
GPT-6.2 Astra 대 Gemini 4 Argon: 아직 살 수 없는 격차
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 184 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 727 tok/s
- AlibabaNEWQwen: Qwen4 Max2026-11-16$1.50 / $4.50 100만 토큰당 · 407 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 121 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
GPT-6.2 Astra와 Gemini 4 Argon은 세 개의 독립적인 평가 보드에 함께 등장하며, 세 보드 모두에서 동일한 모델이 실행 간 노이즈보다 큰 차이로 승리한다. 2026년 11월 20일 공개된 20개 모델 대상 에이전틱 행정 평가인 Hospital-bench에서 GPT-6.2 Astra는 평균 62.4%, 완전 통과율 29.2%를 기록한 반면 Gemini 4 Argon은 46.9%, 16.7%였다. Blueprint-Bench 2에서는 격차가 0.614 대 0.544다. Artificial Analysis Intelligence Index에서는 동일한 최대 노력 조건에서 62.1 대 52.56이다. 이는 지수에서 15점 앞선 것이며, 대략 8건의 완전한 작업 완료 대 14건에 해당하고, 이는 논란의 여지가 없다.
논쟁의 핵심은 이 비교가 하나의 선택지를 설명하는지 여부다. OpenAI는 2026년 11월 17일 GPT-6.2 Astra를 출시했으며, 가격은 입력 토큰 100만 개당 8달러, 출력 토큰 100만 개당 40달러였다. Google은 2026년 9월 30일 Gemini 4 Argon을 발표했지만 아직 출시하지 않았다. 모델 식별자도, Gemini API 엔드포인트도, 셀프서비스 할당량도, 일반 제공일도 없으며, 접근은 가입 페이지가 아니라 Fairwind Program을 통해 이루어진다. 존재하는 가격 — 100만 개당 2.00달러와 10.00달러 — 은 요금표일 뿐, 프로그램 외부의 누구도 실제로 지불하는 청구서가 아니다. 따라서 이 맞대결을 솔직하게 규정하자면 어느 모델을 표준으로 삼을지의 문제가 아니다. 둘 중 하나는 선택지이고 다른 하나는 벤치마크 항목이라는 것이며, 15포인트 격차는 무엇을 살지가 아니라 무엇을 기다리고 있는지를 알려준다.
각 모델이 실제로 무엇인지
GPT-6.2 Astra는 OpenAI의 장기적 전문 업무를 위한 플래그십 모델로, 1,050,000 토큰 컨텍스트 윈도우, 최대 128,000 토큰 출력, 그리고 텍스트·이미지·파일에 걸친 멀티모달 입력을 갖추고 있습니다. 추론은 항상 켜져 있고 effort는 low부터 max까지 설정할 수 있으며, 이 모델은 chat-completions 형식과 네이티브 Responses API를 모두 지원하고 백그라운드 모드도 포함합니다. GPT-6 라인에서 OpenAI의 최상위 자리를 차지한 세 번째 모델이며, GPT-6 Astra에서 달라진 두 가지가 운영상 핵심입니다. 바로 미터의 양방향 모두 20% 인하와, 캐시 입력이 $1.00에서 $0.40으로 60% 인하된 것입니다.
Gemini 4 Argon은 Google의 Gemini 4 패밀리에서 네 번째 계층으로, Pro 아래이자 Hydrogen 위에 위치하며 Neon과 Carbon이 중간을 차지한다. 공개된 카드는 빈약하며, 그 빈약함 자체가 정보를 준다. 100만 토큰 컨텍스트, 텍스트 및 이미지 입력, Artificial Analysis가 측정하는 행에 해당하는 고추론 구성, 그리고 $2 및 $10 요율이 그것이다. 공개된 출력 토큰 상한도, 문서화된 도구 사용 인터페이스도, 컨텍스트 캐싱 문서도, 모델 ID도 없다. 같은 패밀리에서 Carbon에는 네이티브 함수 호출, 구조화된 출력, OpenAI 호환 경로와 네이티브 generateContent 경로를 모두 다루는 완전한 설명이 제공된다는 점과 대조된다. Argon에는 카드, 가격, 리더보드 행이 있다. 아직 제품은 없다.
그 비대칭이 아래의 모든 내용의 형태를 결정한다. 두 모델 모두 호출 가능할 때, 정면 비교는 구매 결정이다. 한쪽은 호출 가능하고 다른 쪽은 발표만 된 경우, 그 비교는 사실상 세 가지 질문이 겹쳐진 것이다. 능력 격차는 얼마나 큰가, 가격 우위는 얼마나 오래 지속되는가, 그리고 두 번째 질문이 중요해지려면 무슨 일이 일어나야 하는가. 마지막 질문이 흥미로운 이유는 가격 우위에 만료일이 찍혀 있기 때문이다.
세 개의 보드, 하나의 방향
두 모델은 서로 다른 세 기관이 서로 다른 세 가지 방법으로 실시한 동일한 세 가지 평가에 모두 등장한다. 이들 평가 간의 일치가 이 비교에서 가장 강력한 증거이며, 규모에 관한 불일치가 두 번째로 강력한 증거다.
• Hospital-bench 평균 — GPT-6.2 Astra 62.4% 대 Gemini 4 Argon 46.9%, 15.5포인트 차이
• Hospital-bench 전체 통과 — Astra 29.2%(48개 중 14개) vs Argon 16.7%(48개 중 8개)
• Blueprint-Bench 2 — Astra 0.614 vs Argon 0.544, 0에서 1까지의 척도에서 0.070의 격차
• Intelligence Index v5.0.1 — Astra 62.1 대 Argon 52.56, 둘 다 최대 노력으로 평가
• Index 작업당 비용 — Astra $4.00 대 Argon $1.99, 동일한 스위트에서 측정
• 100만 개당 입력 가격 — Astra $8.00 vs Argon $2.00(11월 30일까지), 이후 $4.00

Hospital-bench 결과는 측정하는 내용 때문에 별도 항목으로 다룰 가치가 있습니다. 이 평가는 에이전트에게 13개 연결 시스템에 걸친 131개 도구를 제공하고, 320병상 병원의 48개 행정 업무—사전 승인, 거부된 청구, 기록 요청—에 투입합니다. 이는 이들 리더보드 중 에이전트가 실제로 고용되어 수행하는 업무에 가장 가까운 것이며, 그곳의 격차는 평균 점수 15.5점으로 세 가지 중 가장 큽니다. 통과율 항목은 Argon이 더 나쁩니다: 14건 대비 8건의 완전 완료로, 완전히 끝낸 과제에서 43% 부족하며, 이 벤치마크에서는 절반만 끝난 사전 승인이 부분 점수가 아니라 거부된 청구이기 때문입니다.
Blueprint-Bench 2는 0.070으로 세 가지 격차 중 가장 좁으며, 두 모델이 성격상 가장 가까운 과제이기도 합니다 — 둘 다 일련의 사진에서 평면도 연결 그래프를 재구성하는 작업으로, 이는 도메인 지식보다 장기적 일관성을 더 보상하는 과제입니다. Argon이 일반 지수에서 9.5포인트 뒤처지면서도 그곳에서 0.07 이내로 따라붙은 것은它的 강점이 어디에 있는지 보여주는 진정한 신호입니다. 또한 인간과 관련된 이해관계가 가장 작은 보드이므로, 이를 인용하기 전에 기억할 가치가 있습니다.
가격 우위에는 유효 기간이 있다
다음은 전체 비교를 재편하는 사실입니다. Gemini 4 Argon의 요금표는 2026년 11월 30일까지 백만 토큰당 입력 $2.00, 출력 $10.00입니다. 12월 1일에는 $4.00와 $20.00이 됩니다. 이는 소문이나 예측이 아니라 공개된 일정이며, 해당 날짜에 모델 자체는 바뀌지 않기 때문에 Argon의 경제성에서 가장 중대한 사항입니다.
• 100만 개당 입력 — Argon: 현재 $2.00, 12월 1일부터 $4.00; Astra: $8.00, 고정
• 1M당 출력 — Argon $10.00 오늘, 12월 1일부터 $20.00; Astra $40.00, 고정
• 캐시된 입력 — Argon은 오늘 $0.10, 이후 $0.20; Astra는 $0.40, 고정
• Index 작업당 측정된 비용 — Argon은 현재 $1.99, 이후 약 $3.98, Astra는 $4.00
• 컨텍스트가 272K 초과 — Argon은 공개된 장문 컨텍스트 등급이 없으며, Astra는 전체 요청 가격을 $16과 $60으로 재책정합니다
오늘날 Argon은 토큰당 비용이 Astra보다 네 배 저렴하고 완료된 Index 작업당 가격은 절반인데, 이는 9.5점 뒤처진 모델로서 의미 있는 할인이다. 12월 1일 이후에는 토큰당 두 배 더 저렴하고 Index 작업당 비용에서는 Astra와 거의 비슷해진다. 그 시점에는 작업당 비용이 더 저렴한 모델이 점수는 더 낮은 모델이기도 해지며, 비용 논리는 전혀 설득력을 발휘하지 못하게 된다.
두 가지 요인 때문에 현재의 우위조차 보이는 것보다 작아진다. 첫째, Astra의 장문 컨텍스트 절벽은 실재하지만 Argon의 절벽은 문서화되어 있지 않다. 프롬프트 토큰이 272,000개를 넘으면 Astra는 전체 요청 가격을 입력 $16, 출력 $60으로 다시 매긴다. Astra에서 300K 토큰 에이전트 실행을 하면 모델이 토큰을 하나 쓰기도 전에 입력 비용이 $4.80인데, 바로 직전인 271,999토큰에서는 $2.17이었다. 워크로드가 에이전트형이고 길다면 그 절벽은 단 한 번의 요청으로 4배 토큰 우위를 지워버릴 수 있으며, 그렇지 않다면 애초에 비용을 지불하고 있는 1.05M 창을 쓸 일이 없었을 것이다.
둘째, 토큰 가격은 작업 비용이 아니다. Artificial Analysis는 두 모델을 동일한 평가 제품군에서 측정해 Argon에 $1.99, Astra에 $4.00을 보고했는데, 이는 요금표가 시사하는 4:1이 아니라 2:1 비율이다. Argon은 답에 도달하기 위해 더 많은 토큰을 소모하거나 더 많은 턴을 쓰거나, 둘 다 한다. 이는 더 저렴한 모델의 일반적인 형태이며, 작업당 청구액만이 예산 책정 기준으로 삼을 가치가 있는 유일한 숫자라는 뜻이다.
15개의 점은 무엇으로 만들어져 있나요?
동일한 최대 노력 조건에서 9.5포인트의 지수 격차는 큰 수치이며, 이 지수를 하나의 판결로 취급하기보다 그 격차가 어디서 비롯되는지를 구체적으로 밝히는 것이 가치 있습니다. Artificial Analysis의 Intelligence Index는 아홉 개 평가의 평균이며, 두 모델이 같은 평가에서 실패하는 것은 아닙니다. Astra의 우위는 에이전트형 및 장기 지평(long-horizon) 구성 요소에 집중되어 있으며 — 이는 Hospital-bench가 지목하는 지점과 같습니다 — Argon이 경쟁력을 갖는 개별 지식 및 추론 과제에서는 그 우위가 좁아집니다.
그 패턴은 두 모델이 구축된 방식과 일치합니다. Astra는 사고가 항상 켜져 있고 최대 max까지 노력을 구성할 수 있는 추론 모델이며, 이 노력 설정은 점수와 청구 비용 모두에 가장 큰 영향을 미치는 단일 변수입니다. Argon의 공개된 항목은 고추론 구성으로, 이는 Google이 상한이 아니라 균형점으로 위치시키는 설정입니다. 이 제품군에는 xhigh 단계가 없습니다. "각 모델이 할 수 있는 최선"을 비교할 때, 당신은 Astra를 max에 두고 Argon을 한 단계 아래에 두고 비교하는 것이며, 그 격차는 아키텍처를 반영하는 만큼이나 그 점도 반영합니다.
반대편에는 실질적인 주의점이 있으며, 이는 Astra에 불리하게 작용한다. 더 오래 추론하는 모델은 같은 토큰 가격에서도 작업당 비용이 더 높은 모델이며, Intelligence Index 작업당 Astra의 20.2분은 스위트 중앙값을 크게 웃돈다. 15점 차이는 돈뿐 아니라 실제 경과 시간으로도 얻어진 것이며, 지연에 민감한 제품 — 고객 대면 에이전트, 지원 트리아지 루프 — 에서 유효한 비교는 Astra의 중간 강도 대 Argon의 높은 강도이며, 그 격차는 9.5점보다 상당히 좁고 비용 구도도 그에 따라 달라진다.
호출 가능한 것
이 모든 것은 가용성으로 귀결됩니다. 오늘날 이 비교가 실제로 판가름되는 차원이 바로 가용성이기 때문입니다. 2026년 11월 20일 현재, GPT-6.2 Astra는 OrcaRouter 카탈로그에 없습니다 — 저희가 라우팅하는 OpenAI 모델은 Hospital-bench에서 46.7%를 기록한 GPT-6 Astra와, GPT-6.2 Sol이 57.6% 및 25.0%를 기록하는 GPT-6 Sol 라인입니다. Gemini 4 Argon도 여기서는 라우팅할 수 없습니다. 더 단순한 이유는 Google이 라우팅할 식별자를 공개하지 않았기 때문입니다.
그 결과 이번 비교의 양쪽 모두 자체 엔드포인트에서는 손에 닿지 않는 상황이며, 이는 비교 기사가 도달하기에 이례적인 지점이라 꾸밈없이 밝혀 둘 만합니다. 현재 이용 가능한 것은 양쪽 모두 이전 세대입니다. OpenAI의 GPT-6 Astra와 GPT-6.2 Sol, Google의 Gemini 4 Carbon과 Gemini 4 Neon입니다. 네 모델 모두 공급사 정가에 마크업 없이 그대로 청구되므로, 공급사가 가격을 인하하면 다음 계약 갱신 때가 아니라 같은 날 바로 요금에 반영됩니다. 공급사 간 자동 페일오버 덕분에 한 모델의 속도 제한이 배치 전체를 멈추지 않으며, 라우팅 DSL을 사용하면 통합을 다시 작성하지 않고도 작업 클래스를 특정 모델에 고정할 수 있습니다.
• 지금 호출할 수 있는 모델 — GPT-6 Astra, GPT-6.2 Sol, Gemini 4 Carbon, Gemini 4 Neon
• 할 수 없는 것 — GPT-6.2 Astra(11월 20일 기준 당사 카탈로그에 없음), Gemini 4 Argon(공개된 모델 ID가 어디에도 없음)
• 그 격차의 가치 — Hospital-bench에서 15.5점, Intelligence Index에서 9.5점, Blueprint-Bench 2에서 0.070
• 나중에 전환하는 데 드는 비용 — 식별자만 있으면 모델 문자열 하나

실용적인 권고는 점수보다 날짜에서 나온다. 이번 달 에이전트형 행정 업무를 위한 최전선 OpenAI 모델이 필요하다면, GPT-6.2 Sol은 우리 카탈로그에서 Hospital-bench 표 최상위에 가장 가까운 모델이며 두 OpenAI 옵션 중 토큰당 4배 더 저렴한 쪽이다. Google 모델이 필요하다면 Carbon과 Neon이 모두 서비스 중이고, 둘 다 일부 하위 평가에서 Argon의 지수를 앞선다. 그중 어느 것도 이 글이 명목상 다루는 모델은 아니며, 그렇지 않은 척하는 것은 읽기는 좋게 들리지만 라우팅은 잘못되는 종류의 일일 것이다.
무엇이 이 읽기를 바꿀까요?
세 가지 개발이 답을 바꿀 것이며, 첫 번째는 Gemini 4 Argon의 출시입니다. 공개된 모델 식별자, 셀프서비스 엔드포인트, 문서화된 도구 사용 인터페이스가 갖춰지면 이는 제품을 요율표와 비교하는 문제에서 구매 결정의 문제로 바뀔 것이고, 유통 중인 모든 Argon 수치가 거의 아무도 실행할 수 없는 구성에서 나온 것이기 때문에 52.56 지수 행이 실제 API와 접촉해도 살아남는지도 판가름 날 것입니다.
두 번째는 2026년 12월 1일이다. 요율표가 두 배로 오르는 것은 이 비교에서 단일 최대 경제적 사건이며, 알려진 날짜에 발생한다. Argon의 작업당 비용이 산술이 시사하는 대로 약 $4.00에 가까워진다면, 이 모델은 완료된 Index 작업당 비용에서 Astra와 동등한 수준이면서 9.5포인트 뒤처지고, 그에 대한 근거는 구체적인 사항들로 축소된다 — 경쟁력이 있는 작업, 토큰 지출이 더 낮은 워크로드, 이미 Fairwind Program에 속한 팀들. 측정된 비용이 예상보다 낮게 나온다면, 저렴하지만 약간 더 나쁜 위치는 지속 가능하며, 이는 가격에서 진정한 양강 구도가 된다.
세 번째는 Hospital-bench의 두 번째 실행입니다. 11월 20일 발표는 방법론 페이지도, 과제 세트도, 실행 로그도 없는 단일 캠페인이며, 48개 과제에서 15포인트 격차는 누구든 그것을 표준화하기 전에 두 번째 측정을 할 가치가 있는 강력한 결과입니다. 그 표 안의 세대 간 비교가 가장 움직일 가능성이 낮은 부분입니다: GPT-6.2 Astra가 62.4% 대 GPT-6 Astra가 46.7%, 깨끗한 완료가 8.3%에서 29.2%로 증가한 것은 잡음을 견딜 만큼 충분히 큰 도약입니다.
그래서 열다섯 개의 점은 사실이고, 가격 우위는 일시적이며, 이 비교는 아직 선택이 아니다. GPT-6.2 Astra는 두 모델이 함께 등장하는 모든 평가표에서 더 나은 모델이고, 그 격차는 실제 에이전트 작업에 가장 가까운 평가에서 가장 크며, 오늘 실제로 호출할 수 있는 것은 둘 중 이 모델뿐이다. Gemini 4 Argon은 리더보드 한 줄이 붙은 요금표이자 유일한 장점에 유효기간이 찍힌 모델이다. 첫 번째를 사고, 두 번째를 지켜보라. 그리고 12월 1일에 이 글을 다시 읽어라. 그때는 두 모델이 움직이지 않아도 계산이 달라진다.

이 글에서 비교한 모델2
이 글에서 자동 인식 · 벤치마크: Artificial Analysis · 매일 업데이트
