GPT-6 Astra vs Intern-S2: Co każde z nich faktycznie akceptuje

Dwa modele w tym porównaniu są opisane jako multimodalne, a to słowo w obu przypadkach nie robi prawie żadnej roboty. GPT-6 Astra, który OpenAI udostępniło 3 września 2026 roku, przyjmuje tekst i obrazy — a według list routerów także pliki wejściowe, czego dokumentacja samego OpenAI nie potwierdza. Intern-S2-397B, liczący 403 miliardy parametrów model naukowy wydany przez zespół InternLM z Shanghai AI Laboratory na licencji Apache-2.0 13 września 2026 roku, przyjmuje tekst, obrazy i sygnały szeregów czasowych, przy czym ścieżka prognostyczna jest podłączona przez LMDeploy, a nie przez domyślny przepis serwowania samego modelu. Żaden z nich nie przyjmuje dźwięku. Żaden nie przyjmuje wideo. Ciekawe pytanie nie brzmi, który z nich jest bardziej multimodalny; brzmi ono: którą z tych dwóch powierzchni wejściowych faktycznie wytwarza twoja praca, bo ledwo się one pokrywają i żadna nie zastępuje drugiej.

Dwie powierzchnie wejściowe, które tylko wyglądają podobnie.

Zestaw specyfikacje w wymiarach, w których rzeczywiste obciążenie wchodzi w kontakt:

• Tekst — oba: GPT-6 Astra do 922 000 tokenów wejściowych w jednym żądaniu; Intern-S2-397B oceniany przy maksymalnej długości wnioskowania 256 000 tokenów na potrzeby rozumowania tekstowego

• Obraz — oba, ale inaczej: Astra przyjmuje obraz wraz z długim dokumentem w tym samym żądaniu; Intern-S2-397B został wstępnie wytrenowany do czytania surowych stron literatury naukowej z treścią symboliczną i wizualną modelowaną razem, co jest twierdzeniem o tym, jak został wytrenowany, a nie o tym, co przyjmuje

• Szeregi czasowe — tylko Intern-S2-397B, przez jego głowicę prognostyczną, obecnie za pośrednictwem LMDeploy

• Wejście plików — GPT-6 Astra według list routerów; własna strona OpenAI wymienia tylko tekst i obrazy, więc traktuj to jako niepotwierdzone

• Audio i wideo — żadne

• Wyjście — tekst na obu, i tylko tekst

• Kontrola rozumowania — GPT-6 Astra udostępnia reasoning.effort na poziomach low, medium, high, xhigh i max; Intern-S2-397B domyślnie działa z włączonym trybem myślenia i wyłącza go dla danego żądania za pomocą enable_thinking=False

• Wagi — Intern-S2-397B Apache-2.0, do pobrania w wersjach FP8 i BF16; GPT-6 Astra — zamknięty, dostępny wyłącznie przez API

Wiersz dotyczący szeregów czasowych jest tym, który rozstrzyga to starcie dla podzbioru nabywców i eliminuje je dla wszystkich pozostałych. Prognozowanie szeregów czasowych to nie jest zdolność, którą można aproksymować długim promptem tekstowym — dane wejściowe są numeryczne i mają własną strukturę, a model, który nie był na nich trenowany, nie nabędzie tej zdolności tylko dlatego, że zserializujesz liczby do promptu. Jeśli to jest twoje obciążenie, porównanie jest zakończone i żadna tabela benchmarków nie jest potrzebna. Jeśli nie, ten wiersz jest nieistotny, a reszta tej strony jest tym, po co czytasz.

Numer kontekstu, który ma znaczenie, to ten oceniany

Strony marketingowe podają okno kontekstu; tabele benchmarków podają długość, na jakiej model faktycznie był uruchamiany, a to właśnie druga liczba przewiduje zachowanie. Ta różnica jest pouczająca.

Okno GPT-6 Astra wynosi 1 050 000 tokenów, z maksymalnie 922 000 na wejściu i 128 000 na wyjściu, a jego udokumentowane progi usługowe uczciwie oddają koszt korzystania z niego: żądania powyżej 272 000 tokenów wejściowych są wyceniane ponownie na 20,00 USD za milion tokenów wejściowych i 75,00 USD za milion tokenów wyjściowych, przy odczytach z pamięci podręcznej po 2,00 USD i zapisach do pamięci podręcznej po 25,00 USD, stosowanych do całego żądania, a nie do nadwyżki. Poniżej tego progu liczniki wskazują 10,00 USD, 1,00 USD i 12,50 USD, a wyjście po 50,00 USD.

Karta modelu Intern-S2-397B podaje własny limit w nocie metodologicznej, a nie w nagłówku: benchmarki rozumowania tekstowego przeprowadzono przy maksymalnej długości wnioskowania wynoszącej 256 000 tokenów, a benchmarki multimodalne przy 64 000. To nie jest pułap modelu — karta modelu nie publikuje takiego pułapu w formie, którą kupujący rozpoznałby — ale to długość, przy której uzyskano każdą liczbę na karcie. Umiejętność, którą wykazano wyłącznie w obrębie 64 000 tokenów kontekstu obrazu, jest umiejętnością, którą wykazano w obrębie 64 000 tokenów kontekstu obrazu, a strona, która podaje ten sam wynik bez długości, podaje połowę faktu.

To dyscyplina, na którą oba te modele zasługują, a której materiały żadnego z dostawców nie ułatwiają. Liczby dostawcy Astry mają dołączony harness, który zmienia je o 37 punktów w jednym benchmarku; liczby Intern-S2 mają dołączoną maksymalną długość inferencji, która decyduje o tym, czy którekolwiek z nich przełożą się na twoje obciążenie. Przeczytaj oba przypisy, zanim przeczytasz którąkolwiek z tabel.

Jakie są liczby Intern-S2-397B i kto je wyprodukował

Każdy wynik poniżej pochodzi od samego InternLM; został uzyskany za pomocą OpenCompass, VLMEvalKit i AgentCompass przez zespół, który trenował model, i opublikowany razem z wagami. Żaden z nich nie został niezależnie odtworzony. Nie ma strony dla Intern-S2-397B w Artificial Analysis, a ten brak ma większe znaczenie niż zwykle, ponieważ oznacza, że nie ma strony trzeciej, która mogłaby zweryfikować wiersze dotyczące ogólnych możliwości.

Wiersze naukowe to te, w których model jest najsilniejszy i w których argument za nim jest najwyraźniejszy: 55,71 na Biology-Instructions, 63,28 na SciReasoner 1.5, 62,35 na MolecularIQ, 53,95 na Mol-Instructions. Obok nich przyzwoite wiersze ogólne: 89,77 na MMLU Pro, 81,68 na MMMU Pro, 93,56 na HMMT-2026, 68,54 na SWE-bench-Pro. I jeden wiersz, który mówi, z jakim modelem mamy do czynienia — TerminalBench 2.1 z wynikiem 64,04, który według własnej tabeli laboratorium przegrywa ze starszą zamkniętą generacją. Intern-S2-397B to instrument naukowy, który jest ogólnie kompetentny, a nie generalista z przykręconą specjalizacją naukową.

Jakie są liczby GPT-6 Astra i gdzie są najsłabsze

Wynik Astry składa się z dwóch połówek, które nie są zgodne co do akcentów. Artificial Analysis mierzy go na 53 w swoim obecnym Intelligence Index na podstawie dziesięciu ewaluacji, przy 3,26 USD za ukończone zadanie indeksowe, generując około 60 mln tokenów wyjściowych w trakcie tego przebiegu wobec mediany na tablicy wyników wynoszącej blisko 85 mln, przy 44,6 tokena wyjściowego na sekundę. To niezależna ewaluacja z opublikowaną metodologią, która plasuje model na siódmym miejscu spośród 216 pod względem inteligencji i na 168. miejscu spośród 185 pod względem szybkości.

Połowa poświęcona dostawcy to osobna tabela: 98% w FrontierMath Tier 4, co opisano jako nasycenie tego poziomu; 99,9% w ARC-AGI-3; 100% w ExploitBench, przy czym Astra jest pierwszym modelem OpenAI, który przekroczył firmowy próg krytycznych zdolności cyberbezpieczeństwa; 57,9% w Terminal-Bench 4.0 w porównaniu z 37,3% dla GPT-5.6 Sol. Każda z tych liczb jest przypisywana OpenAI i żadna nie została odtworzona. Liczba dla ARC-AGI-3 jest tą, która zaszła najdalej i zasługuje na największy sceptycyzm: ARC Prize uruchomiło model w dwóch środowiskach testowych i opublikowało oba, odnotowując 62,7% w standardowym środowisku oraz 99,9% w adapterze dostawcy, który zachowuje stan rozumowania między żądaniami. Różnica 37 punktów to miara środowiska testowego, a nie skandal — OpenAI udokumentowało oba ustawienia — ale każde porównanie, które zestawia 99,9% z wynikiem innego modelu w standardowym środowisku, porównuje dwa eksperymenty i nazywa to benchmarkiem.

Jeszcze jedna asymetria ma tu swoje miejsce, ponieważ to właśnie ona sprawia, że to niezależna liczba jest tą, względem której należy planować. Karta Intern-S2-397B nie ma w ogóle niezależnej kolumny, więc jej liczby są jedynymi liczbami i niosą ze sobą autorytet dostawcy i nic więcej. Astra ma obie, a one nie zgadzają się co do tego, jak dobra jest w ogólnym rozumowaniu, w kwestii, w której jedno z nich nie może się mylić — tabela dostawcy mówi „nasycony”, a indeks mówi „siódme miejsce”.

„Wolne ciężary” to kapitalna decyzja.

Intern-S2-397B jest objęty licencją Apache-2.0, a praktyczną konsekwencją jest arytmetyka, a nie licencjonowanie. Opublikowany checkpoint ma 403 miliardy parametrów, a repozytorium BF16 zajmuje około 807 GB — zanim doliczysz stos serwujący, pamięć podręczną KV albo drugą kopię trzymaną na wypadek rollbacku. Istnieje kompilacja FP8, która w przybliżeniu o połowę zmniejsza zajmowaną przestrzeń. Laboratorium dokumentuje LMDeploy, vLLM i SGLang jako obsługiwane serwery, a jego własny przykład wywoływania narzędzi to endpoint zgodny z OpenAI na serwerze LMDeploy, więc ścieżka integracji nie jest egzotyczna. Sprzęt już tak.

To daje dwie bardzo różne kalkulacje ekonomiczne z tej samej licencji. Jeśli masz już węzeł z wieloma GPU i wolnymi mocami, koszt krańcowy kolejnego zapytania naukowego zbliża się do kosztu energii elektrycznej i żaden konkurent rozliczający się za token nie może tego pobić — i to jest cały powód, dla którego istnieją otwarte wagi. Jeśli go nie posiadasz, „darmowy” oznacza kupno lub wynajem mocy obliczeniowej, a w przypadku wynajmowanej mocy porównanie z API rozliczanym za użycie to proste pytanie arytmetyczne dotyczące wykorzystania, na które karta modelu nie może odpowiedzieć za Ciebie. Strona Astry w tej samej kwestii jest prostsza: cennik, brak zespołu operacyjnego i pasmo długiego kontekstu po $20.00 / $75.00, które uderza dokładnie w ten rozmiar żądania, do którego zachęca okno o długości 1 050 000 tokenów.

Jeden szczegół, który przemawia za ścieżką self-hosted i łatwo go przeoczyć: licencja Apache-2.0 sprawia, że model w ogóle nadaje się do użytku w środowisku regulowanym. Dostrajanie na danych własnościowych, działanie w trybie air-gapped i utrzymanie wnioskowania wewnątrz obwodu danych to trzy rzeczy, których API Astry nie może zaoferować za żadną cenę, a żaden wiersz benchmarku ich nie odzwierciedla.

Gdzie znajduje się router w takiej parze

Intern-S2-397B nie znajduje się na OrcaRouter i ta strona tego nie twierdzi; to nowy otwarty checkpoint, a droga do niego prowadzi przez oficjalne API Intern dostawcy lub przez własne wdrożenie. GPT-6 Astra jest w naszym katalogu jako openai/gpt-6-astra, w cenach katalogowych OpenAI przekazywanych dalej z 0% marży po naszej stronie.

Użytecznym rozwiązaniem dla zespołu korzystającego z obu jest podział, a nie wybór, i właśnie dla takiej konfiguracji istnieje warstwa routingu: kieruj ogólny, długokontekstowy ruch o dużym udziale dokumentów do modelu rozliczanego za użycie za jednym punktem końcowym zgodnym z OpenAI, a prace wsadowe naukowe i dotyczące szeregów czasowych pozostaw na checkpointcie, którym zarządzasz. Automatyczne przełączanie awaryjne obejmuje wtedy przypadek, gdy jedna ze stron jest niedostępna — odnoga hostowana samodzielnie, gdy padnie węzeł, odnoga API, gdy ścieżka dostawcy ulegnie degradacji — bez konieczności pisania przez którykolwiek z zespołów drugiej integracji. To granica wyznaczona regułą routingu, a nie architekturą.

Który

Wybierz Intern-S2-397B, jeśli Twoje dane wejściowe są naukowe w tym konkretnym sensie, dla którego model był trenowany — gęste od ilustracji strony literatury, struktury molekularne i materiałowe, sygnały szeregów czasowych — albo jeśli Apache-2.0 jest decydującą właściwością, ponieważ Twoje dane nie mogą opuścić Twojej infrastruktury. Zaplanuj budżet na sprzęt, zanim zaplanujesz budżet na cokolwiek innego, i przeprowadź własną ewaluację, zamiast ufać karcie, ponieważ nie ma niezależnej liczby, na której można się oprzeć.

Wybierz GPT-6 Astra, jeśli twoja praca ma charakter agentowy i długohoryzontowy, jeśli wejście o rozmiarze 922 000 tokenów w pojedynczym żądaniu to kształt, który faktycznie generujesz, albo jeśli potrzebujesz niezależnej tablicy wyników, aby obronić tę decyzję przed kimś innym. Jego stawka 3,26 USD za ukończone zadanie indeksowania to najwyższa wartość w tym porównaniu, a w zamian otrzymujesz model, który wykonując tę pracę emituje około 60 mln tokenów, podczas gdy mediana modeli emituje 85 mln — dlatego cena za token to zły wskaźnik do podejmowania decyzji, a koszt za ukończone zadanie to właściwy. Nie wybieraj go do krótkiego ruchu o dużym wolumenie i nie przekraczaj progu 272 000 tokenów bez ponownego uruchomienia swojego modelu kosztów, ponieważ ta granica podwaja stawkę za wejście w całym żądaniu.

Te dwa rozwiązania nie są substytutami, a powód nie tkwi w punktach benchmarkowych. Jedno z nich przyjmuje wpisaną tabelę odczytów z czujników, a drugie zeskanowaną stronę papierową, i żadne z nich nie radzi sobie z obydwoma na tyle dobrze, by drugie stało się zbędne. Jeśli twoja praca w jakiś sposób wytwarza oba, już wiesz, który zespół w twojej organizacji odpowiada za którą połowę.

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.