GPT-6 Astra vs Solar Pro 4: Twaalf indexpunten en een prijsratio die op zondag verandert

Op de twee onafhankelijk uitgevoerde evaluaties die dit paar gemeen heeft, GPT-6 Astraovertreft Solar Pro 4met een ruime marge op het gebied van algemene kennis en met een kleinere marge op het gebied waar de modellen daadwerkelijk worden ingezet. Artificial Analysis plaatst GPT-6 Astra op 54,7 op zijn Intelligence Index en 96,1 op GPQA Diamond; dezelfde evaluator plaatst Solar Pro 4 op 42 en 86,8. Bij agentisch werk krimpt het verschil tot elf en zes punten op Terminal-Bench 2.1 en τ²-Banking. Ondertussen kent het prijsverhaal een deadline die bijna niemand eraan had verbonden: de huidige promotie van Solar Pro 4 eindigt om 00:00 UTC op zondag 11 oktober 2026, wanneer het model overstapt van $0,09 naar $0,15 per miljoen inputtokens en van $0,36 naar $0,60 per miljoen outputtokens. De vraag die deze vergelijking moet beantwoorden is dus niet welk model beter is. Het is of een capaciteitskloof van ongeveer twaalf en een half punt een outputtarief dat tussen 42 en 139 keer zo hoog is rechtvaardigt, en dat antwoord is een eigenschap van je workload, niet van een van beide modellen.

De tariefkaarten, met inbegrip van degene die dit weekend verandert

De lijstprijs van Solar Pro 4 is $0,30 voor input, $0,06 voor gecachte input en $1,20 voor output per miljoen tokens, en Upstage heeft het sinds de lancering onafgebroken onder de lijstprijs aangeboden. Het schema op de eigen prijspagina van Upstage is expliciet, dus je hoeft niet te gissen tegen welk bedrag je moet budgetteren:

• Upstage-promotie t/m 11 oktober 2026, 00:00 UTC — $0.09 input, $0.018 gecachet, $0.36 output per 1 mln. tokensbr /> • Upstage-promotie vanaf 11 oktober 2026 — $0.15 input, $0.03 gecachet, $0.60 output per 1 mln. tokens, vermeld zonder einddatum, wat betekent dat je er budget tegenover moet zettenbr /> • Upstage-lijstprijs — $0.30 input, $0.06 gecachet, $1.20 output per 1 mln. tokensbr /> • GPT-6 Astra tot 272.000 inputtokens — $10.00 input, $1.00 gecachet, $12.50 cache-schrijven, $50.00 output per 1 mln. tokensbr /> • GPT-6 Astra boven 272.000 inputtokens — $20.00 input, $2.00 gecachet, $25.00 cache-schrijven, $75.00 output per 1 mln. tokens, toegepast op het hele verzoek zodra de drempel wordt overschreden

Als verhoudingen gelezen is dat 11× op input en 5,6× op output bij de tarieven van Solar Pro 4 na de promotie, 33× en 42× ten opzichte van de adviesprijs, en 111× en 139× als de twee modellen tegen de huidige promotietarieven worden gemeten. De spreiding is zo groot omdat beide kanten van de breuk bewegen: Astra's kaart is de top van de markt en Solar Pro 4 zit momenteel dicht bij de onderkant daarvan.

De regels voor lange contexten zijn de andere regel die het dubbel lezen waard is, want ze zijn niet symmetrisch. Astra's drempel ligt op 272.000 tokens en de regel is een herprijzing van de hele aanvraag — elk token in een lange aanvraag wordt gefactureerd tegen dubbele input en 1,5× output, niet alleen de tokens voorbij de grens. De kaart van Upstage bevat geen equivalente stap, dus een Solar Pro 4-aanvraag van 400.000 tokens wordt gefactureerd tegen exact hetzelfde tarief per token als een aanvraag van 4.000 tokens. Als je prompts regelmatig voorbij een kwart miljoen tokens gaan, is Astra's effectieve inputtarief $20,00 in plaats van $10,00, en het gat dat je betaalt wordt groter bij precies de workload waarop een model met 512K-context concurreert.

Waar het verschil van twaalf punten vandaan komt

Beide modellen hebben cijfers van derden, wat deze vergelijking gemakkelijker maakt dan de meeste in deze categorie. Het patroon bij beide is consistent: de winst van Solar Pro 4 ten opzichte van zijn eigen voorganger was geconcentreerd in agentische taken, en dat is waar het het dichtst bij Astra staat.

• Intelligentie-index — GPT-6 Astra 54,7, Solar Pro 4 42br /> • GPQA Diamond, wetenschap op masterniveau — Astra 96,1, Solar Pro 4 86,8br /> • Terminal-Bench 2.1, het aansturen van een echte terminal — Astra 88,4, Solar Pro 4 75,1br /> • τ²-Banking, toolgebruik tegen het beleid in — Astra 41,4, Solar Pro 4 35,0br /> • Terugvinden bij lange context, AA-LCR — Astra 80,7, Solar Pro 4 71br /> • Kosten om de gemiddelde evaluatietaak uit te voeren — Astra $0,0516, Solar Pro 4 tussen $0,0039 en $0,0155br /> • Werkelijke tijd per evaluatietaak — Astra ongeveer 8,6 minuten, op een model dat ongeveer 70 tokens per seconde retourneert

De taakkostenregel is degene die de argumentatie in een nieuw perspectief plaatst. Het uitvoeren van één enkele zware evaluatietaak op Solar Pro 4 kost tussen vier en dertien cent, afhankelijk van welk promotieniveau van toepassing is, tegenover vijf cent op Astra tegen standaardtarieven. ‘Tweeënveertig keer de outputprijs’ en ‘dertien keer de kosten per taak’ zijn beide ware uitspraken over hetzelfde paar modellen, en het tweede getal is het getal dat op een factuur verschijnt. Het verschil is dat Astra, volgens de metingen van Artificial Analysis, met minder tokens tot zijn antwoord komt dan de voorganger van Solar Pro 4 deed — 43.000 outputtokens per taak — en het is nog steeds het duurdere model om een taak mee af te ronden, alleen lang niet 42× duurder.

Twee kanttekeningen bij de kolom Solar Pro 4. Het is langzamer dan Astra op kloktijd per taak, zelfs terwijl het minder tokens gebruikt, en de gepubliceerde agentische scores gaan gepaard met een bijzonderheid die het weten waard is: bij de evaluatie van zijn voorganger verbeterde het zijn eerlijkheidsscore grotendeels door te weigeren antwoord te geven, door slechts 41% van de vragen te proberen tegenover 92% bij Pro 3. Voor een agent die moet handelen, is een weigering vaak beter dan een zelfverzekerd fout antwoord — maar het verandert hoe je elke vergelijking van slagingspercentages leest.

De vergelijking die geen van beide leverancierskaarten je biedt

De benchmarkrijen hierboven komen overeen: beide kanten hebben dezelfde evaluatie uitgevoerd. De rijen die ontbreken, zijn juist de interessante, omdat de twee leveranciers het oneens zijn over wat er gepubliceerd moet worden.

• Redeneerinspanning — Astra biedt vijf benoemde niveaus (laag, gemiddeld, hoog, xhigh, max); Solar Pro 4 documenteert een reasoning_effort parameter met ten minste een gemiddelde instelling, en het materiaal van Upstage over de ladder is magerbr /> • Architectuur — het parameteraantal van Astra is niet bekendgemaakt; het parameteraantal van Solar Pro 4 is ook niet bekendgemaakt, dus geen van beide geeft de openbaarmaking over de serveereconomie die hun goedkopere broertjes wel gevenbr /> • Gedrag bij lange context onder belasting — Astra publiceert een kostendrempel en een gedocumenteerde recallscore; Upstage publiceert het venster en geen eigen recall-evaluatiebr /> • Invoeroppervlak — Astra accepteert tekst, afbeelding en bestand; Solar Pro 4 is een tekstmodelbr /> • Modaliteitsplafond — 128.000 maximale outputtokens aan beide zijden, wat een ongebruikelijke plek is voor een goedkoop model om pariteit te bereiken en is veruit de nuttigste specificatie op het specificatieblad van Solar Pro 4 voor langgeneratiewerk

De regel voor redeneerinspanning is belangrijker dan hij lijkt. Een model waarmee je het denkbudget kunt verlagen, is een model waarvan de effectieve prijs per eenvoudig verzoek ver onder het gepubliceerde tarief ligt, omdat je voor minder redeneertokens betaalt bij werk dat ze niet nodig heeft. Beide leveranciers stellen de parameter beschikbaar; geen van beide publiceert wat de niveaus in tokens kosten, wat betekent dat de enige manier om de werkelijke factor tussen deze twee modellen te vinden, is om die op je eigen verkeer te meten.

Het break-evenpunt, eenvoudig gezegd

Negeer de indexpunten even en houd de werkbelasting constant. Als je toepassing extractie, classificatie, samenvatting of gestructureerde output over documenten tot een half miljoen tokens is, doet Solar Pro 4 het werk tegen een tarief dat Astra niet kan evenaren, en heeft het de redeneerladder helemaal niet nodig — geen enkel plausibel kwaliteitsverschil bij een JSON-extractietaak is een 42× hogere outputprijs waard. Als je toepassing een agent met een lange horizon is die plant, tools aanroept, zich herstelt van een mislukte stap en moet afronden, zijn het verschil van elf punten op Terminal-Bench en het verschil van zes punten op τ²-Banking de cijfers die voorspellen of hij het afmaakt, en een mislukte agent-run kost de volledige prijs van de run plus die van een nieuwe poging.

Het echt moeilijke geval is het midden: korte, moeilijke, single-shot redeneertaken waarin het GPQA-voordeel van Astra groot is en de kosten per taak nog maar een paar cent bedragen. Daar is de beslissende factor niet de tariefkaart maar het aantal tokens — en de enige meting die daar antwoord op geeft, is je eigen prompts door beide modellen te laten lopen en het verbruik af te lezen. Dat is ook het geval waarin een prijsverlaging het hardst aankomt, want het goedkopere model is het model dat tegen het dure wordt getest, en een wijziging van 67% in het tarief van het goedkopere model verandert de rekensom van de test tussen maandag en vandaag.

Waarom dit een routeringsbeslissing is en niet een inkooporder

GPT-6 Astra staat in de OrcaRouter-catalogus als openai/gpt-6-astra tegen OpenAI's eigen lijsttarieven, doorgegeven met 0% opslag, en dat is precies de reden waarom een vergelijking als deze uitmondt in een regel in plaats van een contract. De Solar-familie van Upstage is een ander geval, en de eerlijke boodschap is de lijn die we altijd gebruiken: OrcaRouter routeert geen enkel Upstage-model, dus Solar Pro 4 is hier niet beschikbaar — het komt van Upstage's eigen API en van verschillende platforms van derden, en het prijsschema hierboven is het hunne, niet het onze.

Waar een router in deze combinatie eigenlijk voor dient, is de verdeling over de lagen. Het goedkope model en het dure model zitten achter één OpenAI-compatibel endpoint, een routeringsregel stuurt het extractieverkeer naar de laag die daarvoor geschikt is, en automatische failover promoveert een aanroep naar het sterkere model wanneer het goedkopere model een fout geeft of uitvoer retourneert die je parser afwijst. Dat laatste mechanisme is het praktische antwoord op het risico van verkeerde routering dat deze vergelijking creëert: de dure faalmodus is niet het kiezen van het verkeerde model, maar het kiezen van het verkeerde model en er twee keer voor betalen.

Wat te doen voor zondag

Als Solar Pro 4 een kandidaat is voor jouw stack, is dit de goedkoopste week die je zult krijgen om het te testen. Het promotietarief geldt tot 00:00 UTC op 11 oktober, het tarief na de promotie van $0,15 en $0,60 ligt al een derde onder de lijstprijs, en het eigen gepubliceerde bewijs van het model — de Terminal-Bench- en τ²-Banking-cijfers — beschrijft werk dat je in een middag op je eigen takenverzameling kunt reproduceren. Draai beide modellen op dezelfde prompts, houd de reasoning-instellingen constant en registreer tokens per voltooide taak in plaats van tokens per aanroep. Het getal dat eruit komt is het enige veelvoud dat ertoe doet, en het zal geen 42× zijn. Beslis dan, met de wetenschap dat als de goedkopere kant wint, de prijs waartegen je het testte op zondag verloopt — en als de duurdere kant wint, de twaalf en een half indexpunten de punten zijn waarvoor je betaalt.

GPT-6 Astra staat in de OrcaRouter-catalogus als openai/gpt-6-astrategen OpenAI's eigen lijsttarieven, doorgegeven met 0% opslag.