GPT-6 Astra kontra Grok 4.6: remis w indeksie został przełamany, a różnica w cenie zależy od wariantu

GPT-6 Astra i Grok 4.6 były na tym samym poziomie na jedynej niezależnej tablicy wyników, która klasyfikuje oba modele, gdy ta strona została opublikowana po raz pierwszy 4 września 2026. To zdanie ta strona musi wycofać. W zestawieniu z Artificial Analysis Intelligence Index w wersji z 16 września 2026 — wersja v4.3, dziesięć ewaluacji — GPT-6 Astra (max) ma 53, a Grok 4.6 (high) 44, gdzie wcześniej był remis. Druga korekta dotyczy nagłówka, w który kliknięto. Cennik OpenAI, odczytany tego samego dnia, podaje GPT-6 Astra po 10,00 USD za milion tokenów wejściowych, 1,00 USD za milion tokenów wejściowych z pamięci podręcznej i 50,00 USD za milion tokenów wyjściowych; cennik xAI podaje Grok 4.6 po 2,00 USD, 0,50 USD i 6,00 USD. Względem standardowego wejścia to pięciokrotność. Względem wyjścia to 8,3-krotność. Względem wejścia z pamięci podręcznej — pozycji, według której faktycznie rozlicza się większość ruchu produkcyjnego — to dwukrotność. Nie ma jednego mnożnika, a wersja tej strony, która twierdziła, że taki istnieje, sprowadzała czterowierszowy cennik do sloganu. To aktualizacja, nie premiera: GPT-6 Astra to flagowy model OpenAI z 3 września 2026, a Grok 4.6 to flagowy model xAI z 12 sierpnia 2026. To, co się od tego czasu zmieniło, to pomiar, dostępność i arytmetyka.

Mnożnik nigdy nie był jedną liczbą.

Zacznij od dwóch kart stawek w takiej postaci, w jakiej ich dostawcy publikują je 16 września 2026 r., ponieważ wszystko dalej dziedziczy ich strukturę progów. Open​AI dokumentuje GPT-6 Astra po $10,00 za 1 mln tokenów wejściowych, $1,00 za 1 mln wejściowych z pamięci podręcznej, $12,50 za 1 mln zapisów do pamięci podręcznej i $50,00 za 1 mln tokenów wyjściowych, a kartę dzieli na kolumny dla krótkiego i długiego kontekstu; po przekroczeniu progu długiego kontekstu — 272 000 tokenów wejściowych według wartości podanych dla tej karty — całe żądanie jest wyceniane ponownie na $20,00 za wejście, $2,00 z pamięci podręcznej i $75,00 za wyjście. Batch i Flex rozliczane są po połowie stawek standardowych, a tryb Fast po podwójnych. x​AI dokumentuje Grok 4.6 po $2,00 za 1 mln wejściowych, $0,50 z pamięci podręcznej i $6,00 za wyjście przy oknie kontekstu 500 000 tokenów, a gdy żądanie osiągnie 200 000 tokenów promptu, całe żądanie jest rozliczane po $4,00 za wejście, $1,00 z pamięci podręcznej i $12,00 za wyjście. To są karty stawek dostawców, a nie pomiary.

Zestaw je obok siebie, a dawna wielokrotność z nagłówka się rozkłada. Wejście standardowe: 10,00 USD wobec 2,00 USD, pięć razy. Wyjście: 50,00 USD wobec 6,00 USD, 8,3 razy. Wejście z pamięci podręcznej: 1,00 USD wobec 0,50 USD, dwa razy. Wejście z długim kontekstem: 20,00 USD wobec 4,00 USD, znowu pięć razy — ale wyjście z długim kontekstem to 75,00 USD wobec 12,00 USD, czyli 6,25 razy. Piątka w starym nagłówku nie została wymyślona. To był jeden wiersz z czterowierszowej karty ubranej w szaty sloganu, a to, który wiersz zacytujesz, zmienia odpowiedź czterokrotnie. Każdy, kto podaje ci jedną liczbę dla tego porównania, wybiera poziom i nie mówi ci który.

Istnieje drugi powód, dla którego arytmetyka kosztu na token nie w pełni opisuje tę parę, i działa on w przeciwnym kierunku. Oba modele nie zużywają takiej samej liczby tokenów na wykonanie tej samej pracy, a według miary kosztu na zadanie Artificial Analysis — średniego ważonego kosztu przeprowadzenia oceny Intelligence Index — model droższy za token jest tańszy na ukończone zadanie, po dopasowaniu ustawień wysiłku. Jak wynika z danych modelowych samego AA z 16 września 2026 r., GPT-6 Astra przy wysokim poziomie wysiłku wynosi 1,72 USD na zadanie indeksu wobec Grok 4.6 przy wysokim poziomie wysiłku na poziomie 1,86 USD. Powód tkwi w liczbach tokenów w tym samym zapisie: Astra spala 60 mln tokenów wyjściowych, aby uruchomić pełny indeks, wobec 94 mln w Grok 4.6, oraz 27 tys. tokenów wyjściowych na zadanie wobec 36 tys. Pięciokrotnie wyższa stawka wejściowa przy około dwóch trzecich zużycia tokenów daje nieznaczną przewagę.

Zestawienie w nagłówku na własnej stronie porównawczej AA mówi coś innego — i jedno, i drugie jest prawdą. Strona AA na pierwszym miejscu stawia GPT-6 Astra w trybie max — 3,26 USD za zadanie, 53 w indeksie — w zestawieniu z Grok 4.6 w trybie wysokim, 1,86 USD i 44. Czytane w ten sposób, opcja premium wygląda, jakby nie dawała nic, jeśli chodzi o koszt. Przy porównywalnym wysokim wysiłku Astra ma 51 w indeksie wobec 44 i jest o dziesięć centów tańsza za zadanie. To, która liczba należy do twojego budżetu, zależy wyłącznie od tego, czy zamierzasz uruchamiać Astrę w trybie max, czy w trybie wysokim, a strona AA nie zmusza cię do wyboru. To ten sam błąd co pojedynczy mnożnik w starym tytule, o poziom niżej.

Remis w indeksie przepadł, a uczciwa interpretacja jest węższa, niż się wydaje.

Gdy ta strona była pisana po raz pierwszy, oba modele miały wynik 61 w Artificial Analysis Intelligence Index i cały artykuł obracał się wokół ceny. Tego wyniku nie da się już odtworzyć. Na tablicy wyników odczytanej 16 września 2026 r. GPT-6 Astra (max) ma 53, a Grok 4.6 (high) 44. Oba modele publikują pełną drabinkę poziomów wysiłku, a drabinka ma większe znaczenie niż pojedynczy wiersz, który AA wyświetla na swojej stronie porównawczej: z własnych danych AA o modelach GPT-6 Astra osiąga 53 (max), 53 (xhigh), 51 (high), 50 (medium), 46 (low), a Grok 4.6 osiąga 44 (high), 44 (xhigh), 43 (medium), 35 (low). Przy najbliższym dopasowanym ustawieniu, high kontra high, różnica wynosi siedem punktów.

Dwa zastrzeżenia trzeba wypowiedzieć jednym tchem. Po pierwsze, indeks został przeliczony od nowa: obecnie opublikowana wersja to v4.3, zbudowana z dziesięciu ewaluacji — AA-Briefcase, GDPval-AA v2, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience i AA-LCR v1.1 — na innej populacji modeli niż ranking z początku września. Część pojawiającej się dziewięciopunktowej różnicy to rekallibracja, a nie to, że któreś laboratorium wypuściło coś nowego, a czytelnik porównujący tę stronę z poprzednią porównuje dwie różne linijki. Po drugie, te dwa wpisy nie mają dopasowanych ustawień wysiłku: porównanie AA zestawia tryb max Astra z trybem high Grok 4.6, a porównanie max z high nie jest porównaniem jak do jak. Bezpieczna interpretacja dziewięciopunktowego rozrzutu w indeksie, który łączy dziesięć ewaluacji, to realna, ale umiarkowana różnica, a nie pogrom — kilka modeli skupia się w granicach kilku punktów po obu stronach obu tych wyników. Można natomiast powiedzieć coś odwrotnego niż to, co ta strona mówiła wcześniej: na niezależnej tablicy wyników te dwa modele nie są już wymienne, a droższy z nich jest z przodu.

Szybkość, którą wcześniejsza wersja tej strony musiała pozostawić pustą w przypadku Astry, jest teraz mierzona — a to dane dotyczące opóźnień są bardziej rzucającą się w oczy połową. Artificial Analysis mierzy GPT-6 Astra (max) na 52,9 tokenów wyjściowych na sekundę wobec Grok 4.6 (high) na 57,7 — różnica, którą można odczuć przy długim generowaniu, ale nie taka, która powinna zmieniać decyzję o routingu. Czas do pierwszego tokenu to już inna historia: 334,04 sekundy dla Astry wobec 38,63 dla Grok 4.6, a całkowity czas odpowiedzi to 343,48 sekundy wobec 47,31. Astra myśli minutami, zanim odpowie. W przypadku pracy wsadowej i nocnej pracy agentów jest to niewidoczne; w przypadku czegokolwiek interaktywnego to liczba rozstrzygająca — i nie ma jej nigdzie na żadnej z dwóch kart stawek.

Własny arkusz benchmarkowy Astry i to, komu wolno mówić co

Kluczowe liczby OpenAI dotyczące GPT-6 Astra, wszystkie raportowane przez producenta, a żadna z nich nie została tu odtworzona: 98% w FrontierMath Tier 4, 100% w ExploitBench — w porównaniu z 78,5% dla poprzedniego flagowego modelu OpenAI, GPT-5.6 Sol — oraz 99,9% w ARC-AGI-3. To liczby, które powtarzały relacje z premiery, a dwie z nich zasługują na więcej sceptycyzmu, niż go otrzymały.

Najpierw ARC-AGI-3. 99,9% pochodzi ze środowiska testowego z adapterem dostawcy OpenAI. ARC Prize, organizacja prowadząca ten benchmark, zmierzyła osobno 62,7% dla tego samego modelu w jej neutralnym wobec dostawców Standard harness, przy koszcie 26 098 USD za przebieg. Własna notatka ARC Prize głosi, że adapter zachowuje stan rozumowania OpenAI między żądaniami, więc obie liczby mierzą co innego i nigdy nie należy ich cytować tak, jakby były tym samym pomiarem. Skala różnicy lepiej ilustruje tę kwestię niż jakikolwiek argument: Astra przy rozumowaniu „none” w adapterze osiąga 96,7%, około 34 punkty powyżej własnego wyniku przy rozumowaniu maksymalnym w Standard harness. Druga liczba to środowisko testowe wykonujące pracę, której model nie wykonał.

FrontierMath Tier 4 to ten drugi. Te 98% to własny raport Open​AI o benchmarku, którego rozwój Open​AI sfinansowało; co najmniej jedna tabela porównawcza z tygodnia premiery podaje 97,6% dla tego samego wyniku. Oba traktuj jako dane zgłoszone przez dostawcę, a żadnego z nich jako rozstrzygnięte.

To, co przetrwa spór o harness, jest warte zachowania. ARC Prize ustaliło również, że Astra wykonała mniej akcji niż mediana badanych ludzi na 96% ukończonych przez siebie poziomów, średnio o 51,7% mniej akcji na poziom w porównaniu z bazą ludzką opartą na około 500 uczestnikach — wynik dotyczący efektywności, który nie zależy od adaptera. A ARC Prize powiedziało wprost, że nie twierdzi, iż Astra jest AGI: środowiska są ograniczone i deterministyczne, a wysycenie benchmarku nie jest dowodem ogólnych zdolności. Po niezależnej stronie kodowania DeepSWE v1.1 od Datacurve — 113 zadań w 91 aktywnych repozytoriach open source — umieszcza GPT-6 Astra na poziomie 74.1%. To mocny wynik, ale nie taki, który wyraźnie odstaje od reszty; czołówka tej tabeli to skupisko, a tabela, której wiodące pozycje mieszczą się w granicach kilku punktów od siebie, mówi tyle samo o niepewności, co o możliwościach. W chwili pisania nie opublikowano w niej wyniku Grok 4.6 przy porównywalnych ustawieniach, więc ten wymiar ma tylko jedną stronę.

Dwa sposoby pracy i realna różnica w kontroli.

Nawet przy zbliżonym wyniku te dwa modele nie są zgodne co do tego, jak je sterować. Grok 4.6 to pojedynczy, silny model z jawnym suwakiem wysiłku rozumowania; decydujesz, ile myślenia zasługuje dane zapytanie, i płacisz za to stałą stawkę. GPT-6 Astra działa dłużej samodzielnie i został zaprojektowany tak, aby zatrzymać się do przeglądu, zanim podejmie ostateczne działanie. Jest także pierwszym modelem OpenAI, który firma oceniła jako „krytyczny” w ramach swojego Preparedness Framework pod kątem ryzyka cyberbezpieczeństwa — to samoocena dostawcy, a nie zewnętrzne ustalenie — a sam OpenAI przyznaje, że możliwość jego monitorowania spadła względem poprzedniego flagowego modelu, dlatego najbardziej permisywne ustawienia są zastrzeżone dla zweryfikowanych partnerów, zamiast być sprzedawane otwarcie. Dla zespołu ds. bezpieczeństwa takie ograniczenie dostępu jest zaletą. Dla programisty, który chce w terminie uzyskać deterministyczne, sterowalne dane wyjściowe, jest to tarcie, za którego uzyskanie płacisz wyższą cenę.

Tablica wyników, oznaczona

• Inteligencja (niezależna) — dopasowany wysiłek, wysoki przeciwko wysokiemu: GPT-6 Astra 51, Grok 4.6 44. Jak zestawia je strona porównawcza AA, Astra (maks.) 53 przeciwko Grok 4.6 (wysoki) 44. Artificial Analysis Intelligence Index v4.3, odczyt 16 września 2026. Nie jest to wyrównane; wielkość luki zależy od zestawienia.

• Cena katalogowa, poziom standardowy (cenniki dostawców, odczytane 16 września 2026) — GPT-6 Astra $10.00 za 1 mln wejściowych / $50.00 za 1 mln wyjściowych / $1.00 za 1 mln z pamięci podręcznej. Grok 4.6 $2.00 za 1 mln wejściowych / $6.00 za 1 mln wyjściowych / $0.50 za 1 mln z pamięci podręcznej. Pięć razy więcej na wejściu, 8,3 razy więcej na wyjściu, dwa razy więcej na wejściu z pamięci podręcznej.

• Cena katalogowa, długi kontekst (te same karty, ta sama data) — GPT-6 Astra: całe żądanie zostało wycenione na nowo po przekroczeniu progu długiego kontekstu na $20.00 / $2.00 / $75.00. Grok 4.6: całe żądanie zostało wycenione na nowo przy 200 tys. tokenów promptu na $4.00 / $1.00 / $12.00.

• Koszt na zadanie (niezależny) — dopasowany wysiłek, wysoki przeciw wysokiemu: GPT-6 Astra 1,72 USD za zadanie Intelligence Index, Grok 4.6 1,86 USD. Jak zestawia je strona porównawcza AA, Astra (max) 3,26 USD przeciw Grok 4.6 (high) 1,86 USD. Artificial Analysis, odczyt 16 września 2026.

• Opóźnienie (niezależne) — GPT-6 Astra: 334,04 s do pierwszego tokenu, 343,48 s end-to-end. Grok 4.6: 38,63 s i 47,31 s. Artificial Analysis, odczyt z 16 września 2026 r. Największa różnica na tej stronie. Własne zestawienie OrcaRouter dla tego samego modelu odnotowuje p50 czasu do pierwszego tokenu na poziomie 6,71 s i p95 na poziomie 10,00 s w ciągu siedmiu dni, co mierzy inny punkt odpowiedzi i nie jest porównywalne z wartością AA — nie umieszczaj obu w tym samym zdaniu tak, jakby były porównywalne.

• Szybkość (niezależna) — GPT-6 Astra 52,9 tokenów wyjściowych/s przy maks. Grok 4.6 57,7 tokenów/s przy wysokim. Artificial Analysis, odczyt 16 września 2026.

• Kodowanie agentowe (niezależne) — GPT-6 Astra 74,1% w DeepSWE v1.1 firmy Datacurve. W chwili pisania tego tekstu na tej samej tablicy nie opublikowano porównywalnego przebiegu Grok 4.6, więc ten wymiar ma tylko jedną stronę.

• Cyberbezpieczeństwo i rozumowanie (dane dostawcy) — GPT-6 Astra: FrontierMath Tier 4 98%, ExploitBench 100%, ARC-AGI-3 99,9% na adapterze dostawcy Open​AI, wobec niezależnie zmierzonych 62,7% przez ARC Prize w jego standardowym środowisku testowym. Zgłoszone przez Open​AI; nieodtworzone tutaj.

• Dostęp już dziś — oba modele są dostępne przez OrcaRouter na jednym kluczu. Stawki podane przez router, odczyt z 16 września 2026 r.: GPT-6 Astra za 10,00 USD / 50,00 USD za 1 mln przy kontekście 1,05 mln tokenów, Grok 4.6 za 2,00 USD / 6,00 USD za 1 mln przy kontekście 500 tys. tokenów.

Jedna uwaga o grafikach na tej stronie, ponieważ zawierają liczby, które tekst opatruje zastrzeżeniem. Karta hero i tablica wyników pokazują tę samą parę, od której zaczyna Artificial Analysis — GPT-6 Astra w swoim maksymalnym ustawieniu rozumowania przeciwko Grok 4.6 na wysokim — więc wiersz inteligencji na tablicy wyników pokazuje wynik przy maksymalnym wysiłku, a wiersz kosztów pokazuje koszt przy wysokim wysiłku. Obie liczby należą do AA, obie są aktualne i nie pochodzą z tego samego ustawienia wysiłku. Powyższy tekst podaje parę o dopasowanym wysiłku wszędzie tam, gdzie różnica ma znaczenie. Wcześniejsza wersja tej strony zawierała cztery grafiki oparte na odczycie indeksu 61 do 61; zostały zastąpione, a nie opatrzone adnotacjami, ponieważ karta hero głosząca twierdzenie, które artykuł wycofuje, jest gorsza niż brak karty hero.

Dostępność się zmieniła i zmienia to odpowiedź dotyczącą routingu.

Pierwsza wersja tej strony musiała podawać, że GPT-6 Astra nie było w OrcaRouter, a Grok 4.6 był. Oba są teraz w katalogu — GPT-6 Astra pod identyfikatorem modelu openai/gpt-6-astra według stawek cennikowych Open​AI, Grok 4.6 pod grok/grok-4.6 według stawek cennikowych x​AI. Stawki z listy OrcaRouter, odczytane 16 września 2026. Endpoint Astra również nie jest pozycją katalogową: ten sam wpis odnotowuje 180,7 mln tokenów ruchu w ciągu poprzednich siedmiu dni, z listy routera, odczytanej tego samego dnia.

To ma znaczenie konkretnie dla tego porównania, ponieważ oba modele mają różne struktury poziomów. Router, który rozlicza według ceny katalogowej dostawcy z 0% narzutu, stosuje ten poziom, do którego żądanie faktycznie trafia: wywołanie Astra, które pozostaje poniżej progu długiego kontekstu, nie jest ponownie wyceniane po naszej stronie, a wywołanie Grok 4.6, które przekracza 200K, jest ponownie wyceniane według reguły xAI, a nie naszej. Każda stawka po naszej stronie jest przekazywana z 0% narzutu — stawka dostawcy to stawka, którą płacisz, a gdy dostawca ją zmieni, zmiana obowiązuje na tym samym kluczu tego samego dnia. Gdy oba modele są na jednym kluczu, podział obciążenia między nimi — Astra do trudnej pracy autonomicznej, a Grok 4.6 do obsługi wolumenu — jest zmianą routingu, a nie drugą umową; automatyczne przełączanie awaryjne oznacza, że limit szybkości na jednej ścieżce to zdarzenie routingu, a nie awaria; a DSL routingu pozwala połączyć oba modele w jedno wywołanie, gdy chcesz, aby tani model tworzył szkic, a drogi go sprawdzał.

Kto powinien płacić składkę

Kup GPT-6 Astra, jeśli Twoja praca mieści się w zakresie, w którym jest obecnie mierzalnie lepszy. Niezależny indeks oddziela go od Grok 4.6 przy ustawieniach, które publikuje AA, jego wynik w DeepSWE v1.1 to prawdziwa niezależna liczba, a własny arkusz wyników benchmarków dostawcy jest naprawdę na czele, gdy dołączy się zastrzeżenia dotyczące harnessu. Planuj budżet na zadanie, a nie na token, i uważaj na próg długiego kontekstu, bo to tam pojedyncze żądanie przestaje być drogim wywołaniem, a staje się bardzo drogim. Kup Grok 4.6, jeśli chcesz rozumowanie bliskie czołówki w cenie, która przetrwa realny budżet, plus szybszy zmierzony wynik wyjściowy z tych dwóch i strukturę cenową z jednym progiem, a nie dwoma.

Poprawione podsumowanie tego porównania nie polega na tym, że pięciokrotna różnica nic nie daje, ani na tym, że oba są na tym samym poziomie. Polega ono na tym, że różnica jest realna na każdym poziomie, a stosunek zależy od tego, który poziom odczytujesz; że różnica w wydajności również jest teraz realna; oraz że oba wskazują ten sam kierunek — co jest przeciwieństwem tego, co ta strona mówiła 4 września 2026 r., i lepszym powodem, by wybierać między nimi, niż slogan o wielokrotnościach.