GPT-6 Astra contro Gemini 3.1 Pro: una nuova ammiraglia contro un affare di sei mesi fa

Ecco l'intero confronto in due numeri, prima di ogni sfumatura: Gemini 3.1 Pro di Google costa 2,00 $ per milione di token in input e 12,00 $ per milione in output per prompt fino a 200K token, mentre GPT-6 Astra di OpenAI costa 10,00 $ e 50,00 $ fissi. Dal calendario, il modello più economico è anche quello più vecchio con ampio margine — Gemini 3.1 Pro è uscito il 19 febbraio 2026, e GPT-6 Astra il 3 settembre 2026 — il che rende questo confronto insolito anche nella direzione opposta: di solito l'incumbent è quello costoso e il nuovo arrivato fa prezzi più bassi. Qui il nuovo arrivato costa cinque volte tanto in input, e la domanda è se GPT-6 Astra sia cinque volte il modello che Gemini 3.1 Pro è ancora dopo sei mesi e mezzo senza un aggiornamento di fascia Pro da parte di Google.

Entrambi sono al vertice delle linee di prodotto dei rispettivi produttori, ma con gestioni molto diverse. Gemini 3.1 Pro è l'attuale modello di punta della gamma Pro di Google — rilasciato in anteprima a febbraio, ancora etichettato come "preview" oggi, e mai aggiornato mentre Google ha iterato la sua linea Flash attraverso tre versioni e ha iniziato a parlare di un "Gemini 4". GPT-6 Astra è il nuovo modello di punta di OpenAI e il suo primo modello con valutazione "Critical" nell'ambito del suo Preparedness Framework interno; il lancio avviene con un'implementazione a fasi, un opt-in per le aziende e benchmark auto-dichiarati che il suo produttore descrive come un salto generazionale. Uno di questi modelli è rimasto fermo ed economico per sei mesi. L'altro ha due giorni di vita e costa come se la frontiera si fosse spostata. Per uno sviluppatore che deve scegliere tra i due, la vera domanda è quale di questi due stati si adatti meglio al carico di lavoro — perché sulla carta, sono più vicini di quanto il divario di prezzo suggerisca.

Due tabelle di prezzi, due teorie sulla lunghezza

Google prezza Gemini 3.1 Pro in base alla lunghezza del prompt: $2 di input / $12 di output fino a 200K token di input, passando a $4 di input / $18 di output oltre tale soglia, con letture dalla cache a $0.20–$0.40 e batch a metà prezzo. Il messaggio è che i prompt brevi sono economici e quelli lunghi costano di più: un modello di prezzo pensato per i carichi di lavoro di ricerca e grounding che Google prevede saranno la maggior parte del traffico. OpenAI prezza GPT-6 Astra a tariffa piatta di $10/$50, con input in cache a $1.00, e poi colpisce i prompt molto lunghi con un diverso tipo di penalità: tutto ciò che supera circa 272K token di input viene riprezzato a 2x sull'input e 1.5x sull'output — in pratica $20 di input / $75 di output. I due modelli penalizzano il contesto lungo in modi opposti. Gemini è economico fino a 200K e poi moderatamente più costoso; Astra ha un prezzo fisso fino a 272K e poi diventa nettamente più costoso. Un task da 300K token è quindi molto più caro su GPT-6 Astra che su Gemini 3.1 Pro, mentre un task da 50K token costa da quattro a cinque volte meno su Gemini. Per i carichi di lavoro che gravitano nella parte bassa dell'intervallo di contesto, il prezzo di Astra è difficile da giustificare; per quelli che richiedono davvero la parte alta, entrambi i fornitori applicano un sovrapprezzo, e quello di OpenAI è il più ripido.

Dove Gemini 3.1 Pro è davvero in vantaggio

Il flagship di Google ha tre vantaggi che nessun modello OpenAI eguaglia, e sono facili da non notare perché il rumore attorno al lancio di Astra è così assordante. Primo: le modalità di input. Gemini 3.1 Pro accetta testo, immagini, audio, video e PDF in un unico prompt; GPT-6 Astra supporta solo testo e immagini, con output testuale — la stessa gamma di modalità del suo predecessore. Secondo: il grounding nativo. Gemini viene fornito con Google Search, Maps ed esecuzione di codice integrati nell'API, una differenza di capacità genuina per la ricerca agentica e per qualsiasi attività che richieda informazioni fresche e verificate, piuttosto che un recupero parametrico. Terzo: il prezzo su tutto ciò che resta sotto i 200K token, incluso il batch a $1/$6 — il modo di gran lunga più economico per eseguire un grande lavoro offline con uno dei due modelli. Nessuno di questi vantaggi emerge in un benchmark di ragionamento, ed è esattamente per questo che si perdono in un confronto flagship-contro-flagship che cita solo punteggi.

La scheda tecnica, fianco a fianco.

• Rilasciato — GPT-6 Astra: 3 settembre 2026. Gemini 3.1 Pro: 19 febbraio 2026 (ancora "preview").

• Prezzo (prompt ≤200K) — GPT-6 Astra: $10.00 / $50.00 per 1M a tariffa fissa. Gemini 3.1 Pro: $2.00 / $12.00 per 1M.

• Prezzo (prompt lungo) — GPT-6 Astra: ~$20.00 / $75.00 per 1M oltre 272K di input. Gemini 3.1 Pro: $4.00 / $18.00 per 1M oltre 200K di input.

• Contesto / tetto di output — GPT-6 Astra: ~1,05M di input, 128K di output. Gemini 3.1 Pro: 1M di input, ~65K di output.

• Input — GPT-6 Astra: testo + immagine. Gemini 3.1 Pro: testo, immagine, audio, video, PDF.

• Grounding / strumenti — GPT-6 Astra: ricerca web, ricerca file, esecuzione codice. Gemini 3.1 Pro: Ricerca Google nativa, Maps, esecuzione codice, chiamata di funzioni.

• Controlli di ragionamento — GPT-6 Astra: sforzo basso–massimo. Gemini 3.1 Pro: sforzo di ragionamento regolabile.

Dove si mostrano i sei mesi.

Gemini 3.1 Pro era in cima all'Artificial Analysis Intelligence Index quando è stato lanciato, ma non lo è più: i flagship di fine estate — Claude Opus 5, GPT-5.6 Sol e ora GPT-6 Astra — si collocano tutti al di sopra di esso nella scala attuale dell'indice, e Google non ha ancora presentato un modello di livello Pro. Il divario più drammatico è su ARC-AGI-3, il benchmark costruito per essere irrisolvibile dal normale chain-of-thought. OpenAI riporta il 99,9% per Astra sul proprio banco di prova, e la prova indipendente dell'ARC Prize con l'harness standard ha misurato il 62,7% — mentre le prove indipendenti collocano Gemini 3.1 Pro al di sotto dell'uno per cento, nella stessa fascia prossima allo zero del resto della frontiera pre-Astra. Sul benchmark originale ARC-AGI-2, il dato dichiarato da Google per Gemini 3.1 Pro era un solido 77,1% al lancio; il benchmark successore è un regime diverso, ed è l'unico ambito in cui il nuovo paradigma di OpenAI lascia davvero indietro un modello di sei mesi.

La regressione più sottile è l'affidabilità sui contesti lunghi. I test indipendenti multi-needle (MRCR v2) mostrano che Gemini 3.1 Pro recupera con precisione a 128K e degrada nettamente verso la parte alta della sua finestra da 1M: uno schema di crollo che Google non ha del tutto corretto nei sei mesi successivi al lancio. Il contesto da 1,05M di Astra è nuovo e non ancora dimostrato su larga scala, ma è l'area in cui OpenAI rivendica con più forza di aver lavorato a livello ingegneristico, inclusa una soglia massima di output di 128K che consente a una singola risposta di trasportare un artefatto generato molto più grande dei ~65K di Gemini. Se il vostro carico di lavoro è un unico contesto enorme che deve essere letto fedelmente dall'inizio alla fine, la scelta è tra un modello con un calo misurato e un modello il cui comportamento al limite superiore della finestra nessuno ha ancora stress-testato. Non è una scelta comoda in nessuna delle due direzioni.

La decisione pratica

Per la grande maggioranza dei carichi di lavoro in produzione — RAG su documenti, ricerca fortemente basata sul grounding, input multimodale, tutto ciò che rientra nei 200K token — Gemini 3.1 Pro è oggi la scelta economicamente razionale, e il distacco è netto: con un input cinque volte più economico e un vantaggio in termini di modalità e grounding, GPT-6 Astra sta pagando un enorme sovrapprezzo per un margine di ragionamento che quei carichi di lavoro non useranno mai. Per il coding agentico, l'uso del computer su lunghi orizzonti e i problemi che richiedono davvero un artefatto generato di 128K o un contesto affidabile prossimo a 1M, GPT-6 Astra è il modello da valutare — con l'onesta avvertenza che i suoi numeri di punta sono quelli dichiarati da OpenAI e che la valutazione indipendente del primo giorno, pur essendo forte in termini di efficienza dei token, mostra un divario di capacità inferiore a quanto il marketing lasci intendere. Il congelamento di sei mesi di Gemini è il contesto che determina la scelta: da un lato un modello economico, capace e maturo che Google ha smesso di migliorare; dall'altro uno costoso, appena rilasciato, che OpenAI sta attivamente portando avanti.

Poiché entrambi sono ospitati e vale la pena tenerli entrambi a portata di mano, la risposta pratica è instradare piuttosto che sostituire. Gemini 3.1 Pro è su OrcaRouter al prezzo di listino di Google, instradato senza alcun ricarico, quindi i suoi prezzi di $2/$12 sopravvivono al contatto con un router — e il DSL di instradamento rende la separazione tra i prompt inferiori a 200K e quelli lunghi una regola piuttosto che una decisione manuale, inviando le query brevi e contestualizzate a Gemini e riservando GPT-6 Astra ai compiti che ne giustificano la tariffa. GPT-6 Astra non è ancora su OrcaRouter al momento in cui scrivo; quando un provider inizierà a erogare gpt-6-astra, la pagina del modello riporterà la tariffa di listino di OpenAI lo stesso giorno, e la regola di failover che già mantiene attivo un carico di lavoro su più provider è lo stesso meccanismo che ti permette di adottare Astra su una porzione calibrata di traffico senza scommettere l'intera pipeline su un modello di due giorni.

Il verdetto

GPT-6 Astra vs Gemini 3.1 Pro è il confronto tra un modello che Google non tocca da sei mesi e uno che OpenAI ha rilasciato due giorni fa — e il divario di prezzo riflette soprattutto questa asimmetria, non un divario di capacità della stessa portata. Se ti serve un ragionamento economico, multimodale e ancorato ai fatti su larga scala, Gemini 3.1 Pro vince questo confronto in modo netto, e lo fa da mesi. Se invece ti serve il ragionamento del nuovo paradigma, l'elevato tetto di output o una seria possibilità di ottenere un contesto affidabile nella parte alta della finestra, GPT-6 Astra vale il suo sovrapprezzo sui carichi di lavoro che sfruttano queste caratteristiche — misurate sui tuoi task, non sulla tabella di lancio di OpenAI. L'errore sarebbe trattare un affare vecchio di sei mesi e un'ammiraglia vecchia di due giorni come se la differenza d'età non contasse, in nessuna delle due direzioni. È esattamente tutta qui la storia.