
GPT-6.2 Astra vs GPT-6.2 Sol: due demo Mech, una delusione
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token · 189 tok/s
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token · 229 tok/s
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 87 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 97 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 89 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 133 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 118 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 93 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
Il post di lancio di OpenAI per GPT-6.2 Astra e GPT-6.2 Sol contiene una promessa circoscritta e verificabile: la coppia "scrive codice più pulito e crea frontend che appaiono e funzionano meglio, in particolare per siti web, gaming e progettazione 3D". È il tipo di affermazione che una scheda tecnica non può risolvere e che un benchmark può solo approssimare, quindi due giorni dopo l'uscita esiste esattamente un confronto diretto pubblicato e riproducibile — il prompt Yonkers di Simon Willison, eseguito su entrambi i modelli con sforzo Ultra nella Codex CLI, con entrambi gli output lasciati online perché chiunque possa aprirli. Il suo verdetto è la prima riga della storia: "Nessuno dei due ha fatto un lavoro abbastanza buono nel trasformare Yonkers in un grande mech."
Ciò che rende il test degno di un articolo non è che due modelli non siano stati all'altezza. È che non lo siano stati in modi diversi, in codice che puoi leggere, e che quello che non è stato all'altezza in modo più costoso fosse quello abbastanza buono da montare il video di confronto successivamente. Se stai per spendere una settimana di finestra di contesto sulla generazione frontend, la differenza tra un bundle da 568 KB e quattro moduli scritti a mano è la differenza tra una demo che puoi distribuire e una che devi riscrivere.
Ciò che OpenAI dice che la coppia possa costruire
La tesi è sufficientemente specifica da poter essere verificata. Il post di OpenAI descrive entrambi i modelli mentre trasformano «un brief scritto in un'esperienza interattiva nel browser, da un tavolo da pinball a cui puoi giocare a una ricreazione del Colosseo che puoi esplorare da diverse angolazioni», e rimanda all'AA-3D di Artificial Analysis, dove giudici umani vedono due esperienze in cieco costruite dallo stesso prompt e votano quella che preferiscono. In quella classifica GPT-6.2 Astra è al primo posto con 1.318 Elo, davanti a Claude Fable 5.2 con 1.271 e a GPT-6.2 Sol con 1.259.
Leggi il divario di 59 punti tra i due modelli OpenAI e concluderesti che Astra è sensibilmente migliore in 3D. Leggi i numeri assoluti e scopri qualcosa che la classifica nasconde: la board confronta sempre e solo due tentativi sullo stesso prompt, quindi può dirti quale dei due sembra migliore senza dire nulla su se uno dei due sia buono. Un test di preferenza in cieco tra due mech incompiuti restituisce comunque un vincitore.
La documentazione aggiunge un'avvertenza che suona come una scusa da parte del team di prompt engineering. Nelle note di migrazione per GPT-6.2, OpenAI afferma che entrambi i modelli sono più concisi e più diretti di GPT-6 Astra, che possono proporre un passaggio e attendere quando l'intento non è chiaro, e — la riga che conta per questo pezzo — che il lavoro frontend ora richiede indicazioni esplicite su immagini e tipografia. Le indicazioni che non hai scritto sono indicazioni che il modello inventa. Il prompt di Yonkers non contiene alcuna direzione artistica, ed è proprio per questo che è un test equo dei due modelli e un test leggermente iniquo per entrambi.
Un prompt, due demo pubblicate
Il prompt è una sola frase: "Crea un'animazione three.js in cui Yonkers si alza in piedi come un grande mech (con una bella animazione di alzata) e calpesta Manhattan, Queens e Brooklyn, usando i dati cartografici di OpenStreetMap". Entrambe le esecuzioni hanno usato lo sforzo Ultra nella Codex CLI. Entrambi i risultati sono ancora online, ed entrambi si aprono in una scena WebGL funzionante con una vera camera, una vera città low-poly e un vero percorso — il che è già più di quanto la maggior parte delle richieste three.js riesca a produrre al primo tentativo.
Nessuno dei due è un lavoro finito. Il confronto di Willison è con le build di Claude Fable 5.2 e Gemini 4 Carbon dello stesso brief, e il suo giudizio è che entrambi i tentativi di GPT-6.2 perdono su quella che era la richiesta effettiva del prompt: la transizione dalla città al mech in piedi. Il movimento di alzata è la demo, e nessuno dei due modelli lo ha davvero animato.
• Bundle — GPT-6.2 Astra include una singola build Vite da 568.418 byte più 8.075 byte di CSS, mentre GPT-6.2 Sol include un main.js da 17.094 byte che importa city.js, mech.js ed effects.js, con three.js servito localmente a 658.900 byte
• Cronologia — Astra esegue una sequenza di 96 secondi su uno scrubber da 0–960, mentre Sol ne esegue una di 48 secondi, con la camminata che inizia a 6,25 s e l'ultimo passo a 44,5 s
• Capitoli — quattro ciascuno: Astra li numera con un contatore di sequenza che riporta "01 / 04", mentre Sol li chiama Yonkers, Manhattan, Queens e Brooklyn, a partire da 0, 17,6, 30,2 e 38 secondi
• Camera — Astra alterna tra una vista "track" e una "atlas", mentre Sol ha un interruttore orbita associato a O
• Telemetria — Astra stampa un riepilogo dell'azione che riporta "Rising" e coordinate "40.9310° N 73.8987° W" rispetto a Sol su una tela radar 184×138 a "40.93° N · 73.90° W"
• Attribuzione — entrambi citano OpenFreeMap, OpenMapTiles e © OpenStreetMap contributors nel piè di pagina, l'unico requisito del brief che nessuno dei due modelli ha omesso
• Costo dell'esecuzione — con lo sforzo massimo, il pellicano SVG standard di Willison è costato 88,71¢ su Astra contro 13,69¢ su Sol, un rapporto che si mantiene a ogni livello di sforzo da lui misurato

Astra: un unico bundle da 568 KB, UI scriptata
La build di Astra si intitola "Stride Atlas — Yonkers Rising" e si comporta come una presentazione: una testata con il marchio e uno stato "Sistema online", un interruttore audio, un pulsante per lo schermo intero e un canvas la cui etichetta accessibile promette "Città tridimensionale e mech animato. Trascina per ruotare e scorri per ingrandire." Sotto, un occhiello che recita "Simulazione mech / 001", un titolo che recita "Yonkers Rising." e un sottotitolo che recita "Area metropolitana di New York".
La maestria sta nella strumentazione. C'è un pannello di telemetria con un indicatore di azione che dice «In salita» e coordinate in tempo reale, una tela riquadrata con la panoramica del percorso etichettata 10 km, e una console di trasporto con un contatore di sequenza, pulsanti play e restart, un orologio, un intervallo di scorrimento da 0 a 960 e un tempo finale di 01:36. Sono 96 secondi di sequenza autoriale, e uno scrubber così lungo non è un caso: è la decisione che la demo è un film e che la macchina da presa è la regista.
Arriva anche come un unico artefatto in bundle. Tutto quanto sopra è compilato in un unico output Vite da 568.418 byte e un unico foglio di stile da 8.075 byte, con la stringa chapters e un stompProgramCache che sopravvivono alla minificazione perché i dati della sequenza sono reali. Per una demo, un bundle è la scelta giusta: un file da ospitare, una voce in cache, nessun grafo di importazioni da rompere. Per una base di codice che devi estendere, è un muro da 568 KB.

Sol: quattro moduli, un three.js locale
La build di Sol si intitola "Yonkers Protocol | Una simulazione mech di New York" e la sua meta description nomina esplicitamente la tecnologia: "Un'animazione cinematografica Three.js di un mech grande quanto una città che si erge a Yonkers e marcia attraverso Manhattan, Queens e Brooklyn." La pagina è presentata con un brand "METRO CONTROL / NEW YORK, NY", un chip "TERRENO OPENSTREETMAP", un interruttore per la vista orbitale, un interruttore audio e una viewport etichettata "simulazione Yonkers Protocol".
Dove Astra ha scritto la sceneggiatura di un film, Sol ha costruito una sala di controllo. C'è un indicatore di settore su "01 / 04 YONKERS", un pulsante "Avvia sequenza" con un suggerimento SPACE, un canvas radar da 184×138, quattro pulsanti di fase — Yonkers / Risveglio, Manhattan / Direzione sud, Queens / East River, Brooklyn / Avvicinamento finale — e un suggerimento trascina per orbitare, scorri per lo zoom. Il testo è la parte più sicura di entrambe le pagine: "Guarda Yonkers sorgere dal lungomare dell'Hudson e avanzare attraverso Manhattan, Queens e Brooklyn."
Il codice è la parte interessante. Sol ha saltato del tutto il bundler e ha usato una import map che fa puntare three a una copia locale della build del modulo, poi ha suddiviso il lavoro a mano: city.js a 9.603 byte, mech.js a 25.511, effects.js a 12.119. main.js contiene la direzione — una durata di 48 secondi, la camminata che inizia a 6,25 s, l'ultimo passo a 44,5 s, sedici punti di controllo di longitudine e latitudine da Yonkers fino a Brooklyn, e una THREE.CatmullRomCurve3 che li attraversa con arcLengthDivisions impostato a 1.000, così il mech cammina a un ritmo costante invece di accelerare nelle curve strette. Quell'ultima impostazione è il tipo di dettaglio che scrivi solo se hai visto un personaggio avanzare a scatti.
Nessuno dei due approcci è sbagliato. Astra ha puntato su qualcosa che si carica, Sol su qualcosa che puoi aprire e modificare — e la suddivisione dei file ti dice che Sol aveva capito che una demo 3D è un grafo di scena, un attore e una serie di effetti, e che questi vanno in file diversi.

Il morph che entrambe le demo hanno tralasciato
Ecco la parte che nessuna quantità di rifinitura dell'interfaccia riesce a coprire. Il prompt chiede che Yonkers si alzi in piedi come un grande mech — una trasformazione, con un isolato che diventa un corpo. Nessuna delle due build restituisce quella transizione in modo convincente, e Willison lo dice apertamente, classificando entrambe dietro la versione di Claude Fable 5.2 e quella di Gemini 4 Carbon.
Questa è la lettura onesta di un punteggio Elo di 1.318. Artificial Analysis ha misurato Astra davanti a Sol, e la demo concorda: quella di Astra è la pagina più rifinita. Ma la classifica risponde a «quale di questi due è migliore», mentre la domanda che un lettore ha davvero è «è abbastanza buono da usare», e su questo la risposta dell'unico confronto affiancato pubblicato è no. Un test di preferenza tra due modelli che hanno entrambi mancato il morph produrrà comunque una classifica, e la classifica sarà comunque riportata come un vantaggio di capacità.
L'altra metà della storia frontend del lancio è la comunicazione, e neanche questa è lusinghiera. Willison cita la lettera di feedback pre-rilascio di Theo Browne, che descrive un modello capace di gestire bene i sottoagenti su compiti lunghi e che poi si blocca su una questione di implementazione interna a cui nessun umano saprebbe rispondere — il suo esempio è un agente che, due ore dopo l'inizio di un progetto, si ferma per chiedere se un revisore scrive le sue clip su un nome file o su un altro. La stessa nota di migrazione di OpenAI secondo cui il modello "può proporre un passaggio e attendere quando l'intento non è chiaro" descrive lo stesso comportamento dall'interno, e si tratta di un costo reale: un agente che aspetta un input che non puoi fornire è un agente che si è fermato.
Cosa significa il gap per la tua build
Se il lavoro è una demo 3D o frontend, la differenza pratica tra i due modelli non sta nei 59 Elo. È che Astra ti consegnerà un artefatto dall'aspetto finito e Sol ti consegnerà un repository. Scegli Astra quando il risultato da consegnare è un link che invii a qualcuno; scegli Sol quando il risultato da consegnare è codice che qualcun altro dovrà modificare lunedì.
Valuta la scelta sullo stesso asse. GPT-6.2 Astra costa $8 per milione di token in input e $40 per milione in output, con input in cache a $0,40 e scritture in cache a $10. GPT-6.2 Sol costa $2, $10, $0,10 e $2,50 — un quarto della tariffa per token su ogni voce. Entrambi hanno una finestra di contesto di 1.050.000 token con un massimo di 922.000 token in input e 128.000 in output, entrambi rifiutano reasoning_effort: "none", ed entrambi raddoppiano l'input e l'input in cache oltre 272.000 token per richiesta, addebitando l'output a 1,5×. Batch viene fatturato al 50% dello standard, la modalità Fast al doppio e Ultrafast a tre volte fino al 28 febbraio 2027 e a sei volte dal 1° marzo 2027.
Il numero di costo per artefatto dello stesso pomeriggio è quello da tenere. Il test del pellicano di Willison genera lo stesso SVG a tre livelli di sforzo e, con lo sforzo massimo, Astra è costato 88,71¢ contro i 13,69¢ di Sol — circa sei volte e mezzo tanto per un disegno che non ha descritto come una vittoria netta per nessuno dei due. La generazione frontend con sforzo Ultra è un ambito in cui il vantaggio del modello costoso è reale ma limitato, e in cui un singolo nuovo tentativo lo cancella.
Dove si colloca il livello di routing
Per essere diretti sulla posizione: GPT-6.2 Astra e GPT-6.2 Sol non sono oggi nel catalogo OrcaRouter. Le righe OpenAI che serviamo sono GPT-6 Astra, GPT-6 Sol e GPT-6.1 Sol, quindi questa coppia è raggiungibile tramite l'API di OpenAI stesso e in generale tramite piattaforme di terze parti, non tramite noi.
Quello che il catalogo ti offre davvero è l’abitudine per cui questo articolo sostiene. Un test come Yonkers è esattamente il tipo di carico di lavoro che vuoi confrontare in A/B tra modelli, anziché impegnare un percorso di produzione su un solo modello — e farlo tramite un unico endpoint significa una sola chiave, una sola fattura e nessun secondo contratto, con failover automatico quando un modello che stai provando inizia ad andare in timeout a metà rendering. Sulle voci che effettivamente gestiamo, OrcaRouter applica il prezzo di listino del provider con 0% di markup, quindi paghi il tariffario del fornitore stesso e un taglio di prezzo è attivo dalla nostra parte lo stesso giorno. Se stai scegliendo tra un modello da 2 $ e uno da 8 $ per il lavoro frontend, è proprio il confronto che vale la pena fare da solo, sullo stesso prompt, prima di scegliere un default.
La lezione più circoscritta di questo lancio è che la generazione 3D è passata da «non si può» a «incompiuta», e i due modelli si collocano in punti diversi di quella curva: uno produce una pagina che sembra finita, l'altro produce codice che lo è. Nessuno dei due ha trasformato Yonkers. Entrambi si sono avvicinati abbastanza che probabilmente lo farà la prossima release — e quando accadrà, il costo per scoprirlo sarà un prompt, non una migrazione.
Confrontati in questo articolo1
Rilevato da questo articolo
