layak diberikan pada sebuah permintaan dan Anda membayar tarif tetap untuk itu. GPT-6 Astra berjalan lebih lama sendiri dan dirancang untuk berhenti sejenak guna ditinjau sebelum berkomitmen. Ini juga merupakan model Open​AI pertama yang dinilai perusahaan sebagai "critical" di bawah Preparedness Framework untuk risiko keamanan siber — penilaian mandiri vendor, bukan temuan eksternal — dan Open​AI sendiri mengakui bahwa kemampuan pemantauannya telah menurun dibandingkan dengan model unggulan sebelumnya, itulah sebabnya pengaturan paling permisif dibatasi hanya untuk mitra yang telah diverifikasi alih-alih dijual secara terbuka. Bagi tim keamanan, pembatasan itu adalah fitur. Bagi pengembang yang menginginkan keluaran deterministik dan dapat diarahkan dalam tenggat waktu, itu adalah hambatan yang Anda bayar dengan harga premium untuk mendapatkannya.

Papan skor, berlabel

• Kecerdasan (independen) — upaya yang setara, tinggi lawan tinggi: GPT-6 Astra 51, Grok 4.6 44. Saat halaman perbandingan AA memasangkannya, Astra (maks) 53 melawan Grok 4.6 (tinggi) 44. Indeks Kecerdasan Artificial Analysis v4.3, dibaca 16 September 2026. Tidak sejajar; besarnya selisih bergantung pada pasangannya.

• Harga daftar, tier standar (kartu tarif vendor, dibaca 16 September 2026) — GPT-6 Astra $10.00 masuk / $50.00 keluar / $1.00 di-cache per 1J. Grok 4.6 $2.00 masuk / $6.00 keluar / $0.50 di-cache per 1J. Lima kali pada input, 8,3 kali pada output, dua kali pada input yang di-cache.

• Harga daftar, konteks panjang (kartu yang sama, tanggal yang sama) — GPT-6 Astra: seluruh permintaan dihitung ulang setelah melewati ambang batas konteks panjang pada $20.00 / $2.00 / $75.00. Grok 4.6: seluruh permintaan dihitung ulang pada 200K token prompt menjadi $4.00 / $1.00 / $12.00.

• Biaya per tugas (independen) — upaya yang setara, tinggi melawan tinggi: GPT-6 Astra $1,72 per tugas Intelligence Index, Grok 4.6 $1,86. Seperti yang dipasangkan oleh halaman perbandingan AA, Astra (max) $3,26 melawan Grok 4.6 (high) $1,86. Artificial Analysis, dibaca 16 September 2026.

• Latensi (independen) — GPT-6 Astra: 334,04 detik hingga token pertama, 343,48 detik dari awal hingga akhir. Grok 4.6: 38,63 detik dan 47,31 detik. Artificial Analysis, dibaca 16 September 2026. Selisih terlebar di halaman ini. Daftar OrcaRouter sendiri untuk model yang sama mencatat p50 waktu ke token pertama 6,71 detik dan p95 10,00 detik selama tujuh hari, yang mengukur titik berbeda dalam respons dan tidak sebanding dengan angka AA — jangan menempatkan keduanya dalam satu kalimat seolah-olah keduanya sebanding.

• Kecepatan (independen) — GPT-6 Astra 52,9 token keluaran/dtk pada maks. Grok 4.6 57,7 token/dtk pada tinggi. Artificial Analysis, dibaca 16 September 2026.

• Pengodean agentik (independen) — GPT-6 Astra 74,1% pada DeepSWE v1.1 milik Datacurve. Tidak ada uji coba Grok 4.6 yang sebanding yang dipublikasikan di papan yang sama pada saat penulisan ini, jadi dimensi ini hanya memiliki satu sisi.

• Siber dan penalaran (dilaporkan vendor) — GPT-6 Astra: FrontierMath Tier 4 98%, ExploitBench 100%, ARC-AGI-3 99,9% pada adaptor penyedia Open​AI, dibandingkan dengan 62,7% yang diukur secara independen oleh ARC Prize pada Standard harness-nya. Dilaporkan oleh Open​AI; tidak direproduksi di sini.

• Akses hari ini — kedua model dapat dipanggil melalui OrcaRouter dengan satu kunci. Tarif yang tercantum di router, dibaca 16 September 2026: GPT-6 Astra seharga $10,00 / $50,00 per 1 juta dengan konteks 1,05 juta token, Grok 4.6 seharga $2,00 / $6,00 per 1 juta dengan konteks 500 ribu token.

Satu catatan tentang grafik di halaman ini, karena grafik-grafik itu memuat angka yang dikualifikasi oleh teks. Kartu hero dan papan skor menampilkan pasangan yang sama yang dijadikan utama oleh Artificial Analysis — GPT-6 Astra pada pengaturan penalaran max-nya melawan Grok 4.6 pada high — sehingga baris kecerdasan di papan skor menunjukkan skor upaya max, sementara baris biayanya menunjukkan biaya upaya high. Kedua angka itu milik AA, keduanya terkini, dan keduanya tidak berasal dari pengaturan upaya yang sama. Teks di atas memberikan pasangan dengan upaya yang setara di mana pun perbedaannya penting. Versi sebelumnya dari halaman ini memuat empat grafik yang dibuat berdasarkan pembacaan indeks 61-versus-61; grafik-grafik itu telah diganti, bukan diberi anotasi, karena kartu hero yang menegaskan klaim yang ditarik kembali oleh artikel lebih buruk daripada tidak ada kartu hero sama sekali.

Ketersediaan berubah, dan itu mengubah jawaban routing

Versi pertama halaman ini harus melaporkan bahwa GPT-6 Astra tidak ada di OrcaRouter dan Grok 4.6 ada. Keduanya kini ada di katalog — GPT-6 Astra dengan id model openai/gpt-6-astra dengan tarif daftar Open​AI, Grok 4.6 dengan grok/grok-4.6 pada tarif x​AI. Tarif yang tercantum di OrcaRouter, dibaca 16 September 2026. Endpoint Astra juga bukan entri katalog: pencatatan yang sama mencatat 180,7 juta token lalu lintas selama tujuh hari sebelumnya, tercantum di router, dibaca pada hari yang sama.

Itu penting khusus untuk perbandingan ini, karena kedua kartu memiliki bentuk tier yang berbeda. Router yang menagih harga daftar penyedia dengan markup 0% menerapkan tier mana pun yang benar-benar dimasuki permintaan: panggilan Astra yang tetap berada di bawah ambang konteks panjang tidak dihargai ulang oleh pihak kami, dan panggilan Grok 4.6 yang melewati 200K dihargai ulang oleh aturan xAI, bukan aturan kami. Setiap tarif di sisi kami diteruskan dengan markup 0% — angka vendor adalah angka yang Anda bayar, dan ketika vendor mengubahnya, perubahan itu langsung berlaku pada kunci yang sama pada hari yang sama. Dengan kedua model pada satu kunci, membagi beban kerja di antara keduanya, Astra untuk pekerjaan otonom yang sulit dan Grok 4.6 menangani volume, adalah perubahan perutean alih-alih kontrak kedua; failover otomatis berarti batas laju pada satu jalur menjadi peristiwa perutean alih-alih gangguan; dan DSL perutean memungkinkan Anda menyusun keduanya menjadi satu panggilan ketika Anda ingin model murah membuat draf dan model mahal memeriksa.

Siapa yang harus membayar premi?

Beli GPT-6 Astra jika pekerjaan Anda berada di rentang tempat model ini sekarang terukur lebih unggul. Indeks independen memisahkannya dari Grok 4.6 pada pengaturan yang dipublikasikan AA, hasil DeepSWE v1.1-nya adalah angka independen yang nyata, dan lembar benchmark milik vendor sendiri benar-benar frontier setelah kaveat harness disertakan. Susun anggaran per tugas, bukan per token, dan awasi ambang konteks panjang, yaitu titik ketika satu permintaan berhenti menjadi panggilan mahal dan menjadi panggilan yang sangat mahal. Beli Grok 4.6 jika Anda menginginkan penalaran yang berdekatan dengan frontier pada tarif yang tetap bertahan dalam anggaran nyata, plus output terukur yang lebih cepat di antara keduanya dan struktur harga dengan satu jurang alih-alih dua.

Ringkasan yang telah dikoreksi untuk perbandingan ini bukanlah bahwa selisih lima kali lipat tidak membeli apa pun, dan bukan pula bahwa keduanya setara. Melainkan bahwa selisih itu nyata di setiap tingkat dan rasionya bergantung pada tingkat yang Anda baca; bahwa selisih kinerjanya kini juga nyata; dan bahwa keduanya menunjuk ke arah yang sama — yang merupakan kebalikan dari apa yang dikatakan halaman ini pada 4 September 2026, dan alasan yang lebih baik untuk memilih di antara keduanya daripada slogan tentang kelipatan.