GPT-6 Astra vs. Intern-S2: Wat elk van beide eigenlijk accepteert

De twee modellen in deze vergelijking worden beide als multimodaal beschreven, en dat woord doet in beide gevallen vrijwel niets. GPT-6 Astra, dat OpenAI op 3 september 2026 uitbracht, accepteert tekst en afbeeldingen — en bestandsinvoer, volgens routervermeldingen die de eigen documentatie van OpenAI niet bevestigt. Intern-S2-397B, het wetenschappelijke model met 403 miljard parameters dat het InternLM-team van Shanghai AI Laboratory op 13 september 2026 onder Apache-2.0 uitbracht, accepteert tekst, afbeeldingen en tijdreekssignalen, waarbij het voorspellingspad via LMDeploy loopt in plaats van via het eigen standaard servingrecept van het model. Geen van beide accepteert audio. Geen van beide accepteert video. De interessante vraag is niet welke van de twee multimodaler is; het is welke van deze twee invoeroppervlakken jouw werk daadwerkelijk produceert, want ze overlappen nauwelijks en geen van beide kan de andere vervangen.

Twee invoeroppervlakken die alleen maar op elkaar lijken

Zet de specificaties naast elkaar op de dimensies waar een echte workload contact maakt:

• Tekst — beide: GPT-6 Astra tot 922.000 inputtokens in één verzoek; Intern-S2-397B geëvalueerd bij een maximale inferentielengte van 256.000 tokens voor tekstredenering

• Afbeelding — beide, maar op verschillende manieren: Astra neemt in hetzelfde verzoek een afbeelding op samen met een lang document; Intern-S2-397B werd vooraf getraind om ruwe pagina's uit wetenschappelijke literatuur te lezen, waarbij symbolische en visuele inhoud samen worden gemodelleerd. Dat is een bewering over hoe het werd getraind, niet over wat het accepteert.

• Tijdreeksen — alleen Intern-S2-397B, via zijn voorspellingshoofd, momenteel via LMDeploy

• Bestandsinvoer — GPT-6 Astra volgens routervermeldingen; OpenAI's eigen pagina vermeldt alleen tekst en afbeelding, dus beschouw het als onbevestigd

• Audio en video — geen van beide

• Uitvoer — tekst aan beide zijden, en alleen tekst

• Redeneerbesturing — GPT-6 Astra biedt reasoning.effort met de waarden low, medium, high, xhigh en max; Intern-S2-397B draait standaard met denken aan en schakelt dit per verzoek uit met enable_thinking=False

Gewichten — Intern-S2-397B Apache-2.0, downloadbaar in FP8 en BF16; GPT-6 Astra gesloten, alleen via API

De tijdreeksrij is degene die deze matchup beslist voor een subset van kopers en hem voor alle anderen uitsluit. Tijdreeksvoorspelling is geen capaciteit die je kunt benaderen met een lange tekstprompt — de input is numeriek met zijn eigen structuur, en een model dat er niet op is getraind, zal het niet verwerven omdat je de getallen in een prompt serialiseert. Als dat jouw workload is, is de vergelijking voorbij en is er geen benchmarktabel nodig. Als dat niet zo is, is de rij irrelevant en is de rest van deze pagina waarvoor je leest.

Het contextnummer dat ertoe doet, is het geëvalueerde.

Marketingpagina's noemen het venster; benchmarktabellen noemen de lengte waarop het model daadwerkelijk is gedraaid, en het tweede getal is het getal dat gedrag voorspelt. Het verschil hier is leerzaam.

Het venster van GPT-6 Astra is 1.050.000 tokens, met een maximum van 922.000 in en 128.000 uit, en de gedocumenteerde tariefschijven zijn eerlijk over de kosten van het gebruik ervan: verzoeken met meer dan 272.000 invoertokens krijgen een nieuw tarief van $20,00 per miljoen voor invoer en $75,00 per miljoen voor uitvoer, met $2,00 voor cache-leesbewerkingen en $25,00 voor cache-schrijfacties, toegepast op het hele verzoek in plaats van op het overschot. Onder die grens geven de meters $10,00, $1,00 en $12,50 aan, met uitvoer tegen $50,00.

De kaart van Intern-S2-397B vermeldt zijn eigen limiet in de methodologienoot in plaats van in een kop: benchmarks voor tekstredenering werden uitgevoerd met een maximale inferentielengte van 256.000 tokens, en multimodale benchmarks bij 64.000. Dat is niet het plafond van het model — de modelkaart publiceert er geen in een vorm die een koper zou herkennen — maar het is de lengte waarbij elk getal op de kaart is geproduceerd. Een capaciteit die alleen binnen 64.000 tokens beeldcontext is aangetoond, is een capaciteit die alleen binnen 64.000 tokens beeldcontext is aangetoond, en een pagina die dezelfde score afdrukt zonder de lengte, drukt een half feit af.

Dit is de discipline die beide modellen verdienen en die het materiaal van geen van beide leveranciers gemakkelijk maakt. De leverancierscijfers van Astra komen met een testharnas erbij dat ze op één benchmark met 37 punten verandert; die van Intern-S2 komen met een maximale inferentielengte erbij die bepaalt of ze überhaupt naar je workload te vertalen zijn. Lees beide voetnoten voordat je een van beide tabellen leest.

Wat de cijfers van Intern-S2-397B zijn, en wie ze heeft geproduceerd

Elk cijfer hieronder is van InternLM zelf, uitgevoerd via OpenCompass, VLMEvalKit en AgentCompass door het team dat het model heeft getraind, en samen met de gewichten gepubliceerd. Niets ervan is onafhankelijk gereproduceerd. Er is geen pagina voor Intern-S2-397B op Artificial Analysis, en dat gemis weegt zwaarder dan gewoonlijk, want het betekent dat er geen derde partij is om de rijen voor algemene capaciteiten tegen te controleren.

De wetenschappelijke rijen zijn waar het model het sterkst is en waar de argumenten ervoor het helderst zijn: 55.71 op Biology-Instructions, 63.28 op SciReasoner 1.5, 62.35 op MolecularIQ, 53.95 op Mol-Instructions. Daarnaast respectabele algemene rijen: 89.77 op MMLU Pro, 81.68 op MMMU Pro, 93.56 op HMMT-2026, 68.54 op SWE-bench-Pro. En één rij die je vertelt wat voor model dit is — TerminalBench 2.1 op 64.04, die volgens de eigen tabel van het lab verliest van een oudere gesloten generatie. Intern-S2-397B is een wetenschappelijk instrument dat algemeen bekwaam is, geen generalist met een wetenschappelijke specialiteit eraan vastgeschroefd.

Wat de cijfers van GPT-6 Astra zijn, en waar die het zwakst zijn

De prestatie van Astra bestaat uit twee helften, en die zijn het niet eens over de nadruk. Artificial Analysis meet het op 53 op zijn huidige Intelligence Index over tien evaluaties, tegen $3,26 per voltooide indextaak, en genereert tijdens die run ruwweg 60M outputtokens tegen een mediaan op de ranglijst van bijna 85M, bij 44,6 outputtokens per seconde. Dat is een onafhankelijke evaluatie met een gepubliceerde methodologie, en het plaatst het model op de zevende plaats van 216 qua intelligentie en op de 168e van 185 qua snelheid.

Het deel van de leverancier is een tabel op zichzelf: 98% op FrontierMath Tier 4, naar verluidt het verzadigen van dat niveau; 99,9% op ARC-AGI-3; 100% op ExploitBench, waarbij Astra het eerste O​penAI-model is dat de Critical-drempel voor cybersecuritycapaciteiten van het bedrijf overschrijdt; 57,9% op Terminal-Bench 4.0 tegenover 37,3% voor GPT-5.6 Sol. Elk cijfer is toe te schrijven aan O​penAI en geen ervan is gereproduceerd. Het ARC-AGI-3-cijfer is het cijfer dat het verst is geraakt en het meeste scepticisme verdient: ARC Prize liet het model onder twee harnesses draaien en publiceerde beide, met 62,7% onder hun standaard-harness en 99,9% onder een provider-adapter die de redeneerstatus tussen verzoeken behoudt. De spreiding van 37 punten is een meting van de harness, geen schandaal — O​penAI documenteerde beide instellingen — maar elke vergelijking die de 99,9% tegenover de standaard-harnessscore van een ander model zet, vergelijkt twee experimenten en noemt dat een benchmark.

Er hoort hier nog een asymmetrie bij, want dat is de reden dat het onafhankelijke cijfer het cijfer is waartegen je moet plannen. De kaart van Intern-S2-397B heeft helemaal geen onafhankelijke kolom, dus de cijfers zijn de enige cijfers, en ze dragen alleen het gezag van de leverancier en niets anders. Astra heeft beide, en ze zijn het oneens over hoe goed het is in algemeen redeneren, op een manier waarop een van beide niet fout kan zijn — de leverancierstabel zegt verzadigd, de index zegt zevende.

"Vrije gewichten" is een belangrijke beslissing.

Intern-S2-397B is Apache-2.0, en het praktische gevolg is een kwestie van rekenen, niet van licenties. De gepubliceerde checkpoint telt 403 miljard parameters, en de BF16-repository beslaat ruwweg 807 GB — nog voordat je een serving-stack, een KV-cache of de tweede kopie die je voor een rollback bewaart, meerekent. Er bestaat een FP8-build die de footprint ruwweg halveert. Het lab documenteert LMDeploy, vLLM en SGLang als ondersteunde servers, en het eigen voorbeeld van tool-calling is een OpenAI-compatibel endpoint op een LMDeploy-server, dus het integratiepad is niet exotisch. De hardware is dat wel.

Dat levert twee heel verschillende economische realiteiten op vanuit dezelfde licentie. Als je al een multi-GPU-node met reservecapaciteit bezit, naderen de marginale kosten van de volgende wetenschappelijke query de elektriciteitskosten, en geen enkele concurrent die per token afrekent kan dat verslaan — wat de hele reden is dat open weights bestaan. Als je die niet bezit, betekent "gratis" capaciteit kopen of huren, en op gehuurde capaciteit is de vergelijking met een API met verbruiksmetering een eenvoudige rekenkundige vraag over benutting die een modelkaart niet voor je kan beantwoorden. De kant van Astra in dezelfde kwestie is eenvoudiger: een tariefkaart, geen operationeel team, en een long-contextband tegen $20,00 / $75,00 die precies de aanvraaggrootte afstraft die een venster van 1.050.000 tokens uitlokt.

Eén detail dat pleit voor de self-hosted route en gemakkelijk over het hoofd wordt gezien: de Apache-2.0-licentie is wat het model in een gereguleerde omgeving überhaupt bruikbaar maakt. Fine-tuning op propriëtaire data, air-gapped draaien en de inferentie binnen een dataperimeter houden zijn drie dingen die Astra's API tegen geen enkele prijs kan bieden, en geen enkele benchmarkrij weerspiegelt ze.

Waar een router zich bevindt in een koppeling zoals deze

Intern-S2-397B staat niet op OrcaRouter en deze pagina beweert dat ook niet; het is een nieuw open checkpoint, en jouw route ernaartoe is de officiële Intern API van de leverancier of een eigen deployment. GPT-6 Astra staat in onze catalogus als openai/gpt-6-astra, tegen OpenAI's lijsttarieven, doorgegeven met 0% opslag van ons.

De bruikbare vorm voor een team dat beide draait, is een splitsing in plaats van een keuze, en het is de configuratie waarvoor de routeringslaag bedoeld is: stuur het algemene, documentintensieve verkeer met lange context naar het model met verbruiksmeting achter één OpenAI-compatibel endpoint, en houd het wetenschappelijke en op tijdreeksen gerichte batchwerk op de checkpoint die je beheert. Automatische failover dekt dan het geval waarin een van beide zijden ongezond is — de zelfgehoste tak wanneer een node uitvalt, de API-tak wanneer een providerpad verslechtert — zonder dat een van beide teams een tweede integratie hoeft te schrijven. Dat is een grens die als routeringsregel is getrokken, niet als een architectuur.

Welke?

Kies Intern-S2-397B als uw invoer wetenschappelijk is in de specifieke zin waarvoor het model is getraind — figuurrijke literatuurpagina's, moleculaire en materiaalstructuren, tijdreekssignalen — of als Apache-2.0 de beslissende eigenschap is omdat uw data uw infrastructuur niet mogen verlaten. Begroot de hardware voordat u iets anders begroot, en voer uw eigen evaluatie uit in plaats van de kaart te vertrouwen, want er is geen onafhankelijk cijfer om op terug te vallen.

Kies GPT-6 Astra als je werk agentisch en langetermijngericht is, als een invoer van 922.000 tokens in één verzoek een vorm is die je daadwerkelijk produceert, of als je een onafhankelijk scorebord nodig hebt om de beslissing tegenover iemand anders te verdedigen. De prijs van $3,26 per voltooide indextaak is het hoogste bedrag in deze vergelijking, en daarvoor krijg je een model dat tijdens dat werk ongeveer 60M tokens genereert, terwijl het mediane model 85M genereert — daarom is de prijs per token het verkeerde getal om je beslissing op te baseren en is de kostenpost per voltooide taak het juiste getal. Kies het niet voor kortdurend verkeer met een hoog volume, en overschrijd de grens van 272.000 tokens niet zonder je kostenmodel opnieuw te draaien, want die grens verdubbelt het inputtarief voor het hele verzoek.

De twee zijn geen vervangers van elkaar, en de reden is niet het aantal benchmarkpunten. De ene accepteert een getypte tabel met sensoruitlezingen en de andere accepteert een gescande pagina van een paper, en geen van beide doet beide dingen goed genoeg om de andere overbodig te maken. Als jouw werk op de een of andere manier beide oplevert, weet je al welk team in je organisatie welke helft bezit.

Een release is ook het moment om te controleren wat er eerder mis is gegaan: de gedocumenteerde AI-incidenten en agentfouten rond modellen in deze klasse zijn verzameld in the OrcaRouter AI Incident Archive , waar elk item zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwist-markering bevat.