GPT-6 Astra vs Solar Pro 4: Dwanaście punktów indeksu i stosunek cen, który zmienia się w niedzielę

W dwóch niezależnie przeprowadzonych ewaluacjach, które ta para ma wspólne, GPT-6 Astra prowadzi Solar Pro 4 z dużą przewagą w wiedzy ogólnej, a mniejszą tam, gdzie modele są faktycznie wykorzystywane. Artificial Analysis przyznaje GPT-6 Astra 54,7 punktu w swoim Intelligence Index i 96,1 w GPQA Diamond; ten sam ewaluator daje Solar Pro 4 42 i 86,8. W pracy agentowej różnica zmniejsza się do jedenastu i sześciu punktów w Terminal-Bench 2.1 i τ²-Banking. Tymczasem opowieść o cenach niesie ze sobą termin, którego prawie nikt z nią nie wiązał: obecna promocja Solar Pro 4 kończy się o 00:00 UTC w niedzielę 11 października 2026, gdy model przechodzi z 0,09 na 0,15 dolara za milion tokenów wejściowych oraz z 0,36 na 0,60 dolara za milion tokenów wyjściowych. Pytanie, na które musi więc odpowiedzieć to porównanie, nie brzmi, który model jest lepszy. Brzmi ono, czy około dwunastu i pół punktu różnicy w możliwościach uzasadnia od 42 do 139 razy wyższą stawkę za tokeny wyjściowe — a odpowiedź na nie jest właściwością twojego obciążenia, a nie któregokolwiek z tych modeli.

Karty stawek, w tym ta, która zmienia się w ten weekend

Cena katalogowa Solar Pro 4 wynosi 0,30 USD za wejście, 0,06 USD za wejście z pamięci podręcznej i 1,20 USD za wyjście za milion tokenów, a Upstage od premiery nieprzerwanie utrzymuje ją poniżej ceny katalogowej. Harmonogram na samej stronie cennika Upstage jest jednoznaczny, więc nie ma potrzeby zgadywać, na jaką liczbę planować budżet:

• Promocja Upstage do 11 października 2026, 00:00 UTC — 0,09 USD za wejście, 0,018 USD za cache, 0,36 USD za wyjście za 1 mln tokenówbr /> • Promocja Upstage od 11 października 2026 — 0,15 USD za wejście, 0,03 USD za cache, 0,60 USD za wyjście za 1 mln tokenów, podana bez daty końcowej, co oznacza, że trzeba na to zaplanować budżetbr /> • Cena katalogowa Upstage — 0,30 USD za wejście, 0,06 USD za cache, 1,20 USD za wyjście za 1 mln tokenówbr /> • GPT-6 Astra do 272 000 tokenów wejściowych — 10,00 USD za wejście, 1,00 USD za cache, 12,50 USD za zapis do cache, 50,00 USD za wyjście za 1 mln tokenówbr /> • GPT-6 Astra powyżej 272 000 tokenów wejściowych — 20,00 USD za wejście, 2,00 USD za cache, 25,00 USD za zapis do cache, 75,00 USD za wyjście za 1 mln tokenów, stosowana do całego żądania po przekroczeniu progu

Odczytując to jako stosunki, to 11× na wejściu i 5,6× na wyjściu przy stawkach Solar Pro 4 po promocji, 33× i 42× względem jego ceny katalogowej oraz 111× i 139×, jeśli oba modele są mierzone według dzisiejszych liczb promocyjnych. Rozrzut jest tak duży, ponieważ obie strony ułamka się zmieniają: karta Astra jest szczytem rynku, a Solar Pro 4 znajduje się obecnie blisko jego dołu.

Zasady dotyczące długiego kontekstu to drugi wiersz wart przeczytania dwa razy, ponieważ nie są symetryczne. Próg Astra wynosi 272 000 tokenów, a jej zasada polega na ponownej wycenie całego żądania — każdy token w długim żądaniu jest rozliczany po podwójnej stawce wejściowej i 1,5× stawce wyjściowej, a nie tylko tokeny po przekroczeniu granicy. Cennik Upstage nie zawiera równoważnego progu, więc żądanie 400 000 tokenów do Solar Pro 4 jest rozliczane dokładnie po tej samej stawce za token co żądanie 4 000 tokenów. Jeśli Twoje prompty regularnie przekraczają ćwierć miliona tokenów, efektywna stawka wejściowa Astra wynosi 20,00 USD zamiast 10,00 USD, a różnica, którą płacisz, rośnie dokładnie w tym obciążeniu, w którym konkuruje model z kontekstem 512K.

Skąd bierze się dwunastopunktowa różnica

Oba modele mają liczby pochodzące od stron trzecich, co czyni to porównanie łatwiejszym niż większość w tym segmencie. Wzorzec w ich przypadku jest spójny: zyski Solar Pro 4 względem jego własnego poprzednika koncentrowały się na zadaniach agentowych i właśnie tam jest najbliżej modelu Astra.

• Indeks Inteligencji — GPT-6 Astra 54,7, Solar Pro 4 42br /> • GPQA Diamond, nauka na poziomie magisterskim — Astra 96,1, Solar Pro 4 86,8br /> • Terminal-Bench 2.1, obsługa prawdziwego terminala — Astra 88,4, Solar Pro 4 75,1br /> • τ²-Banking, użycie narzędzi wbrew polityce — Astra 41,4, Solar Pro 4 35,0br /> • Przywoływanie w długim kontekście, AA-LCR — Astra 80,7, Solar Pro 4 71br /> • Koszt uruchomienia przeciętnego zadania ewaluacyjnego — Astra 0,0516 USD, Solar Pro 4 od 0,0039 USD do 0,0155 USDbr /> • Czas rzeczywisty na zadanie ewaluacyjne — Astra około 8,6 minuty, na modelu, który zwraca około 70 tokenów na sekundę

To właśnie koszt zadania zmienia sposób patrzenia na ten argument. Uruchomienie pojedynczego trudnego zadania ewaluacyjnego na Solar Pro 4 kosztuje od czterech do trzynastu centów, w zależności od tego, który poziom promocji obowiązuje, w porównaniu z pięcioma centami na Astra przy standardowych stawkach. „Cena tokenów wyjściowych wyższa 42 razy” i „koszt na zadanie wyższy 13 razy” to oba prawdziwe stwierdzenia o tej samej parze modeli, a druga z tych liczb pojawia się na fakturze. Różnica polega na tym, że Astra, według pomiarów Artificial Analysis, udziela odpowiedzi przy mniejszej liczbie tokenów niż poprzednik Solar Pro 4 — 43 000 tokenów wyjściowych na zadanie — a mimo to nadal jest droższym modelem, jeśli chodzi o ukończenie zadania, tylko że wcale nie o 42× droższym.

Dwa zastrzeżenia do kolumny Solar Pro 4. Jest wolniejszy niż Astra pod względem czasu rzeczywistego na zadanie, nawet zużywając mniej tokenów, a jego opublikowane wyniki agentowe mają pewną specyfikę, którą warto znać: w ocenie swojego poprzednika poprawił swój wynik uczciwości w dużej mierze poprzez odmowę odpowiedzi, próbując odpowiedzieć na 41% pytań w porównaniu do 92% w Pro 3. Dla agenta, który musi działać, odmowa jest często lepsza niż pewna siebie błędna odpowiedź — ale zmienia to sposób czytania wszelkich porównań współczynnika zaliczeń.

Porównanie, którego nie daje ci karta żadnego z dostawców

Wiersze benchmarku powyżej są zgodne: każda strona przeprowadziła tę samą ocenę. Ciekawe są te wiersze, których brakuje, ponieważ obaj dostawcy nie zgadzają się co do tego, co publikować.

• Wysiłek rozumowania — Astra udostępnia pięć nazwanych poziomów (low, medium, high, xhigh, max); Solar Pro 4 dokumentuje parametr reasoning_effort z co najmniej ustawieniem medium, a materiały Upstage na temat tej drabiny są skąpebr /> • Architektura — liczba parametrów Astry nie jest ujawniona; liczba parametrów Solar Pro 4 również nie jest ujawniona, więc żadna ze stron nie publikuje danych o ekonomice serwowania, które ujawniają ich tańsze odpowiednikibr /> • Zachowanie w długim kontekście pod obciążeniem — Astra publikuje próg kosztowy i udokumentowany wynik recall; Upstage publikuje okno kontekstowe, ale nie ma własnej oceny recallbr /> • Zakres danych wejściowych — Astra przyjmuje tekst, obraz i plik; Solar Pro 4 to model tekstowybr /> • Limit modalności — maksymalnie 128 000 tokenów wyjściowych po obu stronach, co jest nietypowym miejscem, w którym tani model osiąga parytet, i jest najprzydatniejszą specyfikacją w karcie Solar Pro 4 do pracy z długim generowaniem

Parametr reasoning-effort ma większe znaczenie, niż się wydaje. Model, który pozwala zmniejszyć budżet myślenia, to model, którego efektywna cena za łatwe zapytanie jest znacznie niższa od ceny nominalnej, ponieważ płacisz za mniej tokenów rozumowania przy pracy, która ich nie potrzebuje. Obaj dostawcy udostępniają ten parametr; żaden nie publikuje, ile kosztują poszczególne poziomy w tokenach, co oznacza, że jedynym sposobem na ustalenie rzeczywistego mnożnika między tymi dwoma modelami jest zmierzenie go na własnym ruchu.

Próg rentowności, ujęty prosto

Zignoruj na chwilę punkty indeksu i przyjmij, że obciążenie jest stałe. Jeśli Twoja aplikacja służy do ekstrakcji, klasyfikacji, streszczania lub tworzenia ustrukturyzowanych wyników na podstawie dokumentów o długości do pół miliona tokenów, Solar Pro 4 wykonuje tę pracę w tempie, do którego Astra nie może się zbliżyć, i wcale nie potrzebuje drabiny rozumowania — żadna prawdopodobna różnica jakości w zadaniu ekstrakcji JSON nie jest warta 42× na wyjściu. Jeśli Twoja aplikacja to agent działający w długim horyzoncie, który planuje, wywołuje narzędzia, podnosi się po nieudanym kroku i musi doprowadzić zadanie do końca, to jedenastopunktowa różnica w Terminal-Bench i sześciopunktowa różnica w τ²-Banking to liczby, które przewidują, czy zakończy on zadanie, a nieudane uruchomienie agenta kosztuje pełną cenę uruchomienia plus koszt ponowienia.

Naprawdę trudny przypadek to ten pośredni: krótkie, trudne zadania rozumowania rozwiązywane za jednym razem, w których przewaga Astry w GPQA jest duża, a koszt na zadanie wciąż wynosi tylko kilka centów. Decydującym czynnikiem nie jest tam cennik, lecz liczba tokenów — a jedynym pomiarem, który na to odpowiada, jest przepuszczenie własnych promptów przez oba modele i odczytanie zużycia. To także przypadek, w którym obniżka ceny działa najmocniej, ponieważ to tańszy model jest testowany przeciwko droższemu, a zmiana stawki tańszego modelu o 67% zmienia arytmetykę testu między poniedziałkiem a dniem dzisiejszym.

Dlaczego jest to decyzja o routingu, a nie zamówienie zakupowe

GPT-6 Astra znajduje się w katalogu OrcaRouter jako openai/gpt-6-astraw cenach katalogowych samego OpenAI, przekazywanych dalej z 0% marży — i właśnie dlatego porównanie takie jak to sprowadza się do reguły, a nie do umowy. Rodzina Solar od Upstage to inna historia, a uczciwe stanowisko jest takie, jak zawsze: OrcaRouter nie kieruje żadnym modelem Upstage, więc Solar Pro 4 nie jest tu dostępny — pochodzi z własnego API Upstage oraz z kilku platform zewnętrznych, a powyższy cennik należy do nich, a nie do nas.

To, do czego router właściwie służy w tym zestawieniu, to podział na poziomy. Tani model i drogi model znajdują się za jednym punktem końcowym zgodnym z OpenAI, reguła routingu kieruje ruch ekstrakcyjny do odpowiedniego dla niego poziomu, a automatyczne przełączanie awaryjne promuje wywołanie do silniejszego modelu, gdy tańszy zwróci błąd lub wygeneruje dane wyjściowe, które twój parser odrzuci. Ten ostatni mechanizm jest praktyczną odpowiedzią na ryzyko błędnego routingu, które stwarza to porównanie: kosztownym trybem awarii nie jest wybór niewłaściwego modelu, lecz wybór niewłaściwego modelu i zapłacenie za to dwa razy.

Co zrobić przed niedzielą

Jeśli Solar Pro 4 jest kandydatem do Twojego stosu, to najtańszy tydzień, w jakim będziesz mógł go przetestować. Stawka promocyjna obowiązuje do 00:00 UTC 11 października, stawka po promocji wynosząca $0.15 i $0.60 jest już o jedną trzecią poniżej ceny katalogowej, a opublikowane przez sam model dowody — liczby Terminal-Bench i τ²-Banking — opisują pracę, którą możesz odtworzyć na własnym zestawie zadań w jedno popołudnie. Uruchom oba modele na tych samych promptach, pozostaw ustawienia rozumowania bez zmian i zapisuj liczbę tokenów na ukończone zadanie, a nie na wywołanie. Liczba, która wyjdzie, to jedyny mnożnik, który ma znaczenie, i nie będzie to 42×. Wtedy zdecyduj, wiedząc, że jeśli wygra tańsza strona, cena, po której go testowałeś, wygasa w niedzielę — a jeśli wygra droższa strona, to właśnie za te dwanaście i pół punktu indeksu płacisz.

GPT-6 Astra znajduje się w katalogu OrcaRouter jako openai/gpt-6-astra w cenach katalogowych OpenAI, przekazywanych dalej z 0% marży.