GPT-6 Astra vs GLM-5.5: jednej strony tego porównania nie można przetestować

6 października 2026 r. zewnętrzna witryna technologiczna opublikowała raport, którego nagłówek głosił, że GLM-5.5pokonuje Mythos 5.1 oraz GPT-6 Astra. To twierdzenie jest powodem istnienia tej strony i warto być precyzyjnym co do tego, czym ono jest: nagłówkiem o dwóch rzeczach, które nie są tym samym rodzajem rzeczy. GPT-6 Astra to wydany model — OpenAI udostępniło go 3 września 2026 r., nosi identyfikator gpt-6-astra, ma cztery opublikowane mierniki, udokumentowane okno kontekstu liczące 1 050 000 tokenów oraz pozycję w Artificial Analysis Intelligence Index, którą każdy może odczytać. GLM-5.5 to numer wersji, który nigdy nie pojawił się w dzienniku wydań Z.ai, w karcie modelu, w cenniku ani w żadnym repozytorium należącym do tego laboratorium. Na dzień 15 października 2026 r. nie istnieje za nim żaden artefakt, który można by poddać testom porównawczym, wywołać lub wycenić.

Uczciwa forma tego porównania to zatem nie bezpośrednie starcie. To opis tego, co każda ze stron może przedstawić jako dowód, oraz konkretnych, weryfikowalnych rzeczy, które musiałyby się pojawić, zanim starcie stałoby się realne. Okazuje się to bardziej przydatne, niż byłaby karta specyfikacji, ponieważ wzorzec — przeciekły numer wersji zyskujący twierdzenie o wyniku testu porównawczego, którego nie jest w stanie udźwignąć — jest tym, na co czytelnicy wciąż natrafiają w tej linii produktów.

Czym jest GLM-5.5, w jednym akapicie

To nazwa w obrębie linii rozwojowej, która ją pominęła. Rejestr wydań Z.ai podaje GLM-5.3 na 18 sierpnia 2026 r. i GLM-5.3-Flash na 26 sierpnia; dokumentacja firmy wymienia te dwa plus GLM-5.2 i na tym się kończy. Sloty 5.4 i 5.5 założono, ekstrapolując w górę starszą prognozę analityczną, a sama firma podczas konferencji wynikowej 31 sierpnia wskazała GLM-6.0 jako bazę nowej generacji — pomijając oba numery. Pełny audyt dziewięciu powierzchni, wraz z adresami URL i metodą umożliwiającą jego ponowne przeprowadzenie, znajduje się na naszej stronie referencyjnej dla tej nazwy. To, co tutaj ma znaczenie, jest węższe: wyciekły numer nie jest specyfikacją, a twierdzenie dotyczące benchmarku przypisane do wyciekłego numeru nie może zostać zweryfikowane przez nikogo, w tym przez osoby, które je opublikowały.

Dwa modele, dwa rodzaje dowodów

Zestaw obie strony z tymi samymi wymiarami, a asymetria przestaje być retoryczna:

• Cennik — GPT-6 Astra: 10,00 USD za wejście, 1,00 USD za dane z pamięci podręcznej, 12,50 USD za zapisy do pamięci podręcznej, 50,00 USD za wyjście za 1 mln, podczas gdy w przypadku GLM-5.5 nic nie opublikowano, bo nie ma strony z cennikiem, na której można by to opublikować

• Przedział długich promptów — GPT-6 Astra z nową ceną 20,00 USD / 75,00 USD powyżej 272 000 tokenów wejściowych w porównaniu z GLM-5.5; brak warunków do podania

• Okno kontekstowe — GPT-6 Astra: 1 050 000 tokenów na wejściu, 128 000 na wyjściu; w porównaniu z GLM-5.5: nieokreślone

• Modalność wejściowa — GPT-6 Astra: tekst, obraz i plik na wejściu, tekst na wyjściu, w porównaniu z GLM-5.5: nieokreślona

• Identyfikator — GPT-6 Astra gpt-6-astra, można go odnaleźć w dokumentacji OpenAI oraz w naszym katalogu, w przeciwieństwie do GLM-5.5, który nie ma identyfikatora na żadnej powierzchni dostawcy

• Niezależny wynik — GPT-6 Astra 53 w Artificial Analysis Intelligence Index, 44,6 tokena wyjściowego na sekundę, 3,26 USD za ukończone zadanie indeksu w porównaniu z GLM-5.5 bez wpisu i bez sposobu, aby go utworzyć

• Twierdzenie benchmarkowe — GPT-6 Astra: tabela dostawcy (98% FrontierMath Tier 4, 99,9% ARC-AGI-3, 100% ExploitBench, 57,9% Terminal-Bench 4.0), przy czym każda liczba jest przypisywana O​penAI, a każda została poniżej opatrzona zastrzeżeniem; w porównaniu z GLM-5.5 to twierdzenie porównawcze bez liczby, bez harnessu i bez modelu

• Wagi — GPT-6 Astra zamknięte, tylko przez API vs GLM-5.5 brak do wydania

Ta część zapisu Astra, która wytrzymuje wnikliwą analizę, i ta, która nie.

Ponieważ jedna strona tej witryny ma pełną bazę dowodową, a druga nie ma żadnej, cenniejszą rzeczą, jaką ten artykuł może zrobić, jest precyzyjne stwierdzenie, jak duża część dokumentacji Astra ma znaczenie nośne.

Niezależna połowa jest solidna. Artificial Analysis mierzy GPT-6 Astra na poziomie 53 w swoim obecnym Intelligence Index na podstawie dziesięciu ewaluacji, co daje mu siódme miejsce wśród 216 modeli na tym rankingu, przy 3,26 USD za ukończone zadanie indeksowe i około 60 mln tokenów wyjściowych wygenerowanych w całym przebiegu — bardziej zwięźle niż mediana rankingu wynosząca około 85 mln. Jego zmierzone tempo wynosi 44,6 tokena wyjściowego na sekundę, co plasuje go na 168. miejscu wśród 185 pod względem szybkości, i nie jest to artefakt zaokrąglenia: dla agenta, który wykonuje wiele kolejnych wywołań, przepustowość jest pozycją kosztową. Te liczby pochodzą od ewaluatora, który publikuje swoją metodologię, i to są liczby, względem których czytelnik powinien planować.

Połowa pochodząca od dostawcy wymaga dołączenia etykiet. OpenAI podaje 98% w FrontierMath Tier 4 i określa ten poziom jako nasycony; 99,9% w ARC-AGI-3, twierdząc, że osiąga parytet efektywności działań z człowiekiem na 96% poziomów; 100% w ExploitBench, przy czym Astra jest pierwszym modelem OpenAI, który przekroczył krytyczny próg cyberbezpieczeństwa firmy; oraz 57,9% w Terminal-Bench 4.0 wobec 37,3% dla GPT-5.6 Sol. Żadnego z tych wyników nie odtworzono niezależnie. Liczba dla ARC-AGI-3 najbardziej wymaga przypisu, a ARC Prize go dostarczyło: w standardowym harnessie, w którym model może przenosić dalej wyłącznie notatki, które sam dla siebie zapisze, Astra uzyskała 62,7%; 99,9% zmierzono w adapterze dostawcy, który zachowuje stan rozumowania między żądaniami. Obie kolumny opublikowano. Ten 37-punktowy rozrzut to skala wpływu harnessu, a każdy, kto cytuje 99,9% przeciwko wynikowi rywala ze standardowego harnessu, porównuje dwa różne eksperymenty.

Zastosuj tę dyscyplinę do twierdzenia z 6 października, a zawiedzie już na pierwszym kroku. Nie ma zestawu testowego, który można by nazwać, wyniku do porównania, konfiguracji do utrzymania na stałym poziomie ani identyfikatora modelu do przypięcia. „Pokonuje GPT-6 Astra” nie jest jeszcze twierdzeniem, które może być prawdziwe albo fałszywe; to twierdzenie czekające na podmiot.

GLM, który faktycznie możesz uruchomić przeciwko Astra

Jeśli pytanie kryjące się za wyszukiwaniem brzmi „czy powinienem użyć GLM, czy flagowego modelu OpenAI”, nazwa w raporcie nie jest nazwą w odpowiedzi. Flagowym tekstowym modelem produkcyjnym Z.ai jest GLM-5.3, wydany 18 sierpnia 2026 r., z wagami na Hugging Face od 25 sierpnia — model mieszanki ekspertów o 753 miliardach parametrów, z około 40 mld parametrów aktywnych na token, oknem kontekstu 1 000 000 tokenów, limitem wyjścia 128 000 tokenów i wyłącznie tekstem na wejściu i wyjściu. Tryb myślenia jest zawsze włączony; głębokość ustawia się za pomocą reasoning_effort. Ma niestandardową licencję, a nie otwartą, co stanowi realne ograniczenie, jeśli zamierzasz budować na wagach, a nie wywoływać API.

W starciu z GPT-6 Astra charakter tej wymiany to wymiana ceny na gadatliwość, a jej druga połowa to ta, której nikt nie cytuje:

• Cena — GPT-6 Astra 10,00 USD / 50,00 USD za 1 mln vs GLM-5.3 1,40 USD / 4,40 USD w cenniku Z.ai, a w naszym katalogu widnieje 1,26 USD / 3,96 USD

• Niezależny indeks — GPT-6 Astra 53 vs GLM-5.3 45, oba w obecnej skali Artificial Analysis

• Koszt na ukończone zadanie indeksowania — GPT-6 Astra 3,26 USD vs GLM-5.3 2,01 USD

• Tokeny wyjściowe w tym przebiegu — GPT-6 Astra 60M kontra GLM-5.3 210M, w porównaniu z medianą tablicy wyników wynoszącą około 85M

• Przepustowość — GPT-6 Astra 44,6 tokenów na sekundę vs GLM-5.3 58,2

Ta czwarta linia to ta, która zmienia decyzje. Cennik GLM-5.3 jest około siedmiokrotnie tańszy niż cennik Astry na wejściu i jedenastokrotnie tańszy na wyjściu, a mimo to ukończenie zadania indeksowania kosztuje 2,01 USD w porównaniu z 3,26 USD w Astrze — różnica znacznie mniejsza, niż sugerują cenniki. Powodem jest gadatliwość: 210 mln tokenów wyjściowych wobec 60 mln w Astrze dla tego samego zestawu. Tani token pomnożony przez gadatliwy model nie pozostaje tani. To także dlatego 1,26 USD / 3,96 USD widoczne w naszym katalogu ma mniejsze znaczenie, niż się wydaje: 10-procentowa zniżka na licznik, którego model zużywa 3,5 razy więcej, to niewielki efekt w porównaniu z różnicą w liczbie tokenów.

Jedna poprawka, która należy do oficjalnego zapisu, a nie do przypisu, ponieważ dotyczy każdego, kto posługuje się starszą wartością: wcześniejsze materiały w tym cyklu, w tym nasz własny sierpniowy tekst, podawały GLM-5.3 z wynikiem 60 w Artificial Analysis Intelligence Index. Taki był odczyt na wersji indeksu obowiązującej w sierpniu. Ten sam model wskazuje 45 w skali działającej dzisiaj, ponieważ sam indeks został zrewidowany. Liczba nie spadła; zmieniła się miarka. Każde porównanie, które miesza wynik z jednej wersji indeksu z wynikiem z innej, nie jest porównaniem, co jest tym samym typem błędu co cytowanie 99,9% ARC-AGI-3 Astry przeciwko rywalowi w standardowym harnessie.

Gdzie pasuje routing

W tym wszystkim tkwi praktyczny test — i to taki, jaki przeprowadza katalog. GPT-6 Astra rozwiązuje się jako openai/gpt-6-astra na OrcaRouter, a GLM-5.3 rozwiązuje się jako z-ai/glm-5.3, oba za jednym endpointem zgodnym z O​penAI po stawkach cennikowych dostawcy przekazywanych dalej bez żadnej naszej marży — więc zmiana stawek Z.ai i zmiana stawek OpenAI trafiają na ten sam klucz w dniu ich publikacji, a przeniesienie ruchu między nimi to zmiana łańcucha modelu, a nie druga umowa. Nazwa, która nie rozwiązuje się do niczego, to sygnał innego rodzaju, a takie zapytanie jest tanie do wykonania.

To ma tutaj konkretne zastosowanie. Sposobem na rozstrzygnięcie dylematu GLM kontra Astra dla własnego ruchu jest uruchomienie własnego zestawu zadań na obu modelach, a koszt przygotowania takiego eksperymentu jest dokładnie tym, co eliminuje współdzielony endpoint. Daje też tańszą połowę odpowiedzi bez eksperymentu: widełki Astry $20.00 / $75.00 powyżej 272 000 tokenów są dokładnie tam, gdzie płaskiej stawki GLM-5.3 $1.26 / $3.96 nie ma, więc obciążenie z długim kontekstem ma powód cenowy, by preferować GLM, zanim sprawdzi się jakikolwiek benchmark.

Dla GLM-5.5 nie przypisuje się żadnej trasy, ponieważ nie ma czego trasować: to tylko nazwa, a zapytanie do katalogu zwraca w jej przypadku wynik „nie znaleziono", a nie model.

Co uczyniłoby tę stronę nieaktualną?

Lista jest krótka i każdy punkt można sprawdzić niezależnie — i o to chodzi. GLM-5.5 staje się rzeczywisty, gdy karta modelu pojawia się w dokumentacji Z.ai z identyfikatorem, gdy wiersz cennika go zawiera, gdy repozytorium Hugging Face należące do laboratorium publikuje wagi w ramach nazwanej licencji, gdy niezależny ewaluator ma dla niego stronę i gdy zapytanie do katalogu zwraca model zamiast 404. Każdy z tych sygnałów z osobna jest silnym sygnałem. Dopóki nie pojawi się co najmniej jeden z nich, raport opisujący, jak GLM-5.5 wypada w porównaniu z GPT-6 Astra, opisuje porównanie produktu z projekcją.

Możliwa do obrony interpretacja tego starcia jest więc dziś nie werdyktem, lecz podziałem pracy. GPT-6 Astra to model lepiej udokumentowany i jednocześnie droższy, a jego najsłabsza strona to dokładnie to, w czym GLM jest najmocniejszy: długi kontekst, duży wolumen i praca, w której dominującym kosztem jest rozwlekłość wyników. GLM-5.3 to tańszy licznik o wolniejszym tempie wydatków, niezależny wynik jest o 8 punktów niższy, a przy żadnej cenie nie potrafi zobaczyć obrazu. Jeśli GLM-5.5 faktycznie zostanie wydany, liczbą, na którą trzeba patrzeć najpierw, nie jest jego benchmark — lecz liczba tokenów wyjściowych w ustalonym zestawie testów, ponieważ to właśnie ta wielkość historycznie zmniejszała przewagę cenową GLM do niemal zera.

Premiera to również moment, by sprawdzić, co poszło nie tak wcześniej: udokumentowane incydenty AI i awarie agentów związane z modelami tej klasy są zebrane w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i oznaczenie sporne.