Сгенерированная титульная карточка с заголовком «GPT-6.2 Astra vs Gemini 4 Argon», подзаголовком «разрыв в пятнадцать пунктов, который пока нельзя купить» и тремя чипами-доказательствами: «Индекс интеллекта: 62.1 против 52.56», «Hospital-bench: 62.4% против 46.9%» и «Argon: анонсирован, без ID модели», над нижним колонтитулом с примечанием, что GPT-6.2 Astra вышла 17 ноября 2026 года, а Gemini 4 Argon была анонсирована 30 сентября 2026 года и не имеет эндпоинта.
Guides & Insights

GPT-6.2 Astra против Gemini 4 Argon: разрыв, который пока нельзя купить

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

GPT-6.2 Astra и Gemini 4 Argon вместе фигурируют на трёх независимых стендах, и на всех трёх одна и та же модель побеждает с отрывом, который больше шума между запусками. На Hospital-bench — опубликованной 20 ноября 2026 года оценке агентного администрирования с участием двадцати моделей — GPT-6.2 Astra набирает в среднем 62,4% при доле полного прохождения 29,2% против 46,9% и 16,7% у Gemini 4 Argon. На Blueprint-Bench 2 разрыв составляет 0,614 против 0,544. В Artificial Analysis Intelligence Index он составляет 62,1 против 52,56 при сопоставимом максимальном усилии. Это пятнадцатипунктовое преимущество по индексу, примерно восемь чистых выполнений задач против четырнадцати, и это не оспаривается.

Спор идёт о том, описывает ли это сравнение выбор. O​penAI выпустила GPT-6.2 Astra 17 ноября 2026 года по цене 8 долларов за миллион входных токенов и 40 долларов за миллион выходных. G​oogle анонсировала Gemini 4 Argon 30 сентября 2026 года и ещё не выпустила её: нет ни идентификатора модели, ни эндпоинта G​emini API, ни квоты на самостоятельное использование, ни даты общего доступа, а доступ предоставляется через Fairwind Program, а не через страницу регистрации. Тарифы, которые действительно существуют, — 2,00 и 10,00 доллара за миллион — это тарифная сетка, а не счёт, который оплачивает кто-либо за пределами программы. Поэтому честная формулировка этого противостояния состоит не в том, на какой модели остановиться в качестве стандарта. Она в том, что один из этих двух — доступная опция, а другой — строка в бенчмарке, и разрыв в пятнадцать пунктов говорит о том, чего вы ждёте, а не о том, что стоит покупать.

Что на самом деле представляет собой каждая модель

GPT-6.2 Astra — флагманская модель OpenAI для долгосрочной профессиональной работы: окно контекста на 1 050 000 токенов, максимальный объём вывода 128 000 токенов и мультимодальный ввод текста, изображений и файлов. Рассуждение всегда включено, а уровень усилий настраивается от low до max; модель поддерживает как формат chat-completions, так и нативный Responses API, включая фоновый режим. Это третья модель в линейке GPT-6, занимающая верхнюю строчку в модельном ряду OpenAI, и два изменения относительно GPT-6 Astra имеют операционное значение: снижение на 20% по обоим направлениям тарификации и снижение цены кэшированного ввода на 60% — с $1.00 до $0.40.

Gemini 4 Argon — четвёртый уровень семейства G​emini 4 от G​oogle, расположенный ниже Pro и выше Hydrogen, при этом Neon и Carbon занимают середину. Опубликованная карточка скудна, и это само по себе показательно: контекст в 1M токенов, ввод текста и изображений, конфигурация high-reasoning в том виде, в каком её фиксирует строка Artificial Analysis, и тариф $2 и $10. Нет опубликованного потолка выходных токенов, нет документированного интерфейса для использования инструментов, нет документации по кэшированию контекста и нет идентификатора модели. Сравните это с Carbon: в том же семействе он поставляется с полным описанием, охватывающим нативный вызов функций, структурированные выходные данные и оба пути — совместимый с OpenAI и нативный generateContent. У Argon есть карточка, цена и строка в таблице лидеров. Но продукта у него пока нет.

Эта асимметрия задаёт форму всему, что ниже. Когда обе модели доступны для вызова, очное сравнение — это решение о покупке. Когда одна модель доступна для вызова, а другая лишь анонсирована, сравнение на самом деле сводится к трём наложенным друг на друга вопросам: насколько велик разрыв в возможностях, насколько устойчиво ценовое преимущество и что должно произойти, чтобы второй вопрос стал значимым. Последний вопрос — самый интересный, потому что у ценового преимущества напечатан срок годности.

Три совета, одно направление

Обе модели фигурируют в одних и тех же трёх оценках, проведённых тремя разными организациями с использованием трёх разных методов. Согласованность между ними — сильнейшее доказательство в этом сравнении, а расхождение в величине — второе по силе.

• Среднее значение по Hospital-bench — GPT-6.2 Astra 62,4% против Gemini 4 Argon 46,9%, разрыв в 15,5 пункта

• Полные прохождения Hospital-bench — Astra 29,2% (14 из 48) против Argon 16,7% (8 из 48)

• Blueprint-Bench 2 — Astra 0,614 против Argon 0,544, разрыв 0,070 по шкале от 0 до 1

• Индекс интеллекта v5.0.1 — Astra 62,1 против Argon 52,56, оба при максимальном уровне усилий

• Стоимость одной задачи Index — Astra $4.00 против Argon $1.99, измеренная на идентичном наборе

• Цена ввода за 1 млн — Astra $8.00 против Argon $2.00 до 30 ноября, после — $4.00

A generated three-row comparison card titled 'Three boards, one direction', with row one reading 'Hospital-bench 62.4% vs 46.9%', row two 'Blueprint-Bench 2 0.614 vs 0.544' and row three 'Intelligence Index v5.0.1 62.1 vs 52.56', column headers 'GPT-6.2 Astra' and 'Gemini 4 Argon', and the footer 'Three independent evaluators, three different methods'.

Результат Hospital-bench заслуживает отдельной строки из-за того, что он измеряет. Эта оценка даёт агентам 131 инструмент в тринадцати подключённых системах и ставит их перед сорока восемью административными задачами в больнице на 320 мест — предварительные разрешения, отклонённые требования, запросы на записи. Это самое близкое к работе, которую агента действительно нанимают выполнять, из всего, что есть на этих таблицах, и разрыв здесь самый широкий из трёх — 15,5 балла среднего результата. Столбец доли прохождений хуже для Argon: восемь чистых завершений против четырнадцати, нехватка 43% по полностью завершённым задачам, на бенчмарке, где наполовину завершённое предварительное разрешение — это отклонённое требование, а не частичный зачёт.

Blueprint-Bench 2 — самый узкий из трёх разрывов, 0,070, и именно здесь две модели ближе всего по своей природе: обе восстанавливают графы связности поэтажных планов по последовательностям фотографий — задача, которая вознаграждает долгосрочную согласованность в большей степени, чем знание предметной области. То, что Argon сокращает там разрыв до 0,07, отставая при этом на 9,5 пункта по общему индексу, — подлинный сигнал о том, в чём заключается его сила. Это также табло с наименьшей значимостью для человека, и об этом стоит помнить, прежде чем его цитировать.

У ценового преимущества есть срок годности

Вот факт, который перестраивает всё сравнение. Тарифная сетка Gemini 4 Argon составляет $2,00 за входные и $10,00 за выходные данные за миллион токенов до 30 ноября 2026 года включительно. 1 декабря она становится $4,00 и $20,00. Это не слух и не прогноз: это опубликованный график, и это самое значимое в экономике Argon, потому что сама модель в эту дату не меняется.

• Ввод за 1 млн — Argon: $2.00 сегодня, $4.00 с 1 декабря; Astra: $8.00, фиксированно

• Вывод за 1 млн — Argon: $10.00 сейчас, $20.00 с 1 декабря; Astra: $40.00, фиксированно

• Кэшированный ввод — Argon $0.10 сегодня, $0.20 после; Astra $0.40, фиксированно

• Измеренная стоимость за задачу Index — Argon $1,99 сегодня, примерно $3,98 после; Astra $4,00

• Контекст свыше 272K — у Argon нет опубликованного тарифа для длинного контекста; Astra пересчитывает стоимость всего запроса по $16 и $60

Сегодня Argon в четыре раза дешевле за токен, чем Astra, и вдвое дешевле за выполненную задачу Index — существенная скидка для модели, отстающей на девять с половиной баллов. После 1 декабря он будет в два раза дешевле за токен и примерно на одном уровне с Astra по стоимости за задачу Index — и тогда модель, более дешёвая за задачу, окажется и той, что набирает меньше баллов, а аргумент о стоимости перестанет работать вовсе.

Два механизма делают даже текущее преимущество меньше, чем кажется. Первый: обрыв длинного контекста у Astra реален, а у Argon не документирован: свыше 272 000 токенов промпта Astra пересчитывает весь запрос по цене $16 за вход и $60 за выход. Агентский запуск на 300 тыс. токенов в Astra стоит $4,80 на входе ещё до того, как модель напишет хоть один токен, против $2,17 мгновением ранее на 271 999. Если ваши нагрузки агентские и длинные, этот обрыв может стереть 4-кратное преимущество по токенам за один запрос — а если нет, вы никогда и не собирались использовать окно в 1,05 млн, за которое платите.

Второе: цена токена — это не стоимость задачи. Artificial Analysis прогоняет обе модели по одному и тому же набору оценок и сообщает $1.99 для Argon против $4.00 для Astra — это соотношение два к одному, а не четыре к одному, как следует из тарифной сетки. Argon сжигает больше токенов, чтобы прийти к ответу, или делает больше шагов, или и то и другое. Это типичная картина для более дешёвой модели, и это означает, что счёт за задачу — единственное число, на которое стоит ориентироваться при планировании бюджета.

Из чего состоят эти пятнадцать пунктов

Разрыв в 9,5 пункта индекса при сопоставимом максимальном усилии — это значительная величина, и стоит конкретно указать, откуда он берётся, а не воспринимать индекс как единый вердикт. Intelligence Index от Artificial Analysis — это среднее по девяти оценкам, и два модели проваливают не одни и те же из них. Преимущество Astra сосредоточено в компонентах, связанных с агентностью и длительным горизонтом, — туда же его относит Hospital-bench, — и оно сокращается на отдельных задачах на знание и рассуждение, где Argon конкурентоспособен.

Эта закономерность согласуется с тем, как устроены обе модели. Astra — это reasoning-модель с постоянно включённым режимом рассуждения и настраиваемой интенсивностью вплоть до max, и именно настройка интенсивности сильнее всего влияет как на её балл, так и на её счёт. Опубликованная строка Argon соответствует её конфигурации с высокой интенсивностью рассуждений — той, которую Google позиционирует как точку баланса, а не как потолок; ступени xhigh в этом семействе нет. Когда вы сравниваете «лучшее, на что способна каждая модель», вы сравниваете Astra на max с Argon на одну ступень ниже, и этот разрыв отражает это в такой же мере, в какой он отражает архитектуры.

С другой стороны есть реальная оговорка, и она играет против Astra. Модель, которая рассуждает дольше, стоит дороже за задачу даже при той же цене за токен, а 20,2 минуты Astra на задачу Intelligence Index значительно выше медианы по набору. Пятнадцатибалльное преимущество куплено не только деньгами, но и временем выполнения, и для продукта, чувствительного к задержке — клиентского агента, цикла сортировки обращений в поддержку — практически пригодное сравнение: Astra при среднем уровне усилий против Argon при высоком, где разрыв значительно уже, чем 9,5 балла, и картина затрат меняется вместе с ним.

Тот, который является вызываемым

Всё это снова упирается в доступность, ведь именно по этому параметру сегодня фактически и решается исход данного сравнения. По состоянию на 20 ноября 2026 года GPT-6.2 Astra отсутствует в каталоге OrcaRouter — из моделей O​penAI мы маршрутизируем GPT-6 Astra с результатом 46,7% в Hospital-bench и линейку GPT-6 Sol, где GPT-6.2 Sol показывает 57,6% и 25,0%. Gemini 4 Argon здесь тоже недоступна для маршрутизации, и причина проще: G​oogle не опубликовала никакого идентификатора, на который можно было бы маршрутизировать.

Это оставляет обе стороны данного сравнения недоступными на нашем собственном эндпоинте — необычное место для статьи-сравнения, и об этом стоит сказать прямо, без прикрас. Сегодня доступны только предыдущие поколения с обеих сторон: GPT-6 Astra и GPT-6.2 Sol от OpenAI, Gemini 4 Carbon и Gemini 4 Neon от Google. Все четыре тарифицируются по прейскурантной цене провайдера без какой-либо наценки для вас, поэтому снижение цены поставщиком отражается в вашем тарифе в тот же день, а не при следующем продлении контракта. Автоматическое переключение при отказе между провайдерами означает, что лимит запросов на одной модели не останавливает пакетную обработку, а DSL маршрутизации позволяет закрепить класс задач за моделью без переписывания интеграции.

• Что можно вызвать сейчас — GPT-6 Astra, GPT-6.2 Sol, Gemini 4 Carbon, Gemini 4 Neon

• Что вам недоступно — GPT-6.2 Astra (отсутствует в нашем каталоге по состоянию на 20 ноября), Gemini 4 Argon (опубликованный ID модели нигде не указан)

• Чего стоит этот разрыв — 15,5 балла в Hospital-bench, 9,5 в Intelligence Index, 0,070 в Blueprint-Bench 2

• Во что обойдётся переключиться позже — одна строка модели, как только появится идентификатор

A generated pricing timeline card titled 'The price advantage has a date on it', with rows reading 'Argon today $2.00 in / $10.00 out per 1M', 'Argon from 1 December 2026 $4.00 in / $20.00 out', 'Astra, flat $8.00 in / $40.00 out' and 'Cost per Index task: Argon $1.99 now, about $3.98 after; Astra $4.00', over a footer noting Argon's pricing is a published schedule and the model itself does not change on 1 December.

Практическая рекомендация следует из дат, а не из оценок. Если в этом месяце вам нужна передовая модель OpenAI для агентной административной работы, GPT-6.2 Sol — ближайшее в нашем каталоге к вершине таблицы Hospital-bench и более дешёвый из двух вариантов OpenAI — в четыре раза дешевле за токен. Если вам нужна модель Google, Carbon и Neon уже доступны, и обе превосходят показатель Argon в некоторых суб-оценках. Ни одна из них не является моделью, о которой номинально эта статья, и делать вид, что это не так, — это то, что хорошо читается, но плохо маршрутизируется.

Что могло бы изменить это чтение?

Три события изменили бы ответ, и первое — выход Gemini 4 Argon. Опубликованный идентификатор модели, self-serve endpoint и документированная поверхность tool-use превратили бы это из сравнения продукта с тарифной сеткой в решение о покупке — а также позволили бы определить, устоит ли строка индекса 52.56 при контакте с реальным API, поскольку все фигурирующие в обращении цифры Argon происходят из конфигурации, которую почти никто не может запустить.

Второй — 1 декабря 2026 года. Удвоение тарифной сетки — самое крупное экономическое событие в этом сравнении, и оно происходит в известную дату. Если стоимость одной задачи у Argon окажется около $4.00, как предполагает арифметика, модель сравняется с Astra по стоимости за выполненную задачу Index, отставая при этом на 9,5 пункта, а аргументы в её пользу сведутся к конкретным деталям — задачам, где она конкурентоспособна, нагрузкам, где её расход токенов ниже, командам, уже участвующим в Fairwind Program. Если измеренная стоимость окажется ниже прогноза, позиция «дешевле и немного хуже» будет устойчивой, и это станет настоящей гонкой двух участников по цене.

Третьим идёт второй прогон Hospital-bench. Публикация от 20 ноября — это одна кампания без страницы методологии, без набора задач и без журналов прогонов, а разрыв в пятнадцать пунктов на сорока восьми задачах — сильный результат, который заслуживает повторного измерения, прежде чем кто-либо возьмёт его за стандарт. Сравнение поколений в этой таблице — та часть, которая меньше всего склонна измениться: GPT-6.2 Astra с 62,4% против GPT-6 Astra с 46,7%, при этом доля чистых завершений выросла с 8,3% до 29,2%, — это скачок, достаточно большой, чтобы пережить шум.

Итак, пятнадцать пунктов реальны, ценовое преимущество временно, а сравнение пока не является выбором. GPT-6.2 Astra — лучшая модель во всех рейтингах, где обе появляются вместе, причём с наибольшим отрывом в оценке, ближе всего к реальной работе агентов, и это единственная из двух, которую действительно можно вызвать сегодня. Gemini 4 Argon — это тарифная сетка со строкой в таблице лидеров и сроком годности у его единственного преимущества. Покупайте первую, следите за второй и перечитайте этот текст 1 декабря, когда арифметика изменится, хотя ни одна из моделей не сдвинется.

The Hospital-bench leaderboard graphic from the 20 November 2026 X thread, headed 'Hospital-bench' with the methodology line about the administrative operations of a 320-bed hospital across 13 connected systems, labelled 'Top 10 of 20 models' with 'Mean score' and 'Pass rate' columns. The two rows this comparison turns on read GPT-6.2 Astra 62.4% / 29.2% at the top and Gemini 4 Argon 46.9% / 16.7% in ninth, with the rest of the field between them.

Сравнение в этой статье2

Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно