GPT-6 Astra vs Intern-S2：それぞれが実際に受け付けるもの

この比較に登場する2つのモデルはどちらもマルチモーダルと説明されているが、その言葉はどちらの場合もほとんど何の役にも立っていない。GPT-6 Astraは、OpenAIが2026年9月3日にリリースしたもので、テキストと画像を扱う。さらにファイル入力も扱うとルーターの一覧にはあるが、OpenAI自身のドキュメントでは確認されていない。Intern-S2-397Bは、上海AIラボのInternLMチームが2026年9月13日にApache-2.0の下でリリースした4030億パラメータの科学モデルで、テキスト、画像、時系列信号を扱い、予測の経路はモデル自身のデフォルトのサービングレシピではなくLMDeployを通して配線されている。どちらも音声は受け付けない。どちらも動画は受け付けない。興味深い問いは、どちらがよりマルチモーダルかではなく、この2つの入力面のうちどちらをあなたの仕事が実際に生み出すのかである。なぜなら両者はほとんど重なっておらず、どちらも他方の代わりにはならないからだ。

見た目が似ているだけの2つの入力サーフェス

実際のワークロードが接するディメンションに沿ってスペックを並べてください：

• テキスト — 両方: GPT-6 Astra は 1 回のリクエストで最大 922,000 入力トークン、Intern-S2-397B はテキスト推論において最大推論長 256,000 トークンで評価

• 画像 — どちらも扱うが、その方法は異なる。Astra は同じリクエスト内で長い文書と一緒に画像を受け取る。Intern-S2-397B は、記号的な内容と視覚的な内容を同時にモデル化した科学文献の生のページを読むよう事前学習されており、これは何を受け付けるかではなく、どのように訓練されたかについての主張である

• 時系列 — Intern-S2-397B のみ、その予測ヘッドを介して、現在は LMDeploy 経由

• ファイル入力 — ルーターの一覧によれば GPT-6 Astra。OpenAI 自身のページにはテキストと画像のみと記載されているため、未確認として扱う

• 音声と映像 — どちらでもない

• 出力 — 両方にテキスト、そしてテキストのみ

• 推論制御 — GPT-6 Astra は reasoning.effort を low、medium、high、xhigh、max で公開しています。Intern-S2-397B はデフォルトで thinking が有効で、リクエストごとに enable_thinking=False で無効化します。

• 重み — Intern-S2-397B Apache-2.0、FP8およびBF16でダウンロード可能、GPT-6 Astraは非公開、APIのみ

時系列の行は、一部の購入者にとってこの比較の勝敗を決め、それ以外の全員にとってはこの比較自体を無効にする行です。時系列予測は、長いテキストプロンプトで近似できるような能力ではありません。入力はそれ自体の構造を持つ数値であり、そのために学習されていないモデルは、数値をプロンプトにシリアライズしたところでこの能力を獲得することはありません。それがあなたのワークロードであれば、比較はそこで終わり、ベンチマーク表は不要です。そうでなければ、この行は無関係であり、このページの残りの部分こそがあなたの読む目的です。

重要なコンテキスト番号は、評価された方です。

マーケティングページはコンテキストウィンドウを謳い、ベンチマークの表はモデルが実際に実行された長さを記載している。そして挙動を予測するのは後者の数字のほうだ。この隔たりは示唆に富む。

GPT-6 Astra のウィンドウは 1,050,000 トークンで、最大入力 922,000、最大出力 128,000 です。その文書化されたサービス帯は、利用コストについて正直に示しています。272,000 入力トークンを超えるリクエストは、100 万トークンあたり入力 $20.00、出力 $75.00 に再価格設定され、キャッシュ読み取りは $2.00、キャッシュ書き込みは $25.00 で、超過分ではなくリクエスト全体に適用されます。そのラインを下回ると、メーターは $10.00、$1.00、$12.50 を示し、出力は $50.00 です。

Intern-S2-397Bのモデルカードは、自らの制限を見出しではなく方法論の注記に記している。テキスト推論ベンチマークは最大推論長256,000トークンで実行され、マルチモーダルベンチマークは64,000トークンで実行された。これはモデルの上限ではない——モデルカードは、購入者がそれと分かる形では上限を公表していない——が、カード上のあらゆる数値が生み出された長さではある。64,000トークンの画像コンテキスト内でしか実証されていない能力は、64,000トークンの画像コンテキスト内で実証された能力である。そして、同じスコアをその長さなしで記載するページは、事実の半分しか記載していない。

これは、これら両モデルにふさわしい厳密さであり、どちらのベンダーの資料もそれを容易にはしてくれない。Astra のベンダー公表値には、あるベンチマークで値を37ポイント変える評価ハーネスが付随しており、Intern-S2 の値には、それらのいずれがあなたのワークロードに転用できるかを左右する最大推論長が付随している。どちらの表を読む前にも、両方の脚注を読むこと。

Intern-S2-397Bの数値とは何か、そしてそれを生み出したのは誰か

以下のすべての数値は InternLM 自身のもので、モデルを訓練したチームが OpenCompass、VLMEvalKit、AgentCompass を通じて実行し、重みとともに公開したものです。そのいずれも独立に再現されたものはありません。Artificial Analysis には Intern-S2-397B のページが存在せず、この不在はいつも以上に重要です。なぜなら、それは汎用能力の行を照合する第三者が存在しないことを意味するからです。

科学的な行こそ、このモデルが最も強く、その価値が最も明確に示される領域だ。Biology-Instructions で 55.71、SciReasoner 1.5 で 63.28、MolecularIQ で 62.35、Mol-Instructions で 53.95。それに並ぶ一般行も堅実で、MMLU Pro で 89.77、MMMU Pro で 81.68、HMMT-2026 で 93.56、SWE-bench-Pro で 68.54。そして、これがどんな種類のモデルかを物語る一行——TerminalBench 2.1 は 64.04 で、ラボ自身の表によれば旧世代のクローズドモデルに負けている。Intern-S2-397B は、一般分野でもそつなくこなす科学的な計器であり、科学分野の専門性を後付けした汎用モデルではない。

GPT-6 Astraの数値とは何か、そしてどこが最も弱いのか

Astraの記録は二つの半面から成り立っており、両者は強調点が一致していない。Artificial Analysisは、現在のIntelligence Indexで10回の評価にわたってAstraを53と測定しており、完了したインデックスタスクあたり$3.26、その実行全体で約60Mの出力トークンを生成（ボード中央値は約85M）、毎秒44.6出力トークンである。これは公開された方法論を備えた独立評価であり、知能では216中7位、速度では185中168位にこのモデルを位置づけている。

ベンダー側の数値はそれ自体が一つの表だ。FrontierMath Tier 4では98%で、そのTierを飽和させたと説明されている。ARC-AGI-3では99.9%。ExploitBenchでは100%で、Astraは同社のCriticalサイバーセキュリティ能力閾値を超えた初のOpenAIモデルである。Terminal-Bench 4.0では57.9%で、GPT-5.6 Solの37.3%に対する。各数値はOpenAIに由来するもので、いずれも再現されていない。ARC-AGI-3の数値は最も広く流布しているもので、最も懐疑の目を向ける価値がある。ARC Prizeは2種類のハーネスでモデルを実行し、両方を公表した。標準ハーネスでは62.7%、リクエスト間で推論状態を保持するプロバイダーアダプターでは99.9%を記録した。この37ポイントの差はハーネスの測定結果であってスキャンダルではない——OpenAIは両方の設定を文書化している——が、99.9%を別のモデルの標準ハーネスの数値と並べる比較は、2つの実験を比較してそれをベンチマークと呼んでいるにすぎない。

もう一つの非対称性がここに属する。なぜなら、それこそが、計画を立てる際に基準とすべきなのは独立した数値のほうである理由だからだ。Intern-S2-397B のカードには独立した列がまったくないので、その数値が唯一の数値であり、ベンダーの権威だけを帯びていて、それ以外の何もない。Astra には両方があり、一般的推論においてどれほど優れているかについて両者は食い違っているが、その食い違い方は、どちらか一方が間違っているはずがないものだ——ベンダー表は飽和、インデックスは7位と言っている。

「フリーウェイト」は一大決断だ

Intern-S2-397BはApache-2.0であり、実務上の帰結はライセンスではなく算数だ。公開されているチェックポイントは4030億パラメータで、BF16リポジトリは約807GBを占める——サービングスタック、KVキャッシュ、ロールバック用に保持する2つ目のコピーを数に入れる前の時点で。FP8ビルドが存在し、フットプリントをおよそ半分にする。ラボはLMDeploy、vLLM、SGLangをサポート対象サーバーとして文書化しており、独自のツール呼び出し例もLMDeployサーバー上のOpenAI互換エンドポイントなので、統合経路は特殊ではない。ハードウェアのほうが特殊なのだ。

それは同じライセンスから大きく異なる2つの経済性を生み出す。すでに余剰容量のあるマルチGPUノードを所有していれば、次の科学的クエリの限界費用は電気代に近づき、トークン課金の競合他社はそれに太刀打ちできない——これこそがオープンウェイトが存在する最大の理由だ。所有していなければ、「無料」とは容量を購入またはレンタルすることを意味し、レンタル容量では、従量制APIとの比較は、モデルカードがあなたに代わって答えることのできない、利用率に関する単純な算数の問題になる。同じ問いに対するAstraの側はもっと単純だ。料金表があり、運用チームは不要で、$20.00 / $75.00の長文脈帯は、1,050,000トークンのウィンドウが誘い込むまさにそのリクエストサイズに打撃を与える。

セルフホスト型の道を後押しする、見落とされがちな細部が一つある。Apache-2.0ライセンスこそが、規制環境でこのモデルをそもそも使えるものにしているのだ。独自データでのファインチューニング、エアギャップ環境での実行、推論をデータ境界の内側に留めること——この3つは、AstraのAPIがいくら対価を積んでも提供できないものであり、どんなベンチマークの行にも反映されていない。

このようなペアリングにおいて、ルーターがどこに位置するか

Intern-S2-397BはOrcaRouter上には存在せず、このページもそう主張しているわけではありません。これは新しいオープンなチェックポイントであり、入手するにはベンダー公式のIntern APIを使うか、ご自身でデプロイするかのいずれかになります。GPT-6 Astraは当社のカタログにopenai/gpt-6-astraとして掲載されており、OpenAIの定価をそのまま適用し、当社のマークアップは0%です。

両方を運用するチームにとって有用な形は、選択ではなく分割であり、それはまさにルーティング層が担うための構成だ。汎用的で長いコンテキストを扱うドキュメント中心のトラフィックは、従量課金モデルへ送る——OpenAI互換の単一エンドポイントの背後にある一方、科学技術計算と時系列のバッチ処理は、自分たちで運用しているチェックポイント上に維持する。自動フェイルオーバーは、どちらか一方が不健全な場合をカバーする——ノードが落ちたときはセルフホスト側を、プロバイダーの経路が劣化したときはAPI側を——どちらのチームも2つ目の統合を書くことなく。それはアーキテクチャとしてではなく、ルーティングルールとして引かれた境界だ。

どちら

Intern-S2-397B は、入力がこのモデルの訓練対象となった特定の意味で科学的な場合——図表の多い文献ページ、分子・材料構造、時系列信号——、またはデータを自社インフラの外に出せないために Apache-2.0 が決め手となる場合に選びましょう。何より先にハードウェアの予算を確保し、カードを信用するのではなく独自の評価を実行してください。なぜなら、頼りにできる独立した数値が存在しないからです。

あなたの作業がエージェント的で長期的なものである場合、単一リクエストで922,000トークンを入力する形を実際に作っている場合、またはその決定を他の誰かに正当化するために独立したスコアボードが必要な場合は、GPT-6 Astraを選んでください。完了したインデックスタスク1件あたり$3.26はこの比較で最高額であり、その対価として、その作業を行う際に約60Mトークンを出力するモデルが得られます。一方、中央値のモデルは85Mを出力します。だからこそ、トークン単価は判断の基準にすべき間違った数字であり、完了タスクあたりのコストが正しい数字なのです。短く大量のトラフィックには選ばないでください。また、コストモデルを再実行せずに272,000トークンの境界を超えないでください。その境界を超えると、リクエスト全体の入力レートが2倍になるからです。

この2つは代替品ではありません。その理由はベンチマークの点数ではありません。一方は入力されたセンサー測定値の表を受け付け、もう一方は紙のスキャンページを受け付けます。そして、どちらも両方を、もう一方が不要になるほど十分にうまく処理できるわけではありません。もしあなたの業務で何らかの形でその両方が発生するなら、組織内のどのチームがどちらの半分を担当しているかは、すでにご存じでしょう。

リリースはまた、これまでに何がうまくいかなかったかを確認する瞬間でもあります。このクラスのモデルをめぐる、記録に残るAIインシデントやエージェントの障害はOrcaRouter AI Incident Archiveにまとめられており、各エントリには独自の情報源、重大度、信頼度グレード、係争中フラグが付いています。