GPT-6 Astra vs Solar Pro 4: dodici punti e un rapporto di prezzo che cambia la domenica

Nelle due valutazioni condotte in modo indipendente che questa coppia ha in comune, GPT-6 Astra supera Solar Pro 4di ampio margine sulle conoscenze generali e di un margine più ristretto là dove i modelli vengono effettivamente utilizzati. Artificial Analysis colloca GPT-6 Astra a 54,7 sul suo Intelligence Index e a 96,1 su GPQA Diamond; lo stesso valutatore colloca Solar Pro 4 a 42 e 86,8. Sul lavoro agentico il divario si riduce a undici e sei punti su Terminal-Bench 2.1 e τ²-Banking. Nel frattempo, la storia del prezzo porta con sé una scadenza che quasi nessuno vi ha associato: la promozione attuale di Solar Pro 4 termina alle 00:00 UTC di domenica 11 ottobre 2026, quando il modello passa da 0,09 $ a 0,15 $ per milione di token di input e da 0,36 $ a 0,60 $ per milione di token di output. Quindi la domanda a cui questo confronto deve rispondere non è quale modello sia migliore. È se un divario di capacità di circa dodici punti e mezzo giustifichi tra 42 e 139 volte la tariffa di output, e quella risposta è una proprietà del vostro carico di lavoro, non di uno dei due modelli.

Le tariffe, compresa quella che cambia questo fine settimana

Il prezzo di listino di Solar Pro 4 è di $0,30 per input, $0,06 per input in cache e $0,06 per output per milione di token, e Upstage lo ha eseguito in modo continuativo. Il listino sulla pagina dei prezzi di Upstage è esplicito, quindi non c'è bisogno di indovinare su quale cifra basare il budget:

• Promozione Upstage fino all'11 ottobre 2026, 00:00 UTC — 0,09 $ input, 0,018 $ cached, 0,36 $ output per 1M tokenbr /> • Promozione Upstage dall'11 ottobre 2026 in poi — 0,15 $ input, 0,03 $ cached, 0,60 $ output per 1M token, indicata senza data di fine, il che significa che va messa a budgetbr /> • Prezzo di listino Upstage — 0,30 $ input, 0,06 $ cached, 1,20 $ output per 1M tokenbr /> • GPT-6 Astra fino a 272.000 token di input — 10,00 $ input, 1,00 $ cached, 12,50 $ scrittura cache, 50,00 $ output per 1M tokenbr /> • GPT-6 Astra oltre 272.000 token di input — 20,00 $ input, 2,00 $ cached, 25,00 $ scrittura cache, 75,00 $ output per 1M token, applicati all'intera richiesta una volta superata la soglia

Letti come rapporti, sono 11× in input e 5,6× in output alle tariffe post-promozione di Solar Pro 4, 33× e 42× rispetto al suo prezzo di listino, e 111× e 139× se i due modelli vengono misurati sui numeri promozionali di oggi. Il divario è così ampio perché entrambi i lati della frazione si muovono: la scheda di Astra è in cima al mercato e Solar Pro 4 al momento è vicino al fondo.

Le regole del contesto lungo sono l'altra riga che vale la pena leggere due volte, perché non sono simmetriche. La soglia di Astra si attesta a 272.000 token e la sua regola è una riprezzatura dell'intera richiesta: ogni token in una richiesta lunga viene fatturato al doppio per l'input e a 1,5× per l'output, non solo i token oltre la soglia. La scheda di Upstage non prevede alcuno scaglione equivalente, quindi una richiesta di 400.000 token con Solar Pro 4 viene fatturata esattamente alla stessa tariffa per token di una da 4.000 token. Se i tuoi prompt superano regolarmente un quarto di milione di token, la tariffa effettiva di input di Astra è di $20,00 anziché $10,00, e il divario che stai pagando si amplia proprio sul carico di lavoro in cui è in competizione un modello con contesto da 512K.

Da dove viene il divario di dodici punti

Entrambi i modelli dispongono di punteggi di terze parti, il che rende questo confronto più semplice della maggior parte in questa fascia. Il quadro che emerge è coerente: i miglioramenti di Solar Pro 4 rispetto al suo predecessore si sono concentrati sui compiti agentici, ed è proprio lì che si avvicina di più ad Astra.

• Indice di intelligenza — GPT-6 Astra 54.7, Solar Pro 4 42br /> • GPQA Diamond, scienza a livello universitario — Astra 96.1, Solar Pro 4 86.8br /> • Terminal-Bench 2.1, utilizzo di un terminale reale — Astra 88.4, Solar Pro 4 75.1br /> • τ²-Banking, utilizzo di strumenti in violazione delle policy — Astra 41.4, Solar Pro 4 35.0br /> • Richiamo su contesto lungo, AA-LCR — Astra 80.7, Solar Pro 4 71br /> • Costo per eseguire il task di valutazione medio — Astra $0.0516, Solar Pro 4 tra $0.0039 e $0.0155br /> • Tempo reale per task di valutazione — Astra circa 8.6 minuti, su un modello che restituisce circa 70 token al secondo

La riga del costo per attività è quella che inquadra diversamente la questione. Eseguire una singola attività di valutazione difficile su Solar Pro 4 costa tra quattro e tredici centesimi, a seconda dello scaglione della promozione che si applica, contro cinque centesimi su Astra alle tariffe standard. "Quarantadue volte il prezzo dell'output" e "tredici volte il costo per attività" sono entrambe affermazioni vere riguardo alla stessa coppia di modelli, e il secondo è il numero che compare su una fattura. La differenza è che Astra, secondo le misurazioni di Artificial Analysis, arriva alla sua risposta con meno token di quanti ne usasse il predecessore di Solar Pro 4 — 43.000 token di output per attività — e resta comunque il modello più costoso con cui completare un'attività, ma non certo 42 volte più costoso.

Due avvertenze sulla colonna Solar Pro 4. È più lento di Astra sul tempo effettivo per attività pur usando meno token, e i suoi punteggi agentici pubblicati presentano una particolarità che vale la pena conoscere: nella valutazione del suo predecessore ha migliorato il punteggio di onestà soprattutto rifiutandosi di rispondere, tentando il 41% delle domande contro il 92% di Pro 3. Per un agente che deve agire, un rifiuto è spesso meglio di una risposta sbagliata data con sicurezza — ma cambia il modo in cui si legge qualsiasi confronto tra tassi di superamento.

Il confronto che nessuna delle due carte dei fornitori ti offre

Le righe di benchmark sopra coincidono: entrambe le parti hanno eseguito la stessa valutazione. Le righe assenti sono quelle interessanti, perché i due fornitori non sono d'accordo su cosa pubblicare.

• Sforzo di ragionamento — Astra espone cinque livelli denominati (low, medium, high, xhigh, max); Solar Pro 4 documenta un reasoning_effort come parametro con almeno un'impostazione medium, e il materiale di Upstage sulla scala è scarsobr /> • Architettura — Il numero di parametri di Astra non è divulgato; anche il numero di parametri di Solar Pro 4 non è divulgato, quindi nessuna delle due parti fornisce l'informativa sull'economia di serving che i loro modelli fratelli più economici offronobr /> • Comportamento in contesti lunghi sotto carico — Astra pubblica una soglia di costo e un punteggio di recall documentato; Upstage pubblica la finestra e nessuna valutazione di recall propriabr /> • Superficie di input — Astra accetta testo, immagini e file; Solar Pro 4 è un modello testualebr /> • Limite di modalità — 128.000 token di output massimi su entrambi i fronti, il che è un punto insolito in cui un modello economico raggiunge la parità ed è la specifica più utile in assoluto sulla scheda di Solar Pro 4 per il lavoro di generazione lunga

La voce relativa allo sforzo di ragionamento conta più di quanto sembri. Un modello che ti consente di abbassare il budget di pensiero è un modello il cui prezzo effettivo per una richiesta facile è molto inferiore alla sua tariffa di listino, perché paghi meno token di ragionamento per un lavoro che non ne ha bisogno. Entrambi i fornitori espongono il parametro; nessuno dei due pubblica quanto costano i livelli in token, il che significa che l’unico modo per scoprire il vero moltiplicatore tra questi due modelli è misurarlo sul proprio traffico.

Il punto di pareggio, detto chiaramente

Ignora per un momento i punti indice e mantieni invariato il carico di lavoro. Se la tua applicazione è estrazione, classificazione, riassunto o output strutturato su documenti fino a mezzo milione di token, Solar Pro 4 fa il lavoro a una tariffa che Astra non può neanche avvicinare, e non ha affatto bisogno della scala di ragionamento: nessuna plausibile differenza di qualità in un'attività di estrazione JSON vale 42× sull'output. Se la tua applicazione è un agente a lungo orizzonte che pianifica, chiama strumenti, si riprende da un passaggio fallito e deve arrivare alla fine, il divario di undici punti in Terminal-Bench e il divario di sei punti in τ²-Banking sono i numeri che predicono se finirà, e un'esecuzione fallita dell'agente costa l'intero prezzo dell'esecuzione più il tentativo successivo.

Il caso veramente difficile è quello intermedio: compiti di ragionamento brevi, difficili e a singolo tentativo, in cui il vantaggio di Astra su GPQA è ampio e il suo costo per compito è ancora di solo pochi centesimi. Lì il fattore decisivo non è il listino prezzi ma il numero di token — e l’unica misura che dà una risposta è eseguire i propri prompt su entrambi i modelli e leggere l’utilizzo. È anche il caso in cui un taglio di prezzo incide più duramente, perché il modello più economico è quello che viene messo alla prova contro quello costoso, e una variazione del 67% nella tariffa del modello più economico cambia l’aritmetica del test tra lunedì e oggi.

Perché questa è una decisione di routing anziché un ordine di acquisto

GPT-6 Astra è nel catalogo OrcaRouter come openai/gpt-6-astraai prezzi di listino di OpenAI, passati attraverso con un markup dello 0%, ed è proprio per questo che un confronto come questo si risolve in una regola anziché in un contratto. La famiglia Solar di Upstage è un caso diverso e la risposta onesta è quella che usiamo sempre: OrcaRouter non instrada alcun modello Upstage, quindi Solar Pro 4 non è disponibile qui — proviene dall'API di Upstage stessa e da diverse piattaforme di terze parti, e il listino prezzi sopra riportato

Ciò a cui serve davvero un router in questo abbinamento è la separazione tra livelli. Il modello economico e il modello costoso stanno dietro un unico endpoint compatibile con OpenAI, una regola di routing invia il traffico di estrazione al livello adatto, e il failover automatico promuove una chiamata al modello più potente quando quello più economico genera errori o restituisce un output che il tuo parser rifiuta. Quest'ultimo meccanismo è la risposta pratica al rischio di instradamento errato che questo confronto crea: la modalità di errore costosa non è scegliere il modello sbagliato, ma sceglierlo e pagarlo due volte.

Cosa fare prima di domenica

Se Solar Pro è un candidato per il tuo stack, questa è la settimana più economica che avrai per testarlo. La tariffa promozionale è valida fino alle 00:00 UTC dell'11 ottobre, la tariffa post-promozionale di $0,15 e $0,60 è già un terzo sotto il listino, e le prove pubblicate dal modello stesso — i numeri di Terminal-Bench e τ²-Banking — descrivono un lavoro che puoi riprodurre sul tuo set di attività in un pomeriggio. Esegui entrambi i modelli sugli stessi prompt, mantieni costanti le impostazioni di ragionamento e registra i token per attività completata anziché i token per chiamata. Il numero che ne esce è l'unico multiplo che conta, e non sarà 42×. Poi decidi, sapendo che se vince il lato più economico, il prezzo al quale lo stavi testando scade domenica — e se vince il lato più costoso, i dodici punti e mezzo di indice sono quelli per cui stai pagando.

GPT-6 Astra è presente nel catalogo OrcaRouter come openai/gpt-6-astra alle tariffe di listino di OpenAI, applicate senza alcun ricarico (0%).