GPT-6 Astra kontra Gemini 3.1 Pro: Nowy flagowiec przeciwko półrocznej okazji

Oto całe zestawienie w dwóch liczbach, zanim przejdziemy do niuansów: Google Gemini 3.1 Pro kosztuje 2,00 USD za milion tokenów wejściowych i 12,00 USD za milion tokenów wyjściowych w przypadku promptów do 200K tokenów, a OpenAI GPT-6 Astra kosztuje 10,00 USD i 50,00 USD bez względu na długość. Kalendarzowo tańszy model jest też starszy o spory margines — Gemini 3.1 Pro trafił na rynek 19 lutego 2026, a GPT-6 Astra 3 września 2026 — co czyni to porównanie niecodziennym także w drugą stronę: zazwyczaj to dotychczasowy lider jest drogi, a nowość go podcina. Tutaj nowość kosztuje pięć razy więcej na wejściu, a pytanie brzmi, czy GPT-6 Astra jest pięć razy lepszym modelem, niż wciąż jest Gemini 3.1 Pro po sześciu i pół miesiącach bez odświeżenia poziomu Pro od Google.

Oba modele zajmują szczyty linii produktowych swoich producentów, lecz znajdują się pod bardzo różnym zarządem. Gemini 3.1 Pro to obecny flagowy model Pro od Google — wydany w wersji preview w lutym, do dziś oznaczony jako „preview” i nigdy nie odświeżony, podczas gdy Google iterowało swoją linię Flash przez trzy wydania i zaczęło mówić o „Gemini 4”. GPT-6 Astra to najnowszy flagowiec OpenAI i pierwszy model z oceną „Critical” w ramach wewnętrznych ram Preparedness Framework; trafia na rynek w etapowym wdrożeniu, z opcją dla przedsiębiorstw i samodzielnie raportowanymi wynikami benchmarków, które jego twórca opisuje jako skok pokoleniowy. Jeden z tych modeli pozostaje statyczny i tani od pół roku. Drugi ma dwa dni i jest wyceniony tak, jakby granica możliwości się przesunęła. Dla programisty wybierającego między nimi prawdziwe pytanie brzmi: który z tych dwóch stanów lepiej pasuje do danego obciążenia — bo na papierze są sobie bliższe, niż sugerowałaby różnica w cenie.

Dwie tabele cenowe, dwie teorie długości.

Google wycenia Gemini 3.1 Pro na podstawie długości promptu: 2 USD za wejście / 12 USD za wyjście do 200K tokenów wejściowych, a powyżej tego progu 4 USD za wejście / 18 USD za wyjście, z odczytami z cache po 0,20–0,40 USD i trybem wsadowym za połowę ceny. Przekaz jest taki, że krótkie prompty są tanie, a długie kosztują więcej — to model cenowy dopasowany do obciążeń wyszukiwania i ugruntowania (grounding), których Google spodziewa się w większości ruchu. OpenAI wycenia GPT-6 Astra płasko: 10 USD za wejście / 50 USD za wyjście, z danymi wejściowymi z cache po 1,00 USD, a następnie karze bardzo długie prompty w inny sposób: wszystko powyżej mniej więcej 272K tokenów wejściowych jest przeliczane po 2x stawce za wejście i 1,5x za wyjście — czyli efektywnie 20 USD za wejście / 75 USD za wyjście. Oba modele karzą długi kontekst w odwrotnych miejscach. Gemini jest tani do 200K, a potem umiarkowanie droższy; Astra jest płaski do 272K, a potem gwałtownie drożeje. Zadanie na 300K tokenów jest więc znacznie droższe w GPT-6 Astra niż w Gemini 3.1 Pro, podczas gdy zadanie na 50K tokenów jest w Gemini od czterech do pięciu razy tańsze. W przypadku obciążeń skupionych przy dolnej granicy zakresu kontekstu cena Astry jest trudna do uzasadnienia; w przypadku obciążeń, które naprawdę potrzebują górnej granicy, obaj dostawcy pobierają dopłatę, a ta od OpenAI jest wyższa.

Tam, gdzie Gemini 3.1 Pro naprawdę przoduje

Flagowy model Google ma trzy atuty, jakich nie ma żaden model OpenAI, a łatwo je przeoczyć, bo szum wokół premiery Astry jest ogromny. Po pierwsze, {{1}}modalności wejściowe{{/1}}: Gemini 3.1 Pro przyjmuje tekst, obraz, audio, wideo i PDF w jednym prompcie; GPT-6 Astra przyjmuje wyłącznie tekst i obraz, a odpowiada tekstem — ten sam zakres modalności co poprzednia wersja. Po drugie, {{2}}natywny grounding{{/2}}: Gemini ma w API wyszukiwarkę Google, Mapy i wykonywanie kodu, co stanowi realną różnicę w możliwościach w przypadku badań agentowych i każdego zadania wymagającego świeżych, zweryfikowanych informacji, a nie odtworzenia z pamięci parametrycznej. Po trzecie, {{3}}cena za wszystko, co nie przekracza 200 tys. tokenów{{/3}}, w tym batch za $1/$6 — to zdecydowanie najtańszy sposób na uruchomienie dużego zadania offline na którymkolwiek z tych modeli. Żadna z nich nie pojawia się w benchmarku rozumowania, co jest dokładnie powodem, dla którego giną w porównaniu flagowiec kontra flagowiec, opartym wyłącznie na wynikach.

Arkusz specyfikacji, obok siebie

• Wydano — GPT-6 Astra: 3 września 2026. Gemini 3.1 Pro: 19 lutego 2026 (nadal „preview”).

• Cena (≤200K prompt) — GPT-6 Astra: $10.00 / $50.00 za 1M, stawka stała. Gemini 3.1 Pro: $2.00 / $12.00 za 1M.

• Cena (długi prompt) — GPT-6 Astra: ~$20.00 / $75.00 za 1M powyżej 272K tokenów wejściowych. Gemini 3.1 Pro: $4.00 / $18.00 za 1M powyżej 200K tokenów wejściowych.

• Kontekst / limit wyjścia — GPT-6 Astra: ~1,05 mln na wejściu, 128 tys. na wyjściu. Gemini 3.1 Pro: 1 mln na wejściu, ~65 tys. na wyjściu.

• Dane wejściowe — GPT-6 Astra: tekst + obraz. Gemini 3.1 Pro: tekst, obraz, audio, wideo, PDF.

• Grounding / narzędzia — GPT-6 Astra: wyszukiwanie w internecie, wyszukiwanie plików, wykonywanie kodu. Gemini 3.1 Pro: natywne Google Search, Maps, wykonywanie kodu, wywoływanie funkcji.

• Kontrolki rozumowania — GPT-6 Astra: wysiłek od niskiego do maksymalnego. Gemini 3.1 Pro: regulowany wysiłek rozumowania.

Gdzie ukazują się te sześć miesięcy.

Gemini 3.1 Pro prowadził w Artificial Analysis Intelligence Index w momencie swojej premiery, ale już tak nie jest: flagowce z późnego lata — Claude Opus 5, GPT-5.6 Sol, a teraz GPT-6 Astra — wszystkie wypadają wyżej w obecnej skali indeksu, a Google nie wypuściło odpowiedzi klasy Pro. Najbardziej dramatyczna przepaść dotyczy ARC-AGI-3, benchmarku zaprojektowanego tak, by był nierozwiązywalny przez zwykły chain-of-thought. OpenAI podaje 99,9% dla Astry we własnym środowisku testowym, а niezależna próba ARC Prize w standardowym środowisku zmierzyła 62,7% — podczas gdy niezależne uruchomienia plasują Gemini 3.1 Pro poniżej jednego procenta, w tym samym przedziale bliskim zera co reszta czołówki sprzed Astry. Na oryginalnym ARC-AGI-2 własny wynik Google dla Gemini 3.1 Pro wynosił przy starcie mocne 77,1%; benchmark będący jego następcą to jednak inny reżim i to właśnie tam nowy paradygmat OpenAI naprawdę zostawia w tyle model sprzed sześciu miesięcy.

Subtelniejsza regresja dotyczy niezawodności przy długim kontekście. Niezależne testy multi-needle (MRCR v2) pokazują, że Gemini 3.1 Pro trafnie odzyskuje informacje przy 128K, a w kierunku górnej granicy okna 1M jego jakość gwałtownie spada — to wzorzec załamania, którego Google nie naprawił w pełni przez sześć miesięcy od premiery. Kontekst 1.05M modelu Astra jest nowy i niesprawdzony na dużą skalę, ale to właśnie ten obszar OpenAI najmocniej deklaruje jako dopracowany, w tym z górnym limitem odpowiedzi 128K, który pozwala zmieścić w jednej odpowiedzi znacznie większy wygenerowany artefakt niż ~65K w Gemini. Jeśli Twoje zadanie to jeden ogromny kontekst, który ma być wiernie odczytany w całości, wybór sprowadza się do modelu o zmierzonym spadku jakości i modelu, którego zachowań przy górnej granicy okna nikt jeszcze nie przetestował pod obciążeniem. Nie jest to komfortowy wybór w żadną ze stron.

Praktyczna decyzja

Dla zdecydowanej większości obciążeń produkcyjnych — RAG na dokumentach, badania wymagające intensywnego groundingu, dane multimodalne, wszystko, co mieści się w 200 tys. tokenów — Gemini 3.1 Pro jest dziś wyborem ekonomicznie racjonalnym, i to z ogromną przewagą: przy pięciokrotnie niższej cenie tokenów wejściowych oraz przewadze w zakresie modalności i groundingu GPT-6 Astra płaci ogromną premię za zapas mocy rozumowania, z którego te obciążenia nigdy nie skorzystają. W przypadku kodowania agentowego, długoterminowego korzystania z komputera i problemów, które naprawdę wymagają artefaktu o rozmiarze 128K lub niezawodnego kontekstu bliskiego 1M, to GPT-6 Astra jest modelem do ewaluacji — z uczciwym zastrzeżeniem, że jego flagowe liczby to dane OpenAI, a niezależna ocena z pierwszego dnia, choć dobra pod względem efektywności tokenów, pokazuje mniejszą lukę w możliwościach, niż wynikałoby z marketingu. Sześciomiesięczne zamrożenie Gemini to decydujący kontekst: wybór toczy się między tanim, wydajnym, dojrzałym modelem, którego Google przestał ulepszać, a drogim, dopiero co wydanym modelem, który OpenAI wciąż aktywnie rozwija.

Ponieważ oba są hostowane i oba warto mieć w zasięgu, praktyczną odpowiedzią jest routowanie zamiast zastępowania. Gemini 3.1 Pro jest na OrcaRouter po cenie listowej Google, przekazywany dalej bez narzutu, więc jego ekonomia $2/$12 przetrwa kontakt z routerem — a DSL routingu sprawia, że podział na zapytania poniżej 200 tys. tokenów i długie prompty staje się regułą, a nie ręczną decyzją, wysyłając krótkie zapytania oparte na faktach do Gemini i rezerwując GPT-6 Astra dla zadań, które uzasadniają jego stawkę. GPT-6 Astra nie jest jeszcze dostępny na OrcaRouter w chwili pisania tego tekstu; gdy dostawca zacznie serwować gpt-6-astra, strona modelu tego samego dnia pokaże cenę listową OpenAI, a reguła przełączania awaryjnego, która już dziś zapewnia ciągłość działania obciążeń między dostawcami, jest tym samym mechanizmem, który pozwala wdrożyć Astrę na kontrolowanym fragmencie ruchu, bez stawiania całego potoku na model, który ma dopiero dwa dni.

Werdykt

GPT-6 Astra vs Gemini 3.1 Pro to starcie modelu, którego Google nie ruszał od sześciu miesięcy, z modelem, który OpenAI wypuściło dwa dni temu — a różnica w cenie w dużej mierze odzwierciedla tę asymetrię, a nie równie dużą różnicę możliwości. Jeśli potrzebujesz taniego, multimodalnego i ugruntowanego rozumowania na dużą skalę, Gemini 3.1 Pro wygrywa to porównanie w cuglach — i to od miesięcy. Jeśli potrzebujesz rozumowania w nowym paradygmacie, wysokiego sufitu długości odpowiedzi albo realnych szans na niezawodne wykorzystanie górnego okna kontekstu, GPT-6 Astra jest warta swojej dopłaty w zadaniach, które z tego korzystają — mierzonych na Twoich własnych testach, a nie w tabeli premierowej OpenAI. Błędem byłoby traktowanie sześciomiesięcznej okazji i dwudniowego flagowca tak, jakby różnica wieku nie miała znaczenia — w żadną stronę. W tym cała historia.