GPT-6 Astra vs Grok 4.6: la parità nell'indice si è rotta, e il divario di prezzo dipende dal livello

GPT-6 Astra e Grok 4.6 erano alla pari sull'unico tabellone indipendente che classifica entrambi quando questa pagina è stata pubblicata per la prima volta il 4 settembre 2026. Questa è la frase che la pagina deve smentire. Confrontato con l'Artificial Analysis Intelligence Index nella sua versione del 16 settembre 2026 — versione v4.3, dieci valutazioni — GPT-6 Astra (max) si attesta a 53 e Grok 4.6 (high) a 44, dove prima c'era un pareggio. L'altra correzione è quella nel titolo su cui hai cliccato. Il listino prezzi di OpenAI, letto lo stesso giorno, elenca GPT-6 Astra a 10,00 $ per milione di token di input, 1,00 $ per milione di input in cache e 50,00 $ per milione di output; il listino di xAI elenca Grok 4.6 a 2,00 $, 0,50 $ e 6,00 $. Rispetto all'input standard, è cinque volte. Rispetto all'output, è 8,3 volte. Rispetto all'input in cache — la voce su cui viene effettivamente fatturata la maggior parte del traffico di produzione — è due volte. Non esiste un singolo moltiplicatore, e la versione di questa pagina che ne rivendicava uno stava arrotondando un listino a quattro righe in uno slogan. Questo è un aggiornamento, non un lancio: GPT-6 Astra è il modello di punta di OpenAI dal 3 settembre 2026 e Grok 4.6 è quello di xAI dal 12 agosto 2026. Ciò che è cambiato da allora sono la misurazione, la disponibilità e l'aritmetica.

Il moltiplicatore non è mai stato un solo numero

Parti dalle due schede tariffarie così come i loro fornitori le pubblicano il 16 settembre 2026, perché tutto ciò che ne deriva eredita la loro struttura a scaglioni. Open​AI documenta GPT-6 Astra a 10,00 $ per 1M di token in input, 1,00 $ per 1M di input in cache, 12,50 $ per 1M di scritture in cache e 50,00 $ per 1M in output, e suddivide la scheda in colonne contesto breve e contesto lungo; oltre la soglia di contesto lungo — 272.000 token in input secondo i dati riportati per questa scheda — l'intera richiesta viene ritariffata a 20,00 $ in input, 2,00 $ in cache e 75,00 $ in output. Batch e Flex vengono fatturati a metà delle tariffe standard, la modalità Fast al doppio. x​AI documenta Grok 4.6 a 2,00 $ per 1M in input, 0,50 $ in cache e 6,00 $ in output su una finestra di contesto di 500.000 token, e una volta che una richiesta raggiunge 200.000 token di prompt l'intera richiesta viene fatturata a 4,00 $ in input, 1,00 $ in cache e 12,00 $ in output. Queste sono schede tariffarie dei fornitori, non misurazioni.

Mettili fianco a fianco e il vecchio multiplo del titolo si scompone. Input standard: $10,00 contro $2,00, cinque volte. Output: $50,00 contro $6,00, 8,3 volte. Input in cache: $1,00 contro $0,50, due volte. Input a contesto lungo: $20,00 contro $4,00, di nuovo cinque volte — ma l'output a contesto lungo è $75,00 contro $12,00, ovvero 6,25 volte. Il cinque nel vecchio titolo non era inventato. Era una riga di una scheda a quattro righe che indossava i panni di uno slogan, e la riga che citi cambia la risposta di un fattore quattro. Chiunque ti dia un solo numero per questo confronto sta scegliendo una fascia e non ti dice quale.

C'è una seconda ragione per cui l'aritmetica per token descrive solo in parte questa coppia, e va nella direzione opposta. I due modelli non spendono lo stesso numero di token per portare a termine lo stesso lavoro e, secondo la misura del costo per attività di Artificial Analysis — il costo medio ponderato per l'esecuzione della sua valutazione Intelligence Index — il modello costoso per token è quello che costa meno per lavoro completato, una volta allineate le impostazioni di sforzo. Stando ai dati sui modelli della stessa AA del 16 settembre 2026, GPT-6 Astra con alto livello di sforzo arriva a 1,72 $ per attività dell'indice, contro Grok 4.6 a livello alto, su 1,86 $. La ragione sta nei conteggi di token dello stesso record: Astra consuma 60M di token di output per eseguire l'intero indice, contro i 94M di Grok 4.6, e 27k di token di output per attività, contro 36k. Cinque volte la tariffa di input, a circa due terzi della spesa in token, porta leggermente in vantaggio.

L'abbinamento in evidenza sulla stessa pagina di confronto di AA dice qualcosa di diverso, ed entrambe le cose sono vere. La pagina di AA apre con GPT-6 Astra a max — 3,26 $ per attività, 53 sull'indice — contrapposto a Grok 4.6 a high, 1,86 $ e 44. Letto così, il sovrapprezzo sembra non comprare nulla in termini di costo. Letto a parità di sforzo high, Astra è 51 sull'indice contro 44 e costa dieci centesimi in meno per attività. Quale cifra debba entrare nel tuo budget dipende interamente da se intendi eseguire Astra a max o a high, e la pagina di AA non ti fa scegliere. È lo stesso difetto del singolo moltiplicatore del vecchio titolo, un livello più in basso.

Il legame con l’indice è venuto meno, e la lettura onesta è più ristretta di quanto sembri.

Quando questa pagina è stata scritta per la prima volta, entrambi i modelli si attestavano a 61 sull'Artificial Analysis Intelligence Index e l'intero articolo ruotava attorno al prezzo. Quel risultato non è più riproducibile. Nella classifica letta il 16 settembre 2026, GPT-6 Astra (max) è a 53 e Grok 4.6 (high) a 44. Entrambi i modelli pubblicano una scala completa dei livelli di effort, e la scala conta più della singola riga che AA stampa sulla sua pagina di confronto: secondo i dati sui modelli di AA stessa, GPT-6 Astra registra 53 (max), 53 (xhigh), 51 (high), 50 (medium), 46 (low), mentre Grok 4.6 registra 44 (high), 44 (xhigh), 43 (medium), 35 (low). All'impostazione più vicina tra quelle abbinate, high contro high, il divario è di sette punti.

Due avvertenze vanno fatte contestualmente. In primo luogo, l'indice è stato ricalcolato: la versione attualmente online è la v4.3, costruita a partire da dieci valutazioni — AA-Briefcase, GDPval-AA v2, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience e AA-LCR v1.1 — su una popolazione di modelli diversa rispetto alla classifica di inizio settembre. Parte di un divario di nove punti che emerge è ricalibrazione, non il fatto che uno dei due laboratori abbia rilasciato qualcosa di nuovo, e un lettore che confronta questa pagina con la precedente sta confrontando due metri diversi. In secondo luogo, le due voci non sono a parità di impostazioni di effort: il confronto di AA accoppia la max di Astra con la high di Grok 4.6, e un confronto max contro high non è a parità di condizioni. La lettura prudente di un divario di nove punti su un indice che raggruppa dieci valutazioni è una separazione reale ma modesta, non una disfatta — diversi modelli si collocano entro pochi punti al di sotto o al di sopra di entrambi. Ciò che si può dire è l'opposto di quanto questa pagina diceva: sul tabellone indipendente questi due non sono più intercambiabili, e il più costoso è in vantaggio.

La velocità, che la versione precedente di questa pagina aveva dovuto lasciare vuota per Astra, ora è misurata — e i dati sulla latenza sono la metà più sorprendente. Artificial Analysis misura GPT-6 Astra (max) a 52,9 token di output al secondo contro Grok 4.6 (high) a 57,7, un divario che si percepisce su una generazione lunga e che non dovrebbe rimodellare una decisione di routing. Il tempo al primo token è tutta un'altra storia: 334,04 secondi per Astra contro 38,63 per Grok 4.6, e tempo di risposta end-to-end di 343,48 secondi contro 47,31. Astra pensa per minuti prima di rispondere. Per il lavoro in batch e per gli agenti notturni è invisibile; per qualsiasi cosa interattiva è il numero decisivo, e non compare su nessuno dei due listini.

La scheda di benchmark di Astra, e chi è autorizzato a dire cosa

Le cifre principali di OpenAI per GPT-6 Astra, tutte dichiarate dall'azienda e nessuna riprodotta qui: 98% su FrontierMath Tier 4, 100% su ExploitBench — contro il 78,5% del precedente modello di punta di OpenAI, GPT-5.6 Sol — e 99,9% su ARC-AGI-3. Questi sono i numeri che la copertura del lancio ha ripetuto, e due di essi meritano più scetticismo di quanto ne abbiano ricevuto.

ARC-AGI-3, prima di tutto. Il 99,9% deriva dall'harness provider-adapter di OpenAI. ARC Prize, che gestisce il benchmark, ha misurato separatamente 62,7% per lo stesso modello con il suo harness Standard neutrale rispetto al provider, a 26.098 dollari per l'esecuzione. La nota di ARC Prize stessa è che l'adapter preserva lo stato di ragionamento di OpenAI tra le richieste, quindi le due cifre misurano cose diverse e non dovrebbero mai essere citate come se fossero la stessa misurazione. L'entità della differenza chiarisce il punto meglio di qualsiasi argomentazione: Astra con ragionamento "none" sotto l'adapter ottiene il 96,7%, circa 34 punti sopra il suo stesso punteggio con ragionamento massimo sotto l'harness Standard. La seconda cifra è l'harness che fa un lavoro che il modello non ha fatto.

FrontierMath Tier 4 è l'altro. Il 98% è il report di OpenAI stessa su un benchmark il cui sviluppo è stato finanziato da OpenAI; almeno una tabella di confronto della settimana di lancio riporta 97,6% per lo stesso risultato. Considera entrambi come dichiarati dal fornitore e nessuno dei due come definitivo.

Ciò che sopravvive all'argomentazione sull'harness vale la pena conservarlo. ARC Prize ha anche rilevato che Astra ha usato meno azioni rispetto all'umano mediano testato nel 96% dei livelli che ha completato, facendo registrare in media il 51,7% di azioni in meno per livello rispetto a una baseline umana ricavata da circa 500 partecipanti — un risultato di efficienza che non dipende dall'adattatore. E ARC Prize ha detto chiaramente che non sta sostenendo che Astra sia AGI: gli ambienti sono limitati e deterministici, e saturare un benchmark non è prova di capacità generale. Sul fronte della codifica indipendente, DeepSWE v1.1 di Datacurve — 113 attività in 91 repository open source attivi — colloca GPT-6 Astra al 74,1%. Questo è un risultato forte più che isolato; la parte alta di quella classifica è un gruppo compatto, e una classifica le cui prime posizioni cadono entro un paio di punti l'una dall'altra è una classifica che riguarda l'incertezza tanto quanto la capacità. Al momento della scrittura non era stato pubblicato, su di essa, alcun dato di Grok 4.6 con un'impostazione comparabile, quindi questa dimensione ha un solo lato.

Due modi di lavorare, e una vera differenza nel controllo.

Anche quando il punteggio è vicino, questi due non concordano su come guidarli. Grok 4.6 è un singolo modello potente con un selettore esplicito dello sforzo di ragionamento; decidi tu quanto pensiero merita una richiesta e paghi una tariffa fissa per questo. GPT-6 Astra funziona più a lungo in autonomia ed è progettato per fermarsi a fare una revisione prima di procedere. È anche il primo modello Open​AI che l'azienda ha classificato come "critico" nell'ambito del suo Preparedness Framework per il rischio di cybersicurezza — un'autovalutazione del fornitore, non un risultato esterno — e la stessa Open​AI ammette che la sua monitorabilità è diminuita rispetto alla sua precedente ammiraglia, motivo per cui le impostazioni più permissive sono limitate a partner verificati anziché essere vendute apertamente. Per un team di sicurezza, quella limitazione è una funzionalità. Per uno sviluppatore che vuole un output deterministico e controllabile entro una scadenza, è un attrito che stai pagando a caro prezzo per acquisire.

Il tabellone, etichettato

• Intelligenza (indipendente) — sforzo equivalente, high contro high: GPT-6 Astra 51, Grok 4.6 44. Come li abbina la pagina di confronto di AA, Astra (max) 53 contro Grok 4.6 (high) 44. Artificial Analysis Intelligence Index v4.3, rilevato il 16 settembre 2026. Non alla pari; l'ampiezza del divario dipende dall'abbinamento.

• Prezzo di listino, fascia standard (listini prezzi del fornitore, consultati il 16 settembre 2026) — GPT-6 Astra $10,00 input / $50,00 output / $1,00 in cache per 1M. Grok 4.6 $2,00 input / $6,00 output / $0,50 in cache per 1M. Cinque volte sull'input, 8,3 volte sull'output, due volte sull'input in cache.

• Prezzo di listino, contesto lungo (stesse schede, stessa data) — GPT-6 Astra: l'intera richiesta è stata riprezzata oltre la soglia di contesto lungo a $20.00 / $2.00 / $75.00. Grok 4.6: l'intera richiesta è stata riprezzata a 200K token di prompt a $4.00 / $1.00 / $12.00.

• Costo per attività (indipendente) — a parità di impegno, high contro high: GPT-6 Astra 1,72 $ per attività dell'Intelligence Index, Grok 4.6 1,86 $. Come li accoppia la pagina di confronto di AA, Astra (max) 3,26 $ contro Grok 4.6 (high) 1,86 $. Artificial Analysis, consultato il 16 settembre 2026.

• Latenza (indipendente) — GPT-6 Astra: 334,04 s al primo token, 343,48 s dall'inizio alla fine. Grok 4.6: 38,63 s e 47,31 s. Artificial Analysis, consultato il 16 settembre 2026. Il divario più ampio in questa pagina. La scheda di OrcaRouter per lo stesso modello registra un tempo p50 al primo token di 6,71 s e un p95 di 10,00 s su sette giorni, che misura un punto diverso della risposta e non è confrontabile con il dato di AA — non inserire i due nella stessa frase come se lo fossero.

• Velocità (indipendente) — GPT-6 Astra 52,9 token di output/s al massimo. Grok 4.6 57,7 token/s in modalità high. Artificial Analysis, rilevato il 16 settembre 2026.

• Codifica agentica (indipendente) — GPT-6 Astra 74,1% su DeepSWE v1.1 di Datacurve. Al momento della stesura non è stata pubblicata alcuna esecuzione comparabile di Grok 4.6 sulla stessa classifica, quindi questa dimensione ha un solo lato.

• Cyber e ragionamento (riportato dal fornitore) — GPT-6 Astra: FrontierMath Tier 4 98%, ExploitBench 100%, ARC-AGI-3 99,9% sull'adattatore del provider di Open​AI, contro il 62,7% misurato in modo indipendente da ARC Prize sul suo harness Standard. Riportato da Open​AI; non riprodotto qui.

• Accesso da oggi — entrambi i modelli sono richiamabili tramite OrcaRouter con una sola chiave. Tariffe elencate dal router, rilevate il 16 settembre 2026: GPT-6 Astra a 10,00 $ / 50,00 $ per 1M con una finestra di contesto di 1,05M token, Grok 4.6 a 2,00 $ / 6,00 $ per 1M con una finestra di contesto di 500K token.

Una nota sulle grafiche di questa pagina, perché contengono numeri che il testo qualifica. La card hero e il tabellone riportano lo stesso abbinamento con cui Artificial Analysis apre — GPT-6 Astra alla sua impostazione massima di ragionamento contro Grok 4.6 in modalità high — quindi la riga dell’intelligenza del tabellone legge il punteggio con sforzo massimo, mentre la sua riga dei costi legge il costo con sforzo elevato. Entrambe le cifre sono di AA, entrambe sono attuali, e non provengono dalla stessa impostazione di sforzo. Il testo sopra fornisce la coppia a sforzo corrispondente ovunque la differenza conti. La versione precedente di questa pagina conteneva quattro grafiche costruite sulla lettura dell’indice 61 contro 61; sono state sostituite anziché annotate, perché una card hero che afferma una tesi che l’articolo ritratta è peggio di nessuna card hero.

La disponibilità è cambiata, e questo cambia la risposta del routing

La prima versione di questa pagina doveva segnalare che GPT-6 Astra non era su OrcaRouter e Grok 4.6 sì. Ora entrambi sono nel catalogo — GPT-6 Astra con l'id del modello openai/gpt-6-astra alle tariffe di listino di Open​AI, Grok 4.6 con grok/grok-4.6 a quelle di x​AI. Tariffe elencate su OrcaRouter, rilevate il 16 settembre 2026. Anche l'endpoint Astra non è una voce di catalogo: la stessa scheda registra 180,7 milioni di token di traffico negli ultimi sette giorni, elencati dal router, rilevati lo stesso giorno.

Questo conta specificamente per questo confronto, perché le due schede hanno strutture delle fasce diverse. Un router che fattura il prezzo di listino del fornitore con 0% di ricarico applica qualunque fascia in cui la richiesta ricade effettivamente: una chiamata Astra che resta sotto la soglia di contesto lungo non viene riprezzata dalla nostra parte, e una chiamata Grok 4.6 che supera i 200K viene riprezzata dalla regola di x​AI e non dalla nostra. Ogni tariffa dalla nostra parte è trasferita con 0% di ricarico — il numero del fornitore è il numero che paghi, e quando un fornitore lo cambia la modifica è attiva sulla stessa chiave lo stesso giorno. Con entrambi i modelli su un'unica chiave, dividere un carico di lavoro tra loro, Astra sul lavoro autonomo difficile e Grok 4.6 che porta volume, è un cambiamento di routing anziché un secondo contratto; il failover automatico significa che un limite di velocità su un percorso è un evento di routing invece di un'interruzione; e il DSL di routing ti consente di comporre i due in un'unica chiamata quando vuoi che il modello economico faccia la bozza e quello costoso verifichi.

Chi dovrebbe pagare il premio

Acquista GPT-6 Astra se il tuo lavoro si colloca nella fascia in cui ora è misurabilmente in vantaggio. L'indice indipendente lo separa da Grok 4.6 alle impostazioni pubblicate da AA, il suo risultato DeepSWE v1.1 è un numero indipendente reale, e la scheda di benchmark del fornitore stesso è davvero all'avanguardia una volta aggiunte le avvertenze sull'harness. Fai il budget su base per attività anziché per token, e tieni d'occhio la soglia del contesto lungo, dove una singola richiesta smette di essere una chiamata costosa e diventa una chiamata molto costosa. Acquista Grok 4.6 se vuoi un ragionamento vicino alla frontiera a un costo che sopravvive a un budget reale, oltre all'output misurato più rapido tra i due e a una struttura di prezzo con un solo salto invece di due.

Il riepilogo corretto di questo confronto non è che un divario quintuplo non comporti alcun vantaggio, né che i due siano alla pari. È che il divario è reale a ogni livello e il rapporto dipende dal livello che si legge; che anche il divario di prestazioni è ormai reale; e che i due puntano nella stessa direzione — il che è l'opposto di quanto affermava questa pagina il 4 settembre 2026, e una ragione migliore per scegliere tra loro rispetto a uno slogan sui multipli.