GPT-6 Astra vs Grok 4.6: De index-tie is verbroken, en het prijsverschil hangt af van de tier

GPT-6 Astra en Grok 4.6 stonden gelijk op het enige onafhankelijke scorebord dat beide rangschikt toen deze pagina voor het eerst verscheen op 4 september 2026. Dat is de zin die de pagina moet terugnemen. Afgezet tegen de Artificial Analysis Intelligence Index zoals die op 16 september 2026 geldt — versie v4.3, tien evaluaties — staat GPT-6 Astra (max) op 53 en Grok 4.6 (high) op 44, waar voorheen een gelijkspel was. De andere correctie is die in de kop waarop je hebt geklikt. De tarievenkaart van Open​AI, op dezelfde dag gelezen, vermeldt GPT-6 Astra tegen $10,00 per miljoen inputtokens, $1,00 per miljoen gecachte input en $50,00 per miljoen output; de kaart van x​AI vermeldt Grok 4.6 tegen $2,00, $0,50 en $6,00. Tegenover standaard input is dat vijf keer. Tegenover output is dat 8,3 keer. Tegenover gecachte input — de regel waartegen de meeste productietraffic daadwerkelijk wordt gefactureerd — is dat twee keer. Er is geen enkele multiplier, en de versie van deze pagina die er een claimde, rondde een tarievenkaart met vier rijen af tot een slogan. Dit is een refresh, geen lancering: GPT-6 Astra is het vlaggenschip van Open​AI van 3 september 2026 en Grok 4.6 is dat van x​AI van 12 augustus 2026. Wat sindsdien is veranderd, is de meting, de beschikbaarheid en de rekenkunde.

De multiplier was nooit één getal.

Begin met de twee tariefkaarten zoals hun leveranciers ze publiceren op 16 september 2026, want alles stroomafwaarts erft hun staffelvormen. Open​AI documenteert GPT-6 Astra tegen $10,00 per 1 miljoen inputtokens, $1,00 per 1 miljoen gecachte input, $12,50 per 1 miljoen cacheschrijfacties en $50,00 per 1 miljoen output, en splitst de kaart in kolommen voor korte context en lange context; voorbij de drempel voor lange context — 272.000 inputtokens volgens de cijfers die voor deze kaart worden gerapporteerd — wordt de hele aanvraag herprijst naar $20,00 in, $2,00 gecached en $75,00 uit. Batch en Flex factureren tegen de helft van de standaardtarieven, Fast-modus tegen het dubbele. x​AI documenteert Grok 4.6 tegen $2,00 per 1 miljoen input, $0,50 gecached en $6,00 output tegen een contextvenster van 500.000 tokens, en zodra een aanvraag 200.000 prompttokens bereikt, wordt de hele aanvraag gefactureerd tegen $4,00 in, $1,00 gecached en $12,00 uit. Dat zijn leverancierstariefkaarten, geen metingen.

Zet ze naast elkaar en de multiple uit de oude kop valt uiteen. Standaardinvoer: $10,00 tegen $2,00, vijf keer. Uitvoer: $50,00 tegen $6,00, 8,3 keer. Gecachte invoer: $1,00 tegen $0,50, twee keer. Invoer met lange context: $20,00 tegen $4,00, weer vijf keer — maar de uitvoer met lange context is $75,00 tegen $12,00, of 6,25 keer. De vijf in de oude titel was niet verzonnen. Het was één rij van een kaart met vier rijen, gehuld in de kleren van een slogan, en welke rij je citeert, verandert het antwoord met een factor vier. Iedereen die je één getal voor deze vergelijking geeft, kiest een niveau en vertelt je niet welk.

Er is een tweede reden waarom rekenen per token dit paar onderbeschrijft, en die werkt de andere kant op. De twee modellen verbruiken niet hetzelfde aantal tokens om hetzelfde werk te voltooien, en volgens de kosten-per-taakmaatstaf van Artificial Analysis — de gewogen gemiddelde kosten van het uitvoeren van de Intelligence Index-evaluatie — is het model dat per token duur is juist het goedkoopste per afgeronde opdracht, zodra je de inspanningsinstellingen gelijkzet. Afgelezen uit AA's eigen modelgegevens van 16 september 2026 komt GPT-6 Astra bij hoge inspanning uit op $1.72 per indextaak tegenover Grok 4.6 bij hoge inspanning op $1.86. De reden staat in de tokentellingen op hetzelfde record: Astra verbrandt 60M outputtokens om de volledige index te draaien tegenover 94M bij Grok 4.6, en 27k outputtokens per taak tegenover 36k. Vijf keer het invoertarief, bij ruwweg twee derde van het tokenverbruik, komt net iets voordeliger uit.

De combinatie in de kop op de eigen vergelijkingspagina van AA zegt iets anders, en beide zijn waar. De pagina van AA opent met GPT-6 Astra op max — $3,26 per taak, 53 op de index — tegenover Grok 4.6 op hoog, $1,86 en 44. Zo gelezen lijkt de meerprijs niets op te leveren qua kosten. Bij dezelfde hoge inspanning staat Astra op 51 op de index tegenover 44 en een dubbeltje goedkoper per taak. Welk cijfer in je budget thuishoort, hangt volledig af van of je van plan bent Astra op max of op hoog te draaien, en de pagina van AA laat je niet kiezen. Dat is dezelfde fout als de enkele multiplier van de oude titel, één niveau lager.

De index-tie is verdwenen, en de eerlijke lezing is nauwer dan het lijkt

Toen deze pagina voor het eerst werd geschreven, stonden beide modellen op 61 in de Artificial Analysis Intelligence Index en draaide het hele artikel om prijs. Die bevinding is niet meer reproduceerbaar. Op het scorebord zoals afgelezen op 16 september 2026 staat GPT-6 Astra (max) op 53 en Grok 4.6 (high) op 44. Beide modellen publiceren een volledige inspanningsladder, en die ladder is belangrijker dan de enkele rij die AA op zijn vergelijkingspagina afdrukt: volgens AA's eigen modelgegevens scoort GPT-6 Astra 53 (max), 53 (xhigh), 51 (high), 50 (medium), 46 (low), en Grok 4.6 scoort 44 (high), 44 (xhigh), 43 (medium), 35 (low). Bij de dichtst overeenkomende instelling, high tegen high, bedraagt het verschil zeven punten.

Twee waarschuwingen horen in één adem. Ten eerste is de index opnieuw samengesteld: de versie die nu live staat is v4.3, gebouwd op tien evaluaties — AA-Briefcase, GDPval-AA v2, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience en AA-LCR v1.1 — op basis van een andere modelpopulatie dan het bord van begin september. Een deel van een gat van negen punten dat verschijnt, is herkalibratie in plaats van dat een van beide labs iets nieuws uitbrengt, en een lezer die deze pagina met de vorige vergelijkt, vergelijkt twee verschillende meetlatten. Ten tweede zijn de twee vermeldingen geen overeenkomstige effort-instellingen: AA's vergelijking koppelt Astra's max aan Grok 4.6's high, en een max-tegen-high-vergelijking is niet appels met appels. De veilige interpretatie van een spreiding van negen punten op een index die tien evaluaties bundelt, is een echte maar bescheiden scheiding, geen afslachting — meerdere modellen clusteren binnen een paar punten aan weerszijden van beide. Wat gezegd kan worden, is het omgekeerde van wat deze pagina vroeger zei: op het onafhankelijke scorebord zijn deze twee niet langer inwisselbaar, en de duurdere staat voor.

Snelheid, die de eerdere versie van deze pagina voor Astra blanco moest laten, is nu gemeten — en de latentiecijfers zijn het opvallendere deel. Artificial Analysis meet GPT-6 Astra (max) op 52,9 outputtokens per seconde tegenover Grok 4.6 (high) op 57,7, een verschil dat je bij een lange generatie kunt voelen en dat geen routeringsbeslissing zou moeten veranderen. De tijd tot het eerste token is een ander verhaal: 334,04 seconden voor Astra tegenover 38,63 voor Grok 4.6, en de end-to-end responstijd 343,48 seconden tegenover 47,31. Astra denkt minutenlang na voordat het antwoordt. Voor batch- en overnight-agentwerk is dat onzichtbaar; voor alles wat interactief is, is het het beslissende getal, en het staat op geen van beide tariefkaarten.

Astra's eigen benchmarkblad, en wie wat mag zeggen

De opvallendste cijfers van Open​AI voor GPT-6 Astra, allemaal door de leverancier gerapporteerd en geen ervan hier gereproduceerd: 98% op FrontierMath Tier 4, 100% op ExploitBench — tegen 78,5% voor het vorige vlaggenschipmodel van Open​AI, GPT-5.6 Sol — en 99,9% op ARC-AGI-3. Dit zijn de cijfers die de berichtgeving over de lancering herhaalde, en twee ervan verdienen meer scepsis dan ze kregen.

Eerst ARC-AGI-3. De 99,9% komt van het provider-adapter-harnas van OpenAI. ARC Prize, dat de benchmark beheert, mat afzonderlijk 62,7% voor hetzelfde model onder zijn provider-neutrale Standard-harnas, tegen $26.098 voor de run. ARC Prize merkt zelf op dat de adapter de redeneerstatus van OpenAI tussen verzoeken behoudt, dus de twee cijfers meten verschillende dingen en mogen nooit worden geciteerd alsof het dezelfde meting betrof. De grootte van het verschil maakt het punt beter dan welk argument dan ook: Astra scoort met "none"-redenering onder de adapter 96,7%, ongeveer 34 punten boven zijn eigen maximale redeneerscore onder het Standard-harnas. Het tweede cijfer is het harnas dat werk doet dat het model niet deed.

FrontierMath Tier 4 is de andere. De 98% is het eigen rapport van OpenAI over een benchmark waarvan OpenAI de ontwikkeling financierde; ten minste één vergelijkingstabel uit de lanceringsweek vermeldt 97,6% voor hetzelfde resultaat. Beschouw beide als door de leverancier gerapporteerd en geen van beide als vaststaand.

Wat het harness-argument overleeft, is het waard om te behouden. ARC Prize ontdekte ook dat Astra minder acties gebruikte dan de mediane geteste mens op 96% van de niveaus die het voltooide, met gemiddeld 51,7% minder acties per niveau tegen een menselijke baseline op basis van ongeveer 500 deelnemers — een efficiëntieresultaat dat niet afhangt van de adapter. En ARC Prize zei ronduit dat het niet beweert dat Astra AGI is: de omgevingen zijn begrensd en deterministisch, en het verzadigen van een benchmark is geen bewijs van algemene capaciteit. Aan de onafhankelijke codeerkant noemt Datacurve's DeepSWE v1.1 — 113 taken verdeeld over 91 actieve open-source-repositories — GPT-6 Astra op 74,1%. Dat is een sterk resultaat, maar geen geïsoleerd resultaat; de top van dat klassement is een cluster, en een klassement waarvan de beste vermeldingen binnen een paar punten van elkaar liggen, gaat net zoveel over onzekerheid als over capaciteit. Op het moment van schrijven was er geen Grok 4.6-cijfer bij een vergelijkbare instelling gepubliceerd, dus deze dimensie heeft één kant.

Twee manieren van werken, en een echt verschil in controle

Zelfs wanneer een score dicht bij die van de ander ligt, verschillen deze twee in hoe je ze aanstuurt. Grok 4.6 is één sterk model met een expliciete regelaar voor redeneerinspanning; jij bepaalt hoeveel denkwerk een verzoek verdient en je betaalt daarvoor een vast tarief. GPT-6 Astra draait langer zelfstandig door en is gebouwd om te pauzeren voor beoordeling voordat het zich vastlegt. Het is ook het eerste OpenAI-model dat het bedrijf als "kritiek" heeft beoordeeld onder zijn Preparedness Framework voor cyberbeveiligingsrisico — een zelfbeoordeling door de leverancier, geen externe bevinding — en OpenAI geeft zelf toe dat de monitorbaarheid ervan is afgenomen ten opzichte van zijn vorige vlaggenschip, waardoor de meest permissieve instellingen zijn voorbehouden aan gescreende partners in plaats van openlijk te worden verkocht. Voor een beveiligingsteam is die afscherming een voordeel. Voor een ontwikkelaar die deterministische, aanstuurbare output tegen een deadline wil, is het wrijving die je tegen een meerprijs verkrijgt.

Het scorebord, gelabeld

• Intelligentie (onafhankelijk) — gelijke inspanning, high tegen high: GPT-6 Astra 51, Grok 4.6 44. Zoals AA's vergelijkingspagina ze naast elkaar zet: Astra (max) 53 tegenover Grok 4.6 (high) 44. Artificial Analysis Intelligence Index v4.3, geraadpleegd op 16 september 2026. Niet gelijk; de grootte van het verschil hangt af van de combinatie.

• Lijstprijs, standaardtarief (tariefkaarten van leveranciers, gelezen op 16 september 2026) — GPT-6 Astra $10.00 in / $50.00 uit / $1.00 gecached per 1M. Grok 4.6 $2.00 in / $6.00 uit / $0.50 gecached per 1M. Vijf keer op input, 8.3 keer op output, twee keer op gecachte input.

• Lijstprijs, lange context (dezelfde kaarten, dezelfde datum) — GPT-6 Astra: het hele verzoek opnieuw geprijsd voorbij de drempel voor lange context tegen $20,00 / $2,00 / $75,00. Grok 4.6: het hele verzoek opnieuw geprijsd bij 200K prompttokens tegen $4,00 / $1,00 / $12,00.

• Kosten per taak (onafhankelijk) — gelijkwaardige inspanning, hoog tegen hoog: GPT-6 Astra $1,72 per Intelligence Index-taak, Grok 4.6 $1,86. Op de vergelijkingspagina van AA worden ze zo tegenover elkaar gezet: Astra (max) $3,26 tegenover Grok 4.6 (high) $1,86. Artificial Analysis, geraadpleegd op 16 september 2026.

• Latentie (onafhankelijk) — GPT-6 Astra: 334,04 s tot eerste token, 343,48 s end-to-end. Grok 4.6: 38,63 s en 47,31 s. Artificial Analysis, geraadpleegd op 16 september 2026. De grootste kloof op deze pagina. OrcaRouter's eigen vermelding voor hetzelfde model registreert een p50-tijd tot eerste token van 6,71 s en een p95 van 10,00 s over zeven dagen, wat een ander punt in de respons meet en niet vergelijkbaar is met AA's cijfer — zet de twee niet in dezelfde zin alsof ze dat wel waren.

• Snelheid (onafhankelijk) — GPT-6 Astra 52,9 outputtokens/s bij max. Grok 4.6 57,7 tokens/s bij hoog. Artificial Analysis, geraadpleegd op 16 september 2026.

• Agentisch coderen (onafhankelijk) — GPT-6 Astra 74,1% op DeepSWE v1.1 van Datacurve. Er was op het moment van schrijven geen vergelijkbare Grok 4.6-run gepubliceerd op hetzelfde leaderboard, dus deze dimensie heeft maar één kant.

• Cyber en redenering (door de leverancier gerapporteerd) — GPT-6 Astra: FrontierMath Tier 4 98%, ExploitBench 100%, ARC-AGI-3 99,9% op OpenAI's provideradapter, tegenover de 62,7% die ARC Prize onafhankelijk heeft gemeten op zijn Standard-harnas. Gerapporteerd door OpenAI; hier niet gereproduceerd.

• Vandaag toegang — beide modellen zijn met één key via OrcaRouter aanroepbaar. Door de router vermelde tarieven, uitgelezen op 16 september 2026: GPT-6 Astra tegen $10,00 / $50,00 per 1M met een context van 1,05M tokens, Grok 4.6 tegen $2,00 / $6,00 per 1M met een context van 500K tokens.

Eén opmerking over de graphics op deze pagina, omdat ze cijfers bevatten die de tekst nuanceert. De hero-kaart en het scorebord tonen dezelfde combinatie waarmee Artificial Analysis opent — GPT-6 Astra op zijn maximale redeneerinstelling tegenover Grok 4.6 op hoog — dus de rij voor intelligentie van het scorebord toont de score bij maximale inspanning, terwijl de rij voor kosten de kosten bij hoge inspanning toont. Beide cijfers zijn van AA, beide zijn actueel, en ze komen niet uit dezelfde inspanningsinstelling. De tekst hierboven geeft het paar met dezelfde inspanning waar het verschil uitmaakt. De eerdere versie van deze pagina bevatte vier graphics die waren gebaseerd op de indexaflezing van 61 tegen 61; ze zijn vervangen in plaats van geannoteerd, omdat een hero-kaart die een claim doet die het artikel herroept, erger is dan geen hero-kaart.

De beschikbaarheid is gewijzigd, en dat verandert het routeringsantwoord.

De eerste versie van deze pagina moest melden dat GPT-6 Astra niet op OrcaRouter stond en Grok 4.6 wel. Beide staan nu in de catalogus — GPT-6 Astra onder de model-id openai/gpt-6-astra tegen de lijsttarieven van OpenAI, Grok 4.6 onder grok/grok-4.6 tegen die van xAI. Door OrcaRouter vermelde tarieven, gelezen op 16 september 2026. Het Astra-endpoint is evenmin een catalogusvermelding: dezelfde vermelding registreert 180,7 miljoen tokens aan verkeer over de voorgaande zeven dagen, door de router vermeld, op dezelfde dag gelezen.

Dat is specifiek van belang voor deze matchup, omdat de twee kaarten verschillende tierstructuren hebben. Een router die de listprijs van de provider met 0% opslag in rekening brengt, past de tier toe waarin het verzoek daadwerkelijk terechtkomt: een Astra-call die onder de long-contextdrempel blijft, wordt aan onze kant niet herprijsd, en een Grok 4.6-call die 200K overschrijdt, wordt volgens de regel van xAI herprijsd en niet volgens de onze. Elk tarief aan onze kant wordt tegen 0% opslag doorgegeven — het getal van de leverancier is het getal dat je betaalt, en wanneer een leverancier het wijzigt, is de wijziging dezelfde dag actief op dezelfde key. Met beide modellen op één key is het splitsen van een workload tussen hen, Astra op het moeilijke autonome werk en Grok 4.6 die het volume draagt, een routeringswijziging in plaats van een tweede contract; automatische failover betekent dat een rate limit op één pad een routeringsgebeurtenis is in plaats van een storing; en de routing-DSL laat je de twee samenvoegen tot één call wanneer je het goedkope model een concept wilt laten opstellen en het dure model wilt laten controleren.

Wie moet de premie betalen?

Koop GPT-6 Astra als je werk zich in de band bevindt waar hij nu meetbaar vooroploopt. De onafhankelijke index onderscheidt hem van Grok 4.6 bij de instellingen die AA publiceert, zijn DeepSWE v1.1-resultaat is een echt onafhankelijk cijfer, en het eigen benchmarkoverzicht van de leverancier is werkelijk grensverleggend zodra de caveats van het testharnas eraan zijn toegevoegd. Budgetteer per taak in plaats van per token, en let op de long-contextdrempel, want daar houdt een enkel verzoek op een dure aanroep te zijn en wordt het een zeer dure. Koop Grok 4.6 als je redeneervermogen wilt dat aan de frontier grenst, tegen een tarief dat een echt budget overleeft, plus de snellere gemeten output van de twee en een prijsstructuur met één prijsklif in plaats van twee.

De gecorrigeerde samenvatting van deze confrontatie is niet dat een vijfvoudige kloof niets oplevert, en ook niet dat de twee gelijk staan. Ze is dat de kloof op elk niveau reëel is en dat de verhouding afhangt van het niveau dat je leest; dat de prestatiekloof nu ook reëel is; en dat de twee in dezelfde richting wijzen — wat het tegenovergestelde is van wat deze pagina op 4 september 2026 zei, en een betere reden om tussen hen te kiezen dan een slogan over multiples.