GPT-6 Astra против Grok 4.6: ничья в индексе нарушена, а разрыв в цене зависит от тарифа

GPT-6 Astra и Grok 4.6 шли вровень в единственной независимой таблице, где ранжируются обе модели, когда эта страница впервые вышла 4 сентября 2026 года. Именно это предложение странице и приходится отзывать. Если сверяться с Artificial Analysis Intelligence Index по состоянию на 16 сентября 2026 года — версия v4.3, десять оценок — GPT-6 Astra (max) находится на отметке 53, а Grok 4.6 (high) — на 44, тогда как раньше у них был ничейный результат. Другая правка — та, что в заголовке, по которому вы кликнули. Тарифная сетка OpenAI, прочитанная в тот же день, указывает для GPT-6 Astra $10,00 за миллион входных токенов, $1,00 за миллион кэшированных входных и $50,00 за миллион выходных; тарифная сетка xAI указывает для Grok 4.6 $2,00, $0,50 и $6,00. По стандартному вводу это в пять раз. По выходу — в 8,3 раза. По кэшированному вводу — строке, по которой фактически тарифицируется большая часть продакшен-трафика — вдвое. Единого множителя не существует, а версия этой страницы, которая его провозглашала, превращала тарифную сетку из четырёх строк в лозунг. Это обновление, а не запуск: GPT-6 Astra — флагман OpenAI от 3 сентября 2026 года, а Grok 4.6 — флагман xAI от 12 августа 2026 года. С тех пор изменились измерения, доступность и арифметика.

Множитель никогда не был одним числом.

Начните с двух карточек тарифов в том виде, в каком их публикуют поставщики на 16 сентября 2026 года, потому что всё, что идёт дальше, наследует их структуру уровней. OpenAI описывает GPT-6 Astra по цене $10,00 за 1 млн входных токенов, $1,00 за 1 млн кэшированных входных, $12,50 за 1 млн записей в кэш и $50,00 за 1 млн выходных и делит карточку на колонки для короткого и длинного контекста; после порога длинного контекста — 272 000 входных токенов согласно цифрам, указанным для этой карточки — весь запрос пересчитывается по цене $20,00 за вход, $2,00 за кэш и $75,00 за выход. Batch и Flex тарифицируются по половине стандартных ставок, режим Fast — по двойным. xAI описывает Grok 4.6 по цене $2,00 за 1 млн входных, $0,50 за кэшированные и $6,00 за выходные при окне контекста в 500 000 токенов, и как только запрос достигает 200 000 токенов подсказки, весь запрос тарифицируется по $4,00 за вход, $1,00 за кэш и $12,00 за выход. Это карточки тарифов поставщиков, а не измерения.

Поставьте их рядом — и старый множитель из заголовка распадается. Стандартный ввод: $10.00 против $2.00, в пять раз. Вывод: $50.00 против $6.00, в 8,3 раза. Кэшированный ввод: $1.00 против $0.50, в два раза. Ввод с длинным контекстом: $20.00 против $4.00, снова в пять раз — но вывод с длинным контекстом: $75.00 против $12.00, или в 6,25 раза. Пятёрка в старом заголовке не была выдумана. Это была одна строка из карточки на четыре строки, наряженной в одежды слогана, и то, какую строку вы цитируете, меняет ответ в четыре раза. Любой, кто даёт вам одно число для этого сравнения, выбирает тариф и не говорит, какой именно.

Есть и вторая причина, по которой арифметика на уровне отдельных токенов неполно описывает эту пару, и работает она в противоположную сторону. Две модели тратят неодинаковое число токенов на одну и ту же работу, а по показателю стоимости одной задачи от Artificial Analysis — средневзвешенной стоимости прогона оценки Intelligence Index — модель с дорогими токенами оказывается дешевле в расчёте на выполненную задачу, если уравнять настройки усилий. Согласно собственным данным AA о моделях от 16 сентября 2026 года, GPT-6 Astra с настройкой high обходится в $1,72 за задачу индекса, тогда как Grok 4.6 с настройкой high — $1,86. Причина — в количестве токенов в той же записи: Astra сжигает 60 млн выходных токенов на прогон всего индекса против 94 млн у Grok 4.6 и 27 тыс. выходных токенов на задачу против 36 тыс. Пятикратная входная ставка при примерно двух третях расхода токенов даёт небольшое преимущество.

Пара в заголовке на собственной странице сравнения AA говорит иное, и оба утверждения верны. Страница AA начинает с GPT-6 Astra на максимуме — $3,26 за задачу, 53 по индексу — против Grok 4.6 на высоком уровне, $1,86 и 44. Если читать так, надбавка выглядит так, будто ничего не даёт по затратам. Если читать при сопоставимом высоком усилии, Astra — 51 по индексу против 44 и на десять центов дешевле за задачу. Какую цифру закладывать в бюджет, полностью зависит от того, собираетесь ли вы запускать Astra на максимуме или на высоком уровне, а страница AA не заставляет вас выбирать. Это та же ошибка, что и единственный множитель в старом заголовке, только на уровень ниже.

Привязка к индексу исчезла, и честная интерпретация оказывается более узкой, чем кажется.

Когда эта страница была впервые написана, обе модели находились на отметке 61 в Artificial Analysis Intelligence Index, и вся статья строилась вокруг цены. Этот вывод больше не воспроизводится. В таблице лидеров по состоянию на 16 сентября 2026 года GPT-6 Astra (max) находится на отметке 53, а Grok 4.6 (high) — на 44. Обе модели публикуют полную шкалу уровней усилий, и эта шкала важнее, чем единственная строка, которую AA выводит на своей странице сравнения: согласно собственным данным AA по моделям, GPT-6 Astra показывает 53 (max), 53 (xhigh), 51 (high), 50 (medium), 46 (low), а Grok 4.6 показывает 44 (high), 44 (xhigh), 43 (medium), 35 (low). При наиболее близком сопоставимом значении — high против high — разрыв составляет семь пунктов.

Две оговорки следует сделать сразу же. Во-первых, индекс был пересобран: версия, работающая сейчас, — это v4.3, построенная на десяти оценках — AA-Briefcase, GDPval-AA v2, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience и AA-LCR v1.1 — на другой популяции моделей, чем табло начала сентября. Часть появляющегося девятибалльного разрыва — это перекалибровка, а не результат того, что какая-либо из лабораторий выпустила что-то новое, и читатель, сравнивающий эту страницу с предыдущей, сравнивает две разные линейки. Во-вторых, эти две записи не являются сопоставимыми по настройкам усилий: в сравнении AA Astra в режиме max сопоставляется с Grok 4.6 в режиме high, а сравнение max против high не является сопоставимым. Осторожная трактовка девятибалльного разброса по индексу, объединяющему десять оценок, — это реальное, но скромное расхождение, а не разгром — несколько моделей располагаются в пределах нескольких баллов выше или ниже обеих. Можно сказать лишь обратное тому, что говорилось на этой странице раньше: на независимом табло эти две больше не взаимозаменяемы, и более дорогая из них впереди.

Скорость, которую в предыдущей версии этой страницы пришлось оставить незаполненной для Astra, теперь измерена — и показатели задержки — это более поразительная половина. Artificial Analysis замеряет GPT-6 Astra (max) на уровне 52,9 выходных токенов в секунду против 57,7 у Grok 4.6 (high): разрыв, который ощущается при длинной генерации, но не тот, что должен менять решение о маршрутизации. А вот время до первого токена — совсем другая история: 334,04 секунды у Astra против 38,63 у Grok 4.6, а сквозное время ответа — 343,48 секунды против 47,31. Astra думает минутами, прежде чем ответить. Для пакетной работы и ночных запусков агентов это незаметно; а для всего интерактивного это решающая цифра, и её нет ни в одной из тарифных сеток.

Собственная таблица бенчмарков Astra, и кому позволено что говорить

Ключевые показатели OpenAI для GPT-6 Astra, все заявленные производителем, и ни один из них здесь не воспроизведён: 98% на FrontierMath Tier 4, 100% на ExploitBench — против 78,5% у предыдущего флагмана OpenAI, GPT-5.6 Sol — и 99,9% на ARC-AGI-3. Именно эти цифры повторяли в материалах о запуске, и две из них заслуживают большего скептицизма, чем получили.

Сначала — ARC-AGI-3. Показатель 99,9% получен с помощью харнесса OpenAI с адаптером провайдера. ARC Prize, который проводит этот бенчмарк, отдельно измерил 62,7% для той же модели в своём нейтральном к провайдеру Standard harness, при затратах $26 098 на запуск. В собственной заметке ARC Prize говорится, что адаптер сохраняет состояние рассуждений OpenAI между запросами, поэтому эти две цифры измеряют разные вещи, и их никогда не следует приводить так, будто это одно и то же измерение. Масштаб различия убеждает лучше любых аргументов: Astra с уровнем рассуждений «none» при использовании адаптера набирает 96,7% — примерно на 34 пункта выше её собственного результата при максимальном уровне рассуждений в Standard harness. Вторая цифра — это работа, которую выполнил харнесс, а не модель.

FrontierMath Tier 4 — это второй. 98% — это собственный отчёт Open​AI о бенчмарке, разработку которого финансировала Open​AI; как минимум одна сравнительная таблица с недели запуска указывает 97,6% для того же результата. Рассматривайте оба как заявленные производителем, и ни один из них — как окончательно установленный.

То, что выдерживает проверку аргументом о тестовом стенде, стоит сохранять. ARC Prize также обнаружила, что Astra использовала меньше действий, чем медианный протестированный человек, на 96 % уровней, которые она прошла, — в среднем на 51,7 % меньше действий на уровень относительно человеческой базовой линии, построенной примерно по 500 участникам; это результат по эффективности, не зависящий от адаптера. И ARC Prize прямо заявила, что не утверждает, будто Astra — это AGI: среды ограничены и детерминированы, а насыщение бенчмарка не является доказательством общей способности. Что же касается независимой оценки в области программирования, то DeepSWE v1.1 от Datacurve — 113 задач в 91 активном репозитории с открытым исходным кодом — ставит GPT-6 Astra на 74,1 %. Это сильный результат, но не оторвавшийся от остальных: вершина этой таблицы — кластер, а таблица, лидирующие позиции в которой отстоят друг от друга на пару пунктов, говорит столько же о неопределённости, сколько о возможностях. Ни одной цифры по Grok 4.6 при сопоставимых настройках на момент написания опубликовано не было, так что у этого измерения есть только одна сторона.

Два способа работы — и реальная разница в контроле

Даже когда оценки близки, эти две модели расходятся в том, как вы ими управляете. Grok 4.6 — это одна мощная модель с явным регулятором усилий на рассуждение; вы решаете, сколько размышлений заслуживает запрос, и платите за это по фиксированному тарифу. GPT-6 Astra дольше работает автономно и создана так, чтобы делать паузу для проверки, прежде чем совершить действие. Это также первая модель Open​AI, которую компания оценила как «критическую» в рамках своей Preparedness Framework по рискам кибербезопасности — это самооценка вендора, а не внешнее заключение, — и сама Open​AI признаёт, что её мониторируемость снизилась по сравнению с предыдущим флагманом, поэтому самые разрешительные настройки доступны только проверенным партнёрам, а не продаются открыто. Для команды безопасности такое ограничение доступа — это преимущество. Для разработчика, которому нужен детерминированный, управляемый результат в срок, это трение, которое вы получаете, доплачивая.

Табло с надписью

• Интеллект (независимая оценка) — при сопоставимом уровне усилий, высокий против высокого: GPT-6 Astra 51, Grok 4.6 44. Как их сопоставляет страница сравнения AA: Astra (макс.) 53 против Grok 4.6 (высокий) 44. Artificial Analysis Intelligence Index v4.3, по состоянию на 16 сентября 2026 г. Не одинаковый уровень; величина разрыва зависит от сопоставления.

• Прейскурантная цена, стандартный уровень (прайс-листы поставщика, данные на 16 сентября 2026 г.) — GPT-6 Astra $10.00 за вход / $50.00 за выход / $1.00 за кэшированный ввод за 1 млн. Grok 4.6 $2.00 за вход / $6.00 за выход / $0.50 за кэшированный ввод за 1 млн. В пять раз выше на входе, в 8,3 раза выше на выходе, в два раза выше на кэшированном входе.

• Прейскурантная цена, длинный контекст (те же карточки, та же дата) — GPT-6 Astra: весь запрос пересчитан по цене выше порога длинного контекста — $20.00 / $2.00 / $75.00. Grok 4.6: весь запрос пересчитан при 200K токенов промпта до $4.00 / $1.00 / $12.00.

• Стоимость за задачу (независимо) — при сопоставимом уровне усилий, high против high: GPT-6 Astra — $1,72 за задачу Intelligence Index, Grok 4.6 — $1,86. Как на странице сравнения AA, где они идут в паре: Astra (max) — $3,26 против Grok 4.6 (high) — $1,86. Artificial Analysis, дата обращения: 16 сентября 2026 г.

• Задержка (независимая) — GPT-6 Astra: 334.04 с до первого токена, 343.48 с от начала до конца. Grok 4.6: 38.63 с и 47.31 с. Artificial Analysis, дата обращения: 16 сентября 2026 г. Самый большой разрыв на этой странице. В собственном листинге OrcaRouter для той же модели указаны p50 времени до первого токена — 6.71 с и p95 — 10.00 с за семь дней; это измеряет другую точку ответа и несопоставимо с показателем AA — не ставьте эти два значения в одно предложение так, будто они сопоставимы.

• Скорость (независимое измерение) — GPT-6 Astra 52,9 токенов вывода/с на максимуме. Grok 4.6 57,7 токенов/с на высоком. Artificial Analysis, дата обращения: 16 сентября 2026 г.

• Агентное программирование (независимо) — GPT-6 Astra 74,1% в DeepSWE v1.1 от Datacurve. На момент написания на том же лидерборде не было опубликовано сопоставимого прогона Grok 4.6, поэтому у этого измерения есть только одна сторона.

• Кибербезопасность и рассуждения (по данным вендора) — GPT-6 Astra: FrontierMath Tier 4 98%, ExploitBench 100%, ARC-AGI-3 99,9% на провайдерском адаптере Open​AI, против независимо измеренных ARC Prize 62,7% на своём стандартном стенде. По данным Open​AI; здесь не воспроизведено.

• Доступно сегодня — обе модели доступны для вызова через OrcaRouter по одному ключу. Тарифы, указанные в маршрутизаторе, по состоянию на 16 сентября 2026 г.: GPT-6 Astra — $10.00 / $50.00 за 1 млн токенов при контексте 1,05 млн токенов, Grok 4.6 — $2.00 / $6.00 за 1 млн токенов при контексте 500 тыс. токенов.

Одно замечание о графике на этой странице: поскольку на ней есть числа, текст делает к ним оговорку. Главная карточка и табло показывают одну и ту же пару, которую Artificial Analysis приводит в качестве основной, — GPT-6 Astra при максимальной настройке рассуждений против Grok 4.6 на высокой настройке, — поэтому строка интеллекта на табло показывает оценку при максимальном усилии, а строка стоимости — стоимость при высоком усилии. Оба показателя принадлежат AA, оба актуальны, и они относятся не к одной и той же настройке усилий. Текст выше приводит пару с согласованным уровнем усилий везде, где разница имеет значение. В более ранней версии этой страницы было четыре графика, построенных на показании индекса 61 против 61; их заменили, а не аннотировали, потому что главная карточка, утверждающая то, от чего статья отказывается, хуже, чем отсутствие главной карточки.

Доступность изменилась, и это меняет ответ по маршрутизации.

В первой версии этой страницы приходилось сообщать, что GPT-6 Astra отсутствовала на OrcaRouter, а Grok 4.6 присутствовал. Теперь оба есть в каталоге — GPT-6 Astra под идентификатором модели openai/gpt-6-astra по тарифам из прайс-листа Open​AI, Grok 4.6 под grok/grok-4.6 по тарифам x​AI. Тарифы, указанные OrcaRouter, считаны 16 сентября 2026 г. Эндпоинт Astra тоже не является записью в каталоге: в том же листинге зафиксировано 180,7 млн токенов трафика за предыдущие семь дней, по данным роутера, считано в тот же день.

Это важно именно для этого сравнения, потому что у двух моделей разная структура тарифных уровней. Роутер, который выставляет цену по прайс-листу провайдера с наценкой 0%, применяет тот уровень, в который запрос фактически попадает: вызов Astra, остающийся ниже порога длинного контекста, не переоценивается на нашей стороне, а вызов Grok 4.6, перешагнувший 200K, переоценивается по правилу x​AI, а не по нашему. Каждый тариф на нашей стороне передаётся без наценки — число вендора — это число, которое вы платите, и когда вендор его меняет, изменение вступает в силу на том же ключе в тот же день. Когда обе модели на одном ключе, разделение рабочей нагрузки между ними — Astra на тяжёлой автономной работе, а Grok 4.6 тянет объём — это изменение маршрутизации, а не второй контракт; автоматическое переключение при сбое означает, что лимит частоты на одном пути — это событие маршрутизации, а не простой; а DSL маршрутизации позволяет объединить обе в один вызов, когда вы хотите, чтобы дешёвая модель подготовила черновик, а дорогая его проверила.

Кто должен платить страховую премию?

Покупайте GPT-6 Astra, если ваша работа находится в той области, где он сейчас измеримо впереди. Независимый индекс отделяет его от Grok 4.6 при тех настройках, которые публикует AA, его результат DeepSWE v1.1 — это реальная независимая цифра, а собственная таблица бенчмарков вендора действительно фронтирная, если учесть оговорки по методике тестирования. Планируйте бюджет в расчёте на задачу, а не на токен, и следите за порогом длинного контекста: именно там отдельный запрос перестаёт быть дорогим вызовом и становится очень дорогим. Покупайте Grok 4.6, если вам нужно близкое к фронтиру рассуждение по цене, которая выдерживает реальный бюджет, плюс более быстрый измеренный вывод из этих двух и ценовая структура с одним скачком, а не с двумя.

Исправленный итог этого сравнения не таков: не то, что пятикратный разрыв ничего не даёт, и не то, что эти двое находятся на одном уровне. Он таков: разрыв реален на каждом уровне, а соотношение зависит от того, какой уровень вы смотрите; разрыв в производительности теперь тоже реален; и оба указывают в одном направлении — что противоположно сказанному на этой странице 4 сентября 2026 года и является лучшей причиной выбирать между ними, чем лозунг о кратностях.