GPT-6 Astra vs Grok 4.6: O empate no índice acabou, e a diferença de preço depende do nível

GPT-6 Astra e Grok 4.6 estavam empatados no único placar independente que classifica os dois quando esta página foi publicada pela primeira vez, em 4 de setembro de 2026. Essa é a frase que a página precisa retratar. Comparado ao Artificial Analysis Intelligence Index como ele está em 16 de setembro de 2026 — versão v4.3, dez avaliações —, o GPT-6 Astra (max) está em 53 e o Grok 4.6 (high) em 44, onde antes havia um empate. A outra correção é a que está na manchete em que você clicou. A tabela de preços da Open​AI, lida no mesmo dia, lista o GPT-6 Astra a US$ 10,00 por milhão de tokens de entrada, US$ 1,00 por milhão de entrada em cache e US$ 50,00 por milhão de saída; a tabela da x​AI lista o Grok 4.6 a US$ 2,00, US$ 0,50 e US$ 6,00. Em relação à entrada padrão, isso é cinco vezes. Em relação à saída, é 8,3 vezes. Em relação à entrada em cache — a linha de cobrança que a maior parte do tráfego de produção realmente usa —, é o dobro. Não existe um único multiplicador, e a versão desta página que afirmava haver um estava arredondando uma tabela de preços de quatro linhas para transformá-la em um slogan. Esta é uma atualização, não um lançamento: o GPT-6 Astra é o carro-chefe da Open​AI de 3 de setembro de 2026, e o Grok 4.6 é o da x​AI de 12 de agosto de 2026. O que mudou desde então foram a medição, a disponibilidade e a aritmética.

O multiplicador nunca foi um único número

Comece pelas duas tabelas de preços tal como os respetivos fornecedores as publicam em 16 de setembro de 2026, porque tudo o que vem a seguir herda os formatos dos seus escalões. A Open​AI documenta o GPT-6 Astra a $10,00 por 1M de tokens de entrada, $1,00 por 1M de entrada em cache, $12,50 por 1M de gravações em cache e $50,00 por 1M de saída, e divide a tabela em colunas de contexto curto e de contexto longo; acima do limite de contexto longo — 272.000 tokens de entrada, segundo os números reportados para esta tabela — todo o pedido é reprecificado para $20,00 de entrada, $2,00 em cache e $75,00 de saída. O Batch e o Flex são cobrados à metade das tarifas padrão, e o modo Fast ao dobro. A x​AI documenta o Grok 4.6 a $2,00 por 1M de entrada, $0,50 em cache e $6,00 de saída para uma janela de contexto de 500.000 tokens, e quando um pedido atinge 200.000 tokens de prompt, todo o pedido é cobrado a $4,00 de entrada, $1,00 em cache e $12,00 de saída. Estas são tabelas de preços de fornecedores, não medições.

Coloque-os lado a lado e o múltiplo da manchete antiga se decompõe. Entrada padrão: US$ 10,00 contra US$ 2,00, cinco vezes. Saída: US$ 50,00 contra US$ 6,00, 8,3 vezes. Entrada em cache: US$ 1,00 contra US$ 0,50, duas vezes. Entrada de contexto longo: US$ 20,00 contra US$ 4,00, cinco vezes de novo — mas a saída de contexto longo é US$ 75,00 contra US$ 12,00, ou 6,25 vezes. O cinco no título antigo não foi inventado. Era uma linha de um cartão de quatro linhas vestindo a roupa de um slogan, e a linha que você cita muda a resposta por um fator de quatro. Qualquer pessoa que lhe dê um único número para esta comparação está escolhendo uma faixa e não está lhe dizendo qual.

Há um segundo motivo pelo qual a aritmética por token descreve insuficientemente este par, e ele aponta no sentido oposto. Os dois modelos não gastam o mesmo número de tokens para concluir o mesmo trabalho e, na medida de custo por tarefa da Artificial Analysis — o custo médio ponderado de executar a sua avaliação Intelligence Index —, o modelo caro por token é o mais barato por trabalho concluído, desde que se igualem as configurações de esforço. Segundo os próprios dados de modelos da AA em 16 de setembro de 2026, o GPT-6 Astra com esforço alto fica em $1,72 por tarefa do índice, contra o Grok 4.6 com esforço alto em $1,86. O motivo está nas contagens de tokens do mesmo registro: o Astra queima 60M de tokens de saída para executar o índice completo, contra os 94M do Grok 4.6, e 27k tokens de saída por tarefa, contra 36k. Cinco vezes a taxa de entrada, com cerca de dois terços do gasto de tokens, fica ligeiramente à frente.

O par em destaque na própria página de comparação da AA diz algo diferente, e ambos são verdadeiros. A página da AA abre com GPT-6 Astra em max — $3,26 por tarefa, 53 no índice — comparado com Grok 4.6 em high, $1,86 e 44. Lido dessa forma, o sobrepreço parece não trazer nenhuma vantagem de custo. Quando lido com o mesmo esforço high, Astra fica com 51 no índice contra 44 e dez centavos mais barato por tarefa. Qual valor entra no seu orçamento depende inteiramente de você pretender rodar o Astra em max ou em high, e a página da AA não obriga você a escolher. Essa é a mesma falha do multiplicador único do título antigo, um nível abaixo.

O vínculo do índice desapareceu, e a leitura honesta é mais estreita do que parece

Quando esta página foi escrita pela primeira vez, ambos os modelos estavam em 61 no Artificial Analysis Intelligence Index e todo o artigo girava em torno do preço. Essa constatação não se reproduz mais. No quadro, conforme lido em 16 de setembro de 2026, GPT-6 Astra (max) está em 53 e Grok 4.6 (high) em 44. Ambos os modelos publicam uma escada completa de esforço, e a escada importa mais do que a única linha que a AA imprime em sua página de comparação: pelos próprios dados de modelo da AA, GPT-6 Astra opera em 53 (max), 53 (xhigh), 51 (high), 50 (medium), 46 (low), e Grok 4.6 opera em 44 (high), 44 (xhigh), 43 (medium), 35 (low). Na configuração correspondente mais próxima, high contra high, a diferença é de sete pontos.

Duas ressalvas devem ser feitas em conjunto. Primeiro, o índice foi reformulado: a versão em vigor agora é a v4.3, construída a partir de dez avaliações — AA-Briefcase, GDPval-AA v2, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience e AA-LCR v1.1 — sobre uma população de modelos diferente da do painel de início de setembro. Parte de uma diferença de nove pontos que surge é recalibração, e não o lançamento de algo novo por qualquer dos laboratórios, e um leitor que compara esta página com a anterior está comparando duas réguas diferentes. Segundo, as duas entradas não são configurações de esforço equiparáveis: a comparação da AA emparelha o max do Astra com o high do Grok 4.6, e uma comparação de max contra high não é de igual para igual. A leitura segura de uma diferença de nove pontos num índice que agrega dez avaliações é uma separação real, mas modesta, e não uma derrota esmagadora — vários modelos se agrupam alguns pontos acima ou abaixo de ambos. O que se pode dizer é o contrário do que esta página costumava dizer: no placar independente, estes dois já não são intercambiáveis, e o mais caro está à frente.

Velocidade, que a versão anterior desta página teve de deixar em branco para o Astra, agora é medida — e os números de latência são a metade mais impressionante. O Artificial Analysis mede o GPT-6 Astra (max) em 52,9 tokens de saída por segundo, contra o Grok 4.6 (high) a 57,7, uma diferença que dá para sentir em uma geração longa e que não deveria remodelar uma decisão de roteamento. O tempo até o primeiro token é outra história: 334,04 segundos para o Astra, contra 38,63 para o Grok 4.6, e tempo de resposta ponta a ponta de 343,48 segundos, contra 47,31. O Astra pensa por minutos antes de responder. Para trabalho de agente em lote e durante a noite, isso é invisível; para qualquer coisa interativa, é o número decisivo, e não aparece em nenhuma das duas tabelas de preços.

A própria planilha de benchmark da Astra, e quem tem permissão para dizer o quê

Os números de destaque da OpenAI para o GPT-6 Astra, todos divulgados pela empresa e nenhum deles reproduzido aqui: 98% no FrontierMath Tier 4, 100% no ExploitBench — contra 78,5% do carro-chefe anterior da OpenAI, o GPT-5.6 Sol — e 99,9% no ARC-AGI-3. Esses são os números que a cobertura de lançamento repetiu, e dois deles merecem mais ceticismo do que receberam.

ARC-AGI-3 primeiro. Os 99,9% vêm do harness de adaptador de provedor da OpenAI. O ARC Prize, que administra o benchmark, mediu separadamente 62,7% para o mesmo modelo sob seu harness Standard neutro em relação ao provedor, a US$ 26.098 pela execução. A observação do próprio ARC Prize é que o adaptador preserva o estado de raciocínio da OpenAI entre requisições, de modo que os dois números medem coisas diferentes e nunca devem ser citados como se fossem a mesma medição. A magnitude da diferença demonstra isso melhor do que qualquer argumento: o Astra com raciocínio "none" sob o adaptador alcança 96,7%, cerca de 34 pontos acima de sua própria pontuação com raciocínio máximo sob o harness Standard. O segundo número é o harness fazendo um trabalho que o modelo não fez.

FrontierMath Tier 4 é o outro. Os 98% são o próprio relatório da OpenAI sobre um benchmark cujo desenvolvimento a OpenAI financiou; pelo menos uma tabela comparativa da semana de lançamento mostra 97,6% para o mesmo resultado. Trate ambos como relatos do fornecedor e nenhum deles como estabelecido.

O que sobrevive ao argumento do harness vale a pena manter. O ARC Prize também descobriu que a Astra usou menos ações do que a mediana dos humanos testados em 96% dos níveis que concluiu, com uma média de 51,7% menos ações por nível em comparação com uma linha de base humana extraída de cerca de 500 participantes — um resultado de eficiência que não depende do adaptador. E o ARC Prize declarou claramente que não está afirmando que a Astra seja AGI: os ambientes são delimitados e determinísticos, e saturar um benchmark não é prova de capacidade geral. Do lado da codificação independente, o DeepSWE v1.1 da Datacurve — 113 tarefas em 91 repositórios de código aberto ativos — lista o GPT-6 Astra com 74,1%. Esse é um resultado forte, e não um resultado isolado; o topo desse ranking é um cluster, e um ranking cujas principais entradas ficam a alguns pontos de distância entre si é um ranking tanto sobre incerteza quanto sobre capacidade. Nenhum número do Grok 4.6 em uma configuração comparável foi publicado nele no momento da redação, então essa dimensão tem apenas um lado.

Duas formas de trabalhar e uma diferença real em controle

Mesmo quando a pontuação é próxima, esses dois não concordam sobre como você os direciona. O Grok 4.6 é um único modelo forte com um ajuste explícito de esforço de raciocínio; você decide quanto raciocínio uma solicitação merece e paga uma taxa fixa por isso. O GPT-6 Astra executa por mais tempo por conta própria e foi criado para pausar para revisão antes de se comprometer. É também o primeiro modelo da Open​AI que a empresa classificou como "crítico" sob seu Preparedness Framework para risco de segurança cibernética — uma autoavaliação do fornecedor, não uma constatação externa — e a própria Open​AI admite que sua monitorabilidade diminuiu em relação ao seu carro-chefe anterior, razão pela qual as configurações mais permissivas são restritas a parceiros verificados, em vez de vendidas abertamente. Para uma equipe de segurança, essa restrição é um recurso. Para um desenvolvedor que quer uma saída determinística e direcionável dentro de um prazo, é um atrito que você está pagando um valor premium para adquirir.

O placar, rotulado

• Inteligência (independente) — esforço equiparado, alto contra alto: GPT-6 Astra 51, Grok 4.6 44. Como a página de comparação da AA os emparelha, Astra (máx.) 53 contra Grok 4.6 (alto) 44. Índice de Inteligência da Artificial Analysis v4.3, consultado em 16 de setembro de 2026. Não é equivalente; o tamanho da diferença depende do emparelhamento.

• Preço de tabela, nível padrão (tabelas de preços do fornecedor, consultadas em 16 de setembro de 2026) — GPT-6 Astra $10,00 entrada / $50,00 saída / $1,00 em cache por 1M. Grok 4.6 $2,00 entrada / $6,00 saída / $0,50 em cache por 1M. Cinco vezes na entrada, 8,3 vezes na saída, duas vezes na entrada em cache.

• Preço de tabela, contexto longo (mesmos cartões, mesma data) — GPT-6 Astra: toda a requisição reprecificada além do limite de contexto longo a $20,00 / $2,00 / $75,00. Grok 4.6: toda a requisição reprecificada em 200K tokens de prompt para $4,00 / $1,00 / $12,00.

• Custo por tarefa (independente) — esforço equiparado, high contra high: GPT-6 Astra $1,72 por tarefa do Intelligence Index, Grok 4.6 $1,86. Como a página de comparação da AA os emparelha, Astra (max) $3,26 contra Grok 4.6 (high) $1,86. Artificial Analysis, consultado em 16 de setembro de 2026.

• Latência (independente) — GPT-6 Astra: 334,04 s até o primeiro token, 343,48 s de ponta a ponta. Grok 4.6: 38,63 s e 47,31 s. Artificial Analysis, consultado em 16 de setembro de 2026. A maior diferença nesta página. A própria listagem da OrcaRouter para o mesmo modelo registra um tempo p50 até o primeiro token de 6,71 s e um p95 de 10,00 s ao longo de sete dias, o que mede um ponto diferente da resposta e não é comparável ao número da AA — não coloque os dois na mesma frase como se fossem comparáveis.

• Velocidade (independente) — GPT-6 Astra 52,9 tokens de saída/s no máximo. Grok 4.6 57,7 tokens/s no alto. Artificial Analysis, consultado em 16 de setembro de 2026.

• Codificação agêntica (independente) — GPT-6 Astra 74,1% no DeepSWE v1.1 da Datacurve. Nenhuma execução comparável do Grok 4.6 foi publicada no mesmo placar no momento da redação, portanto esta dimensão tem apenas um lado.

• Cibernético e raciocínio (relatado pelo fornecedor) — GPT-6 Astra: FrontierMath Nível 4 98%, ExploitBench 100%, ARC-AGI-3 99,9% no adaptador de provedor da Open​AI, contra 62,7% medidos de forma independente pelo ARC Prize em seu harness Standard. Relatado pela Open​AI; não reproduzido aqui.

• Acesso hoje — ambos os modelos podem ser chamados através do OrcaRouter com uma única chave. Tarifas listadas no roteador, consultadas em 16 de setembro de 2026: GPT-6 Astra a $10,00 / $50,00 por 1M com um contexto de 1,05M de tokens, Grok 4.6 a $2,00 / $6,00 por 1M com um contexto de 500K tokens.

Uma observação sobre os gráficos desta página, porque eles trazem números que o texto qualifica. O cartão de destaque e o placar exibem o mesmo pareamento com que a Artificial Analysis abre — GPT-6 Astra em sua configuração máxima de raciocínio contra Grok 4.6 no nível alto —, então a linha de inteligência do placar mostra a pontuação de esforço máximo, enquanto sua linha de custo mostra o custo de esforço alto. Ambos os números são da AA, ambos são atuais e não vêm da mesma configuração de esforço. O texto acima fornece o par de esforços correspondentes sempre que a diferença importa. A versão anterior desta página trazia quatro gráficos construídos com base na leitura de índice 61 contra 61; eles foram substituídos em vez de anotados, porque um cartão de destaque afirmando uma alegação que o artigo retrata é pior do que nenhum cartão de destaque.

A disponibilidade mudou, e isso altera a resposta de roteamento

A primeira versão desta página teve de informar que o GPT-6 Astra não estava no OrcaRouter e que o Grok 4.6 estava. Ambos estão no catálogo agora — o GPT-6 Astra sob o id de modelo openai/gpt-6-astra às tarifas de tabela da Open​AI, o Grok 4.6 sob grok/grok-4.6 às tarifas de tabela da x​AI. Tarifas listadas pela OrcaRouter, consultadas em 16 de setembro de 2026. O endpoint Astra também não é uma entrada de catálogo: a mesma listagem registra 180,7M tokens de tráfego nos sete dias anteriores, listados no roteador, consultados no mesmo dia.

Isso importa especificamente para este confronto, porque os dois cards têm formatos de faixas diferentes. Um roteador que cobra o preço de tabela do provedor com 0% de margem aplica a faixa em que a requisição realmente cai: uma chamada do Astra que permanece abaixo do limite de contexto longo não é reprecificada pelo nosso lado, e uma chamada do Grok 4.6 que ultrapassa 200K é reprecificada pela regra da x​AI e não pela nossa. Cada tarifa do nosso lado é repassada com 0% de margem — o número do fornecedor é o número que você paga, e quando um fornecedor o altera, a mudança entra em vigor na mesma chave no mesmo dia. Com os dois modelos em uma única chave, dividir uma carga de trabalho entre eles, o Astra no trabalho autônomo difícil e o Grok 4.6 absorvendo volume, é uma mudança de roteamento em vez de um segundo contrato; o failover automático significa que um limite de requisições em um caminho é um evento de roteamento em vez de uma interrupção; e a DSL de roteamento permite compor os dois em uma única chamada quando você quer que o modelo barato faça o rascunho e o caro faça a verificação.

Quem deve pagar o prêmio?

Compre o GPT-6 Astra se o seu trabalho se situa na faixa em que ele agora está mensuravelmente à frente. O índice independente o separa do Grok 4.6 nas configurações que a AA publica, seu resultado no DeepSWE v1.1 é um número independente real, e a própria planilha de benchmark do fornecedor é genuinamente de fronteira quando as ressalvas do harness são anexadas. Faça o orçamento por tarefa em vez de por token, e fique de olho no limiar de contexto longo, que é onde uma única requisição deixa de ser uma chamada cara e se torna uma muito cara. Compre o Grok 4.6 se você quer raciocínio adjacente à fronteira a um preço que sobrevive a um orçamento real, além da saída medida mais rápida dos dois e uma estrutura de preços com um penhasco em vez de dois.

O resumo corrigido deste confronto não é que uma diferença de cinco vezes não valha nada, nem que os dois estejam em pé de igualdade. É que a diferença é real em todos os níveis e a proporção depende do nível que se lê; que a diferença de desempenho agora também é real; e que os dois apontam na mesma direção — o que é o oposto do que esta página dizia em 4 de setembro de 2026, e um motivo melhor para escolher entre eles do que um slogan sobre múltiplos.