
GPT-6.1 Sol vs GPT-6 Astra: Um Ponto de Índice, Cinco Vezes a Tabela de Preços
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 96 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaNOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 159 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 118 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligência
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligência
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 221 tok/s
GPT-6.1 Sol e GPT-6 Astra são o modelo intermediário e o carro-chefe de uma mesma família, lançados com quatro semanas de diferença — Sol em 29 de setembro de 2026, Astra em 3 de setembro de 2026 — e até esta semana a comparação entre eles baseava-se inteiramente nos próprios números da OpenAI. Já não é o caso. A Artificial Analysis avaliou ambos com esforço de raciocínio máximo na mesma versão do índice, e o resultado é uma diferença de 0,84 ponto a favor do Astra, ao lado de uma diferença de custo por execução de avaliação de 4,5 vezes a favor do GPT-6.1 Sol. Nas tabelas de preços, a proporção é ainda mais acentuada: o Astra custa 5 vezes o GPT-6.1 Sol em entrada e saída e 10 vezes em entrada em cache. A pergunta que esta página responde é onde esse prêmio compra algo que se possa apontar, e onde ele é simplesmente o preço de um nome.
O que são os dois modelos e o que a placa mediu
Ambos têm entrada de texto e imagem e saída de texto, com uma janela de contexto de 1.050.000 tokens e 128.000 tokens máximos de saída, e ambos oferecem uma escala de esforço de cinco níveis — baixo, médio, alto, xhigh e max — tendo abandonado a configuração Nenhum que o GPT-6 Sol ainda aceita. Nenhum dos dois oferece suporte a ajuste fino. As diferenças que importam são as que a tabela de preços indica: Astra é o nível principal, GPT-6.1 Sol é a atualização do nível abaixo dele, e a própria frase de posicionamento da OpenAI para o modelo mais novo é "desempenho próximo ao Astra para trabalhos complexos a um custo menor."
A Artificial Analysis pontua essa afirmação em seu Intelligence Index — dez avaliações na versão v4.3.2, a mesma versão para ambos os modelos — e registra a data de lançamento que mantém para cada um. Ela avalia ambos na configuração de esforço máximo que a página do modelo nomeia em seu cabeçalho. O que segue é essa comparação, além da aritmética de custos que o índice não faz por você.
• GPT-6.1 Sol — lançado em 29/09/2026, Índice de Inteligência 51,8 com esforço máximo, $2,00 de entrada / $0,10 em cache / $2,50 de gravação em cache / $10,00 de saída por milhão de tokens.
• GPT-6 Astra — lançado em 03/09/2026, Índice de Inteligência 52,7 com esforço máximo, $10,00 de entrada / $1,00 em cache / $12,50 de gravação em cache / $50,00 de saída por milhão de tokens.
• Nenhum — aceita o esforço de raciocínio none; ambos reprecificam toda a solicitação a 2× as tarifas de entrada e de cache e 1,5× a de saída quando a entrada ultrapassar 272.000 tokens. A faixa de contexto longo da Astra é $20,00 de entrada / $2,00 em cache / $75,00 de saída; a do GPT-6.1 Sol é $4,00 / $0,20 / $15,00.
• Ambos — oferecem suporte a pesquisa na web, pesquisa em arquivos, geração de imagens, interpretador de código, shell hospedado, aplicação de patch, habilidades, uso do computador, MCP e pesquisa de ferramentas por meio da API Responses.
0,84 pontos de índice, 4,5 vezes a conta da avaliação

Dois números aparecem lado a lado no ranking e, juntos, são todo o argumento. O GPT-6 Astra, em esforço máximo, pontua 52,7. O GPT-6.1 Sol, em esforço máximo, pontua 51,8. Ao lado de cada pontuação, o ranking publica quanto custou executar o índice por trás dela: US$ 3,26 por tarefa para o Astra, US$ 0,72 para o GPT-6.1 Sol. Lido como uma única frase — 0,84 ponto por 4,5 vezes o dinheiro — é o número mais relevante para a decisão que qualquer uma das empresas publicou sobre esses dois modelos.
Ambos os modelos também publicam uma pontuação para cada ponto da escada de esforço, o que permite que a comparação seja feita com gasto igual, em vez de com configuração igual:
• esforço máximo — GPT-6.1 Sol 51,8 a $0,72 por execução vs GPT-6 Astra 52,7 a $3,26.
• xhigh — 51,0 a $0,39 vs 52,4 a $2,31.
• alto — 50,2 a $0,32 vs 50,9 a $1,73.
• médio — 47,8 a $0,21 vs 49,6 a $1,54.
• baixo — 42,1 a $0,13 vs 45,8 a $0,82.

Alinhe os níveis entre os modelos e surge um fato que nenhum dos fornecedores divulga: a própria diferença de alto para máximo da Astra é de 1,8 ponto de índice, mais que o dobro de toda a lacuna entre a Astra no máximo e o GPT-6.1 Sol no máximo. Em outras palavras, escolher a Astra em vez do GPT-6.1 Sol rende menos pontuação do que escolher o esforço máximo da Astra em vez do esforço alto da Astra — e a segunda dessas escolhas custa uma fração da primeira. Quem tem uma carga de trabalho genuinamente sensível a esses 1,8 ponto deveria verificar a configuração de esforço antes de verificar a coluna do modelo.
Onde o prêmio da Astra ainda compra algo
O resultado composto é próximo; as avaliações individuais não são. Pontuado linha a linha com esforço máximo, o GPT-6 Astra leva vantagem em seis de dez, e as em que leva são as que envolvem agir em vez de responder.
• AutomationBench-AA, fluxos de trabalho com várias etapas entre ferramentas — 0,685 para Astra contra 0,649 para GPT-6.1 Sol. Astra por 3,6 pontos.
• Terminal-Bench 4.0, trabalho em terminal em ambientes reais — 0,591 contra 0,561. Astra por 3,0 pontos.
• SciCode — 0,565 contra 0,542. Astra por 2,3 pontos.
• Humanity's Last Exam — 0,547 contra 0,529. Astra por 1,8 pontos.
• AA-Omniscience — 43,4 contra 41,5, e no mesmo conjunto a taxa de alucinação do Astra é 0,513 contra 0,543 do GPT-6.1 Sol. O Astra é ao mesmo tempo mais preciso e mais disposto a dizer que não sabe.
• AA-Briefcase v1.1, entregáveis profissionais — Elo 1568,9 contra 1564,2. Astra por 4,7.
O padrão é suficientemente consistente para se planear em torno dele: quando a tarefa exige que o modelo mantenha uma longa cadeia de ações coerente — conduzir um terminal, executar um fluxo de trabalho com múltiplas ferramentas, produzir um entregável em formato de documento — a margem da Astra é real e repetível entre harnesses. Quando a tarefa é uma pergunta de conhecimento respondida num único turno, a margem desaparece em grande parte.
Onde o modelo mais barato vence, incluindo a linha de cache
O GPT-6.1 Sol não é um Astra uniformemente um pouco pior. Nas avaliações que recompensam a leitura e o raciocínio sobre materiais longos, ele lidera, e, na tabela de preços, lidera por uma margem que o índice nunca vê.
• GDPval-AA, trabalho profissional avaliado em relação à produção de especialistas — Elo 1575,1 para GPT-6.1 Sol contra 1541,9 da Astra. Uma vantagem de 33 pontos para o modelo que custa um quinto do preço, e a maior vitória independente isolada da linha.
• AA-LCR v1.1, raciocínio de contexto longo — 0,830 contra 0,807. GPT-6.1 Sol lidera.
• GDP.pdf — um empate absoluto em 0,310, assim como CritPt em 0,317.
• Entrada em cache — US$ 0,10 por milhão de tokens contra US$ 1,00 da Astra. Esta é a linha que decide a economia dos agentes e não aparece em lugar algum do índice.
• Velocidade de saída — 66,8 tokens por segundo contra 56,95 na mesma execução de avaliação, com 67,2 milhões de tokens de saída gastos contra 60,0 milhões da Astra. Nenhum dos modelos é rápido; GPT-6.1 Sol é o mais rápido dos dois.
Um mês de agente, com preço em ambas as tabelas de tarifas.
Considere uma carga de trabalho que reenvia um prefixo estável: 40 milhões de tokens de entrada por mês, com 85% deles servidos a partir do cache, mais 4 milhões de tokens de saída. Na tabela de preços do GPT-6.1 Sol, isso dá US$ 3,40 pelas leituras em cache, US$ 12,00 pela entrada sem cache e US$ 40,00 pela saída — US$ 55,40 pelo mês. No GPT-6 Astra, o mesmo tráfego custa US$ 34,00 de leituras em cache, US$ 60,00 de entrada sem cache e US$ 200,00 de saída — US$ 294,00. A carga de trabalho é idêntica; a fatura é 5,3 vezes maior.
Dois limiares alteram essa aritmética, e ambos merecem ser precificados antes da decisão de migração, e não depois. O primeiro são 272.000 tokens de entrada numa única requisição: ultrapasse-o e a requisição inteira é reprecificada pelo dobro das tarifas de entrada e de cache e 1,5× a tarifa de saída, o que leva o GPT-6.1 Sol para $4.00 / $0.20 / $15.00 e o Astra para $20.00 / $2.00 / $75.00. O segundo é a própria escala de esforço — baixar o GPT-6.1 Sol de max para xhigh reduz o custo de execução do índice de $0.72 para $0.39 por 0,8 de ponto, e baixar o Astra de max para high reduz de $3.26 para $1.73 por 1,8. Num loop de agente com uso intenso de cache, a definição de esforço é uma alavanca de custo maior do que a coluna do modelo, o que é o oposto de como estes dois modelos costumam ser comparados.
Qual executar, e o que você pode realmente chamar
Com base nas evidências, a divisão é mais nítida do que o marketing sugere. Encaminhe para o GPT-6 Astra o trabalho que precisa sobreviver a uma longa cadeia de ações — sessões de terminal, automação com uso intenso de ferramentas, entregáveis de documentos em que um parágrafo alucinado sai caro — e considere executá-lo em high em vez de max, a menos que você tenha medido que os 1,8 pontos extras recaem sobre as suas tarefas. Encaminhe tudo que é intensivo em conhecimento, intensivo em cache ou majoritariamente de leitura para o GPT-6.1 Sol: ele é melhor em avaliação de trabalho profissional, melhor em raciocínio de contexto longo, mais rápido e de cinco a dez vezes mais barato nas linhas que dominam uma fatura real.

O que você pode chamar hoje é a parte honesta. A OrcaRouter serve o GPT-6 Astra pelo preço de tabela da própria OpenAI — as tarifas de US$ 10,00 de entrada, US$ 50,00 de saída, US$ 1,00 de leitura em cache e US$ 12,50 de gravação em cache, com a regra de reprecificação de 272K repassada exatamente como a fornecedora a publica — ao lado do GPT-6 Sol e do GPT-6 Luna. Ela não serve o GPT-6.1 Sol: o catálogo público retorna "model not found" para openai/gpt-6.1-sol, e não vamos descrever um modelo que não conseguimos rotear. Como o preço de tabela do provedor é repassado sem qualquer acréscimo, no dia em que esse modelo chegar ele custará a tarifa da OpenAI do nosso lado sem uma etapa de reprecificação; hoje a metade utilizável desse confronto é o carro-chefe, atrás de uma única chave de API, com a DSL de roteamento disponível se você quiser compor um modelo barato e um caro em uma única chamada, em vez de escolher entre eles a cada requisição.
A única coisa a que se deve prestar atenção é a linha que falta nesta comparação. Nem o número do fornecedor nem o índice independente lhe dizem o que o seu próprio tráfego fará nestes dois patamares, e a única forma barata de descobrir é executar o mesmo conjunto de tarefas nos dois com o failover no comando. Isso é um experimento de uma única tecla quando ambas as metades podem ser chamadas, e um meio-experimento até que ambas o sejam.
Comparados neste artigo2
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
