GPT-6 Astra vs Intern-S2: cosa accetta realmente ciascuno

I due modelli in questo confronto sono entrambi descritti come multimodali, e la parola non fa quasi alcun lavoro in nessuno dei due casi. GPT-6 Astra, che O​penAI ha rilasciato il 3 settembre 2026, accetta testo e immagini — e input da file, secondo elenchi dei router che la documentazione di O​penAI stessa non conferma. Intern-S2-397B, il modello scientifico da 403 miliardi di parametri che il team InternLM di Shanghai AI Laboratory ha rilasciato con licenza Apache-2.0 il 13 settembre 2026, accetta testo, immagini e segnali di serie temporali, con il percorso di previsione instradato attraverso LMDeploy anziché tramite la ricetta di serving predefinita del modello stesso. Nessuno dei due accetta audio. Nessuno dei due accetta video. La domanda interessante non è quale dei due sia più multimodale; è quale di queste due superfici di input il tuo lavoro produce effettivamente, perché si sovrappongono a malapena e nessuna delle due sostituisce l'altra.

Due superfici di input solo apparentemente simili

Allinea le specifiche sulle dimensioni in cui un carico di lavoro reale entra in contatto:

• Testo — entrambi: GPT-6 Astra fino a 922.000 token di input in una singola richiesta; Intern-S2-397B valutato a una lunghezza massima di inferenza di 256.000 token per il ragionamento testuale

• Immagine — entrambi, ma in modo diverso: Astra riceve un'immagine insieme a un lungo documento nella stessa richiesta; Intern-S2-397B è stato preaddestrato a leggere pagine grezze di letteratura scientifica con contenuti simbolici e visivi modellati insieme, il che è un'affermazione su come è stato addestrato più che su ciò che accetta

• Serie temporali — solo Intern-S2-397B, tramite la sua testa di previsione, attualmente tramite LMDeploy

• Input da file — GPT-6 Astra secondo gli elenchi del router; la pagina stessa di OpenAI elenca solo testo e immagine, quindi consideralo non confermato

• Audio e video — nessuno dei due

• Output — testo su entrambi, e solo testo

• Controllo del ragionamento — GPT-6 Astra espone reasoning.effort ai livelli low, medium, high, xhigh e max; Intern-S2-397B ha il thinking attivo per impostazione predefinita e lo disattiva per singola richiesta con enable_thinking=False

• Pesi — Intern-S2-397B Apache-2.0, scaricabili in FP8 e BF16; GPT-6 Astra chiuso, solo API

La riga delle serie temporali è quella che decide questo confronto per un sottoinsieme di acquirenti e lo elimina per tutti gli altri. La previsione di serie temporali non è una capacità che si possa approssimare con un lungo prompt testuale — l'input è numerico, con una struttura propria, e un modello che non è stato addestrato su di essa non la acquisirà perché si serializzano i numeri in un prompt. Se è il tuo carico di lavoro, il confronto è finito e non serve alcuna tabella di benchmark. Se non lo è, la riga è irrilevante e il resto di questa pagina è ciò per cui stai leggendo.

Il numero di contesto che conta è quello valutato

Le pagine di marketing citano la finestra; le tabelle di benchmark citano la lunghezza alla quale il modello è stato effettivamente eseguito, e il secondo è il numero che predice il comportamento. Il divario in questione è istruttivo.

La finestra di GPT-6 Astra è di 1.050.000 token, con un massimo di 922.000 in input e 128.000 in output, e le sue fasce di servizio documentate sono trasparenti riguardo al costo di utilizzo: le richieste superiori a 272.000 token di input vengono riprezzate a $20,00 di input e $75,00 di output per milione, con letture cache a $2,00 e scritture cache a $25,00, applicate all'intera richiesta anziché all'eccedenza. Sotto quella soglia i contatori indicano $10,00, $1,00 e $12,50, con l'output a $50,00.

La scheda di Intern-S2-397B dichiara il proprio limite nella nota metodologica anziché in un titolo: i benchmark di ragionamento testuale sono stati eseguiti con una lunghezza massima di inferenza di 256.000 token, e quelli multimodali a 64.000. Non è il tetto del modello — la scheda del modello non ne pubblica uno nella forma che un acquirente riconoscerebbe — ma è la lunghezza alla quale è stato prodotto ogni numero sulla scheda. Una capacità che è stata dimostrata solo entro 64.000 token di contesto immagine è una capacità che è stata dimostrata solo entro 64.000 token di contesto immagine, e una pagina che stampa lo stesso punteggio senza la lunghezza sta stampando metà di un fatto.

Questa è la disciplina che entrambi questi modelli meritano e che il materiale di nessuno dei due fornitori rende facile. I numeri del fornitore di Astra arrivano con un harness allegato che li modifica di 37 punti su un benchmark; quelli di Intern-S2 arrivano con una lunghezza massima di inferenza allegata che determina se qualcuno di essi sia trasferibile al tuo carico di lavoro. Leggi entrambe le note prima di leggere una qualsiasi delle due tabelle.

Quali sono i numeri di Intern-S2-397B, e chi li ha prodotti

Ogni dato riportato di seguito è di InternLM, ottenuto tramite OpenCompass, VLMEvalKit e AgentCompass dal team che ha addestrato il modello, e pubblicato insieme ai pesi. Nessuno di essi è stato riprodotto in modo indipendente. Non esiste una pagina per Intern-S2-397B su Artificial Analysis, e questa assenza conta più del solito, perché significa che non c'è una terza parte con cui verificare le righe relative alle capacità generali.

Le righe scientifiche sono dove il modello è più forte e dove la tesi a suo favore è più chiara: 55,71 su Biology-Instructions, 63,28 su SciReasoner 1.5, 62,35 su MolecularIQ, 53,95 su Mol-Instructions. Accanto a queste, righe generali rispettabili: 89,77 su MMLU Pro, 81,68 su MMMU Pro, 93,56 su HMMT-2026, 68,54 su SWE-bench-Pro. E una riga che ti dice che tipo di modello sia questo — TerminalBench 2.1 a 64,04, che secondo la tabella dello stesso laboratorio perde contro una generazione chiusa più vecchia. Intern-S2-397B è uno strumento scientifico competente in generale, non un generalista con una specialità scientifica aggiunta a posteriori.

Quali sono i numeri di GPT-6 Astra e dove sono più deboli

Il record di Astra si presenta in due metà che non concordano sull'enfasi. Artificial Analysis lo misura a 53 sul suo attuale Intelligence Index su dieci valutazioni, a 3,26 $ per attività dell'indice completata, generando circa 60 milioni di token di output durante quella prova rispetto a una mediana della classifica vicina a 85 milioni, a 44,6 token di output al secondo. Si tratta di una valutazione indipendente con metodologia pubblicata, e colloca il modello al settimo posto su 216 quanto a intelligenza e al 168° su 185 quanto a velocità.

La metà del fornitore è una tabella a sé: 98% su FrontierMath Tier 4, descritto come saturante il tier; 99,9% su ARC-AGI-3; 100% su ExploitBench, con Astra primo modello OpenAI a superare la soglia Critical di capacità di cybersecurity dell'azienda; 57,9% su Terminal-Bench 4.0 contro il 37,3% di GPT-5.6 Sol. Ogni cifra è attribuibile a OpenAI e nessuna è stata riprodotta. Il numero di ARC-AGI-3 è quello che ha viaggiato di più e merita il maggior scetticismo: ARC Prize ha eseguito il modello con due harness e ha pubblicato entrambi, registrando 62,7% con il suo harness standard e 99,9% con un adattatore del provider che preserva lo stato di ragionamento tra le richieste. Il divario di 37 punti è una misurazione dell'harness, non uno scandalo — OpenAI ha documentato entrambe le impostazioni — ma qualsiasi confronto che mette il 99,9% contro il dato dell'harness standard di un altro modello sta confrontando due esperimenti e chiamandolo benchmark.

Un'ulteriore asimmetria va inserita qui, perché è il motivo per cui il numero indipendente è quello su cui basare la pianificazione. La scheda di Intern-S2-397B non ha alcuna colonna indipendente, quindi i suoi numeri sono gli unici numeri, e portano l'autorità del fornitore e nient'altro. Astra li ha entrambi, e sono in disaccordo su quanto sia efficace nel ragionamento generale, in un modo su cui uno dei due non può avere torto — la tabella del fornitore dice saturo, l'indice dice settimo.

"I pesi liberi" è una decisione capitale

Intern-S2-397B è Apache-2.0, e la conseguenza pratica è una questione di aritmetica più che di licenza. Il checkpoint pubblicato è di 403 miliardi di parametri, e il repository BF16 occupa all'incirca 807 GB — prima ancora di contare uno stack di serving, una KV cache o la seconda copia che si tiene per un rollback. Esiste una build FP8 che all'incirca dimezza l'ingombro. Il laboratorio documenta LMDeploy, vLLM e SGLang come server supportati, e il suo stesso esempio di tool-calling è un endpoint compatibile OpenAI su un server LMDeploy, quindi il percorso di integrazione non è esotico. L'hardware sì.

Questo genera due economie profondamente diverse a partire dalla stessa licenza. Se possiedi già un nodo multi-GPU con capacità inutilizzata, il costo marginale della prossima query scientifica si avvicina a quello dell'elettricità, e nessun concorrente a prezzo per token può batterlo — ed è esattamente il motivo per cui esistono i pesi aperti. Se non lo possiedi, "gratuito" significa acquistare o affittare capacità, e sulla capacità affittata il confronto con un'API a consumo è una semplice questione aritmetica di utilizzo a cui una model card non può rispondere al posto tuo. Il lato di Astra della stessa questione è più semplice: un listino prezzi, nessun team di operations e una fascia di contesto lungo a $20,00 / $75,00 che punisce esattamente la dimensione di richiesta che una finestra da 1.050.000 token invita a fare.

Un dettaglio che favorisce la soluzione self-hosted ed è facile da trascurare: è la licenza Apache-2.0 a rendere il modello utilizzabile in un ambiente regolamentato. Il fine-tuning su dati proprietari, l'esecuzione in modalità air-gapped e il mantenimento dell'inferenza all'interno di un perimetro dati sono tre cose che l'API di Astra non può offrire a nessun prezzo, e nessuna riga di benchmark le riflette.

Dove si trova un router in un accoppiamento come questo

Intern-S2-397B non è su OrcaRouter e questa pagina non sostiene che lo sia; è un nuovo checkpoint aperto, e la tua via per raggiungerlo è l'API Intern ufficiale del fornitore oppure un tuo deployment. GPT-6 Astra è nel nostro catalogo come openai/gpt-6-astra, alle tariffe di listino di OpenAI trasferite con il nostro 0% di ricarico.

La forma utile per un team che gestisce entrambi è una separazione anziché una scelta, ed è la configurazione per cui esiste il livello di routing: inviare il traffico generico, a contesto lungo e ricco di documenti al modello a consumo dietro un unico endpoint compatibile con OpenAI, e mantenere il lavoro batch scientifico e sulle serie temporali sul checkpoint che gestisci. Il failover automatico copre quindi il caso in cui una delle due parti non sia in salute — la gamba self-hosted quando un nodo cade, la gamba API quando il percorso di un provider si degrada — senza che nessuno dei due team debba scrivere una seconda integrazione. Questo è un confine tracciato come regola di routing, non come architettura.

Quale

Scegli Intern-S2-397B se il tuo input è scientifico nel senso specifico per cui il modello è stato addestrato — pagine di letteratura ricche di figure, strutture molecolari e dei materiali, segnali di serie temporali — oppure se Apache-2.0 è la proprietà decisiva perché i tuoi dati non possono lasciare la tua infrastruttura. Stanzia il budget per l'hardware prima di stanziarlo per qualsiasi altra cosa, ed esegui la tua valutazione invece di fidarti della scheda, perché non c'è un numero indipendente su cui fare affidamento.

Scegli GPT-6 Astra se il tuo lavoro è di tipo agentico e a lungo orizzonte, se un input da 922.000 token in una singola richiesta è una forma che produci davvero, o se ti serve un tabellone indipendente per difendere la decisione davanti a qualcun altro. Il suo costo di $3,26 per attività di indice completata è il valore più alto di questo confronto, e compra un modello che emette all'incirca 60 milioni di token svolgendo quel lavoro, laddove il modello mediano ne emette 85 milioni — ed è per questo che il prezzo per token è il numero sbagliato su cui decidere, mentre il costo per attività completata è quello giusto. Non sceglierlo per traffico breve e ad alto volume, e non superare la soglia dei 272.000 token senza rieseguire il tuo modello di costo, perché quella soglia raddoppia la tariffa di input sull'intera richiesta.

I due non sono sostituti, e il motivo non sono i punteggi di benchmark. Uno di essi accetta una tabella digitata di letture dei sensori e uno accetta una pagina scansionata di un documento cartaceo, e nessuno dei due fa entrambe le cose abbastanza bene da rendere l'altro superfluo. Se il tuo lavoro in qualche modo produce entrambi, sai già quale team della tua organizzazione possiede quale metà.

Un rilascio è anche il momento di verificare cosa è andato storto in precedenza: gli incidenti documentati di IA e i guasti degli agenti relativi ai modelli di questa classe sono raccolti in l'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, la gravità, il grado di affidabilità e il flag di contestazione.