GPT-6 Astra vs Intern-S2: O que cada um realmente aceita

Os dois modelos nesta comparação são ambos descritos como multimodais, e a palavra quase não faz nada em qualquer dos casos. GPT-6 Astra, que a OpenAI lançou em 3 de setembro de 2026, aceita texto e imagens — e entrada de ficheiros, de acordo com listagens de routers que a própria documentação da OpenAI não confirma. Intern-S2-397B, o modelo científico de 403 mil milhões de parâmetros que a equipa InternLM do Shanghai AI Laboratory lançou sob Apache-2.0 em 13 de setembro de 2026, aceita texto, imagens e sinais de séries temporais, com o caminho de previsão ligado através do LMDeploy em vez da receita de serviço padrão do próprio modelo. Nenhum aceita áudio. Nenhum aceita vídeo. A questão interessante não é qual é mais multimodal; é qual destas duas superfícies de entrada o seu trabalho realmente produz, porque mal se sobrepõem e nenhuma substitui a outra.

Duas superfícies de entrada que apenas parecem semelhantes

Alinhe as especificações nas dimensões em que uma carga de trabalho real entra em contato:

• Texto — ambos: GPT-6 Astra com até 922.000 tokens de entrada em uma única solicitação; Intern-S2-397B avaliado em um comprimento máximo de inferência de 256.000 tokens para raciocínio de texto

• Imagem — ambos, mas de forma diferente: a Astra recebe uma imagem junto com um documento longo na mesma solicitação; o Intern-S2-397B foi pré-treinado para ler páginas brutas de literatura científica com conteúdo simbólico e visual modelado em conjunto, o que é uma afirmação sobre como ele foi treinado, e não sobre o que aceita

• Séries temporais — somente o Intern-S2-397B, por meio de sua cabeça de previsão, atualmente via LMDeploy

• Entrada de arquivo — GPT-6 Astra de acordo com as listagens do roteador; a própria página da OpenAI lista apenas texto e imagem, então trate isso como não confirmado

• Áudio e vídeo — nenhum

• Saída — texto em ambos, e apenas texto

• Controle de raciocínio — o GPT-6 Astra expõe reasoning.effort em low, medium, high, xhigh e max; o Intern-S2-397B é executado com o pensamento ativado por padrão e o desativa por requisição com enable_thinking=False

• Pesos — Intern-S2-397B Apache-2.0, disponível para download em FP8 e BF16; GPT-6 Astra fechado, somente via API

A linha de série temporal é a que decide este confronto para um subconjunto de compradores e o elimina para todos os demais. A previsão de séries temporais não é uma capacidade que você possa aproximar com um prompt de texto longo — a entrada é numérica, com estrutura própria, e um modelo que não foi treinado nela não a adquirirá porque você serializa os números em um prompt. Se essa for a sua carga de trabalho, a comparação acabou e não é preciso nenhuma tabela de benchmark. Se não for, a linha é irrelevante e o restante desta página é o que você está lendo.

O número de contexto que importa é o avaliado.

As páginas de marketing citam a janela; as tabelas de benchmark citam o comprimento com que o modelo foi de facto executado, e é o segundo número que prevê o comportamento. A discrepância aqui é instrutiva.

A janela do GPT-6 Astra é de 1.050.000 tokens, com um máximo de 922.000 de entrada e 128.000 de saída, e suas faixas de serviço documentadas são honestas quanto ao custo de usá-lo: acima de 272.000 tokens de entrada, custa $20,00 de entrada e $75,00 de saída por milhão, com leituras de cache a $2,00 e gravações de cache a $25,00, aplicados à requisição inteira em vez do excedente. Abaixo dessa linha, os medidores indicam $10,00, $1,00 e $12,50, saída a $50,00.

A ficha do Intern-S2-397B declara seu próprio limite na nota de metodologia, e não em uma manchete: os benchmarks de raciocínio textual foram executados com um comprimento máximo de inferência de 256.000 tokens, e os benchmarks multimodais, com 64.000. Esse não é o teto do modelo — a ficha do modelo não publica um na forma que um comprador reconheceria — mas é o comprimento no qual cada número da ficha foi produzido. Uma capacidade que só foi demonstrada dentro de 64.000 tokens de contexto de imagem é uma capacidade que foi demonstrada dentro de 64.000 tokens de contexto de imagem, e uma página que imprime a mesma pontuação sem o comprimento está imprimindo metade de um fato.

Este é o rigor que ambos esses modelos merecem e que o material de nenhum dos fornecedores torna fácil. Os números fornecidos pelo fabricante para a Astra vêm com um harness acoplado que os altera em 37 pontos em um benchmark; os da Intern-S2 vêm com um comprimento máximo de inferência acoplado que determina se algum deles se transfere para sua carga de trabalho. Leia as duas notas de rodapé antes de ler qualquer uma das tabelas.

Quais são os números do Intern-S2-397B, e quem os produziu

Todos os números abaixo são do próprio InternLM, executados através do OpenCompass, VLMEvalKit e AgentCompass pela equipe que treinou o modelo, e publicados junto com os pesos. Nada disso foi reproduzido de forma independente. Não há uma página para o Intern-S2-397B no Artificial Analysis, e essa ausência importa mais do que o habitual, porque significa que não há terceiros para verificar as linhas de capacidade geral.

As linhas científicas são onde o modelo é mais forte e onde o argumento a seu favor é mais claro: 55,71 no Biology-Instructions, 63,28 no SciReasoner 1.5, 62,35 no MolecularIQ, 53,95 no Mol-Instructions. Ao lado destas, linhas gerais respeitáveis: 89,77 no MMLU Pro, 81,68 no MMMU Pro, 93,56 no HMMT-2026, 68,54 no SWE-bench-Pro. E uma linha que lhe diz que tipo de modelo é este — TerminalBench 2.1 com 64,04, que, segundo a própria tabela do laboratório, perde para uma geração fechada mais antiga. O Intern-S2-397B é um instrumento científico competente no geral, não um generalista com uma especialidade científica enxertada.

Quais são os números do GPT-6 Astra e onde eles são mais fracos

O histórico da Astra vem em duas metades e elas não concordam quanto à ênfase. A Artificial Analysis a mede em 53 em seu atual Intelligence Index ao longo de dez avaliações, a US$ 3,26 por tarefa concluída do índice, gerando cerca de 60M tokens de saída nessa execução, contra uma mediana do placar próxima de 85M, a 44,6 tokens de saída por segundo. Essa é uma avaliação independente com metodologia publicada, e coloca o modelo em sétimo lugar entre 216 em inteligência e em 168º lugar entre 185 em velocidade.

A metade do fornecedor é uma tabela própria: 98% no FrontierMath Tier 4, descrito como saturando o nível; 99,9% no ARC-AGI-3; 100% no ExploitBench, com Astra sendo o primeiro modelo da OpenAI a ultrapassar o limiar de capacidade de cibersegurança Crítico da empresa; 57,9% no Terminal-Bench 4.0, contra 37,3% do GPT-5.6 Sol. Cada número é atribuível à OpenAI e nenhum foi reproduzido. O número do ARC-AGI-3 é o que chegou mais longe e o que merece mais ceticismo: o ARC Prize executou o modelo sob dois harnesses e publicou ambos, registrando 62,7% sob seu harness padrão e 99,9% sob um adaptador de provedor que preserva o estado de raciocínio entre requisições. A diferença de 37 pontos é uma medição do harness, não um escândalo — a OpenAI documentou ambas as configurações —, mas qualquer comparação que coloque os 99,9% contra o número de harness padrão de outro modelo está comparando duas experiências e chamando isso de benchmark.

Mais uma assimetria cabe aqui, porque é a razão pela qual o número independente é aquele contra o qual se deve planejar. A ficha do Intern-S2-397B não tem nenhuma coluna independente, então seus números são os únicos números, e carregam a autoridade do fornecedor e nada mais. A Astra tem ambos, e eles discordam sobre o quão bom ele é em raciocínio geral de uma forma que um deles não pode estar errado a respeito — a tabela do fornecedor diz saturado, o índice diz sétimo.

"Pesos livres" é uma decisão capital

O Intern-S2-397B é Apache-2.0, e a consequência prática é aritmética, não licenciamento. O checkpoint publicado tem 403 bilhões de parâmetros, e o repositório BF16 ocupa cerca de 807 GB — antes de você contar um stack de serving, um cache KV ou a segunda cópia que mantém para rollback. Existe uma build FP8, que reduz a pegada aproximadamente pela metade. O laboratório documenta LMDeploy, vLLM e SGLang como servidores suportados, e seu próprio exemplo de chamada de ferramentas é um endpoint compatível com OpenAI em um servidor LMDeploy, então o caminho de integração não é exótico. O hardware é.

Isso produz duas economias muito diferentes a partir da mesma licença. Se você já possui um nó multi-GPU com capacidade ociosa, o custo marginal da próxima consulta científica se aproxima do custo de eletricidade, e nenhum concorrente por token consegue superar isso — que é exatamente a razão pela qual pesos abertos existem. Se você não o possui, "grátis" significa comprar ou alugar capacidade, e, em capacidade alugada, a comparação com uma API medida é uma questão aritmética direta sobre utilização que um cartão de modelo não pode responder por você. O lado da Astra na mesma questão é mais simples: uma tabela de preços, nenhuma equipe de operações e uma faixa de contexto longo a $20.00 / $75.00 que penaliza exatamente o tamanho de requisição que uma janela de 1.050.000 tokens convida.

Um detalhe que favorece o caminho auto-hospedado e é fácil de passar despercebido: a licença Apache-2.0 é o que torna o modelo minimamente utilizável em um ambiente regulamentado. O ajuste fino com dados proprietários, a execução em ambiente isolado (air-gapped) e a manutenção da inferência dentro de um perímetro de dados são três coisas que a API da Astra não pode oferecer a preço algum, e nenhuma linha de benchmark as reflete.

Onde um roteador fica em um emparelhamento como este

O Intern-S2-397B não está no OrcaRouter e esta página não afirma que está; é um novo checkpoint aberto, e a sua rota até ele é a API Intern oficial do fornecedor ou uma implantação sua. O GPT-6 Astra está no nosso catálogo como openai/gpt-6-astra, às tarifas de tabela da OpenAI repassadas com 0% de margem nossa.

A forma útil para uma equipa que opera ambos é uma divisão em vez de uma escolha, e é para essa configuração que serve a camada de encaminhamento: enviar o tráfego geral, de contexto longo e com muitos documentos para o modelo medido por trás de um único endpoint compatível com OpenAI, e manter o trabalho em lote científico e de séries temporais no checkpoint que opera. O failover automático cobre então o caso em que qualquer um dos lados está indisponível — o lado auto-alojado quando um nó cai, o lado da API quando um caminho de fornecedor se degrada — sem que nenhuma das equipas tenha de escrever uma segunda integração. Essa é uma fronteira traçada como regra de encaminhamento, não como arquitetura.

Qual deles

Escolha o Intern-S2-397B se a sua entrada for científica no sentido específico para o qual o modelo foi treinado — páginas de literatura densas em figuras, estruturas moleculares e de materiais, sinais de séries temporais — ou se a Apache-2.0 for a propriedade decisiva porque seus dados não podem sair da sua infraestrutura. Reserve orçamento para o hardware antes de reservar para qualquer outra coisa, e faça sua própria avaliação em vez de confiar no card, porque não há nenhum número independente em que se apoiar.

Escolha o GPT-6 Astra se o seu trabalho for agêntico e de horizonte longo, se uma entrada de 922.000 tokens em uma única requisição for um formato que você realmente produz, ou se você precisar de um placar independente para defender a decisão para outra pessoa. Seu valor de US$ 3,26 por tarefa de índice concluída é o mais alto desta comparação, e ele compra um modelo que emite cerca de 60M tokens fazendo esse trabalho, enquanto o modelo mediano emite 85M — e é por isso que o preço por token é o número errado para basear a decisão, e o custo por tarefa concluída é o certo. Não o escolha para tráfego curto e de alto volume, e não cruze a linha dos 272.000 tokens sem rodar seu modelo de custos novamente, porque essa linha dobra a taxa de entrada de toda a requisição.

Os dois não são substitutos um do outro, e o motivo não são pontos de benchmark. Um deles aceita uma tabela digitada de leituras de sensores, e o outro aceita uma página digitalizada de um papel, e nenhum dos dois faz as duas coisas bem o suficiente para que o outro se torne desnecessário. Se o seu trabalho, de alguma forma, produz os dois, você já sabe qual equipe da sua organização é responsável por qual metade.

Um lançamento também é o momento de verificar o que deu errado antes: os incidentes documentados de IA e as falhas de agentes envolvendo modelos dessa classe estão reunidos em o OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, severidade, grau de confiança e indicador de contestação.