GPT-6 Astra против Intern-S2: что каждый из них на самом деле принимает

Обе модели в этом сравнении описываются как мультимодальные, и в обоих случаях это слово почти ничего не значит. GPT-6 Astra, которую OpenAI выпустила 3 сентября 2026 года, принимает текст и изображения — а также файловый ввод, согласно листингам роутеров, которые собственная документация OpenAI не подтверждает. Intern-S2-397B, научная модель с 403 миллиардами параметров, которую команда InternLM Шанхайской лаборатории искусственного интеллекта выпустила под лицензией Apache-2.0 13 сентября 2026 года, принимает текст, изображения и сигналы временных рядов, причём путь прогнозирования подключён через LMDeploy, а не через собственный стандартный рецепт обслуживания модели. Ни одна из них не принимает аудио. Ни одна не принимает видео. Интересный вопрос не в том, какая из них более мультимодальна; он в том, какие из этих двух входных поверхностей реально создаёт ваша работа, потому что они почти не пересекаются, и ни одна не заменяет другую.

Две поверхности ввода, которые только выглядят похожими

Сопоставьте характеристики по тем параметрам, где реальная рабочая нагрузка даёт о себе знать:

• Текст — обе: GPT-6 Astra до 922 000 входных токенов в одном запросе; Intern-S2-397B оценена при максимальной длине инференса 256 000 токенов для текстовых рассуждений

• Изображение — оба, но по-разному: Astra принимает изображение вместе с длинным документом в одном запросе; Intern-S2-397B был предварительно обучен читать необработанные страницы научной литературы с символическим и визуальным содержимым, моделируемым совместно, и это утверждение о том, как он обучался, а не о том, что он принимает

• Временные ряды — только Intern-S2-397B, через его прогнозную голову, в настоящее время через LMDeploy

• Ввод файлов — GPT-6 Astra согласно спискам роутеров; на собственной странице OpenAI перечислены только текст и изображения, поэтому считайте это неподтверждённым.

• Аудио и видео — ни то, ни другое

• Вывод — текст на обоих, и только текст

• Управление рассуждениями — GPT-6 Astra предоставляет reasoning.effort на уровнях low, medium, high, xhigh и max; Intern-S2-397B по умолчанию работает с включённым режимом размышления и отключает его для каждого запроса с помощью enable_thinking=False

• Веса — Intern-S2-397B Apache-2.0, доступны для скачивания в форматах FP8 и BF16; GPT-6 Astra — закрытая, только через API

Строка временных рядов — это та, которая решает исход этого сравнения для части покупателей и исключает его для всех остальных. Прогнозирование временных рядов — это не та возможность, которую можно приблизительно воспроизвести с помощью длинного текстового запроса: входные данные числовые и имеют собственную структуру, и модель, не обученная на них, не приобретёт эту способность только потому, что вы сериализуете числа в запрос. Если это ваша рабочая нагрузка, сравнение окончено, и никакая таблица бенчмарков не нужна. Если нет, эта строка не имеет значения, и остальная часть этой страницы — то, ради чего вы читаете.

Имеет значение вычисленный номер контекста.

Маркетинговые страницы указывают размер окна; таблицы бенчмарков — длину, при которой модель фактически запускали, и именно второе число предсказывает поведение. Этот разрыв показателен.

Контекстное окно GPT-6 Astra составляет 1 050 000 токенов, максимум — 922 000 на входе и 128 000 на выходе, а его задокументированные тарифные диапазоны честно отражают стоимость использования: запросы объёмом более 272 000 входных токенов пересчитываются по цене $20.00 за вход и $75.00 за выход за миллион, при этом чтение кэша — $2.00, а запись в кэш — $25.00, применяемые ко всему запросу, а не к превышению. Ниже этого порога тарифы составляют $10.00, $1.00 и $12.50, а выход — $50.00.

Карточка Intern-S2-397B указывает собственный лимит в примечании к методологии, а не в заголовке: тесты на текстовые рассуждения проводились с максимальной длиной инференса 256 000 токенов, а мультимодальные бенчмарки — при 64 000. Это не потолок модели — карточка модели не публикует его в форме, которую мог бы распознать покупатель, — но именно при такой длине был получен каждый показатель на карточке. Возможность, продемонстрированная только в пределах 64 000 токенов контекста изображения, — это возможность, продемонстрированная только в пределах 64 000 токенов контекста изображения, а страница, которая публикует ту же оценку без указания длины, публикует половину факта.

Это та дисциплина, которой заслуживают обе эти модели и которую не облегчают материалы ни одного из вендоров. Вендорские цифры Astra идут с прилагаемой тестовой обвязкой, которая меняет их на 37 пунктов в одном бенчмарке; цифры Intern-S2 идут с прилагаемой максимальной длиной вывода, которая определяет, перенесётся ли хоть что-то из них на вашу рабочую нагрузку. Прочитайте обе сноски, прежде чем читать любую из таблиц.

Каковы показатели Intern-S2-397B и кто их получил?

Все приведённые ниже показатели — собственные показатели InternLM, полученные с помощью OpenCompass, VLMEvalKit и AgentCompass командой, обучавшей модель, и опубликованные вместе с весами. Ни один из них не был независимо воспроизведён. На Artificial Analysis нет страницы для Intern-S2-397B, и это отсутствие значит больше, чем обычно, потому что оно означает, что нет третьей стороны, с которой можно было бы сверить строки по общим способностям.

Научные строки — там, где модель сильнее всего и где аргументы в её пользу наиболее очевидны: 55,71 на Biology-Instructions, 63,28 на SciReasoner 1.5, 62,35 на MolecularIQ, 53,95 на Mol-Instructions. Рядом с ними — достойные общие строки: 89,77 на MMLU Pro, 81,68 на MMMU Pro, 93,56 на HMMT-2026, 68,54 на SWE-bench-Pro. И одна строка, которая говорит, что это за модель, — TerminalBench 2.1 с 64,04, что по собственной таблице лаборатории проигрывает более старому закрытому поколению. Intern-S2-397B — это научный инструмент, компетентный в общем, а не универсал с прикрученной научной специализацией.

Каковы показатели GPT-6 Astra и в чём они слабее всего

Результаты Astra делятся на две половины, и они не согласуются в акцентах. Artificial Analysis измеряет её на уровне 53 по текущему Intelligence Index на основе десяти оценок, при $3,26 за выполненную задачу индекса, генерируя примерно 60 млн выходных токенов за этот прогон против медианы по таблице около 85 млн, при 44,6 выходных токенов в секунду. Это независимая оценка с опубликованной методологией, и она ставит модель на седьмое место из 216 по интеллекту и на 168-е из 185 по скорости.

Вендорская половина — это отдельная таблица: 98% на FrontierMath Tier 4, описываемый как насыщающий уровень; 99,9% на ARC-AGI-3; 100% на ExploitBench, при этом Astra — первая модель OpenAI, перешагнувшая порог критических возможностей компании в области кибербезопасности; 57,9% на Terminal-Bench 4.0 против 37,3% у GPT-5.6 Sol. Каждая цифра приписывается OpenAI, и ни одна не была воспроизведена. Цифра ARC-AGI-3 — та, что получила наибольшее распространение и заслуживает наибольшего скептицизма: ARC Prize прогнала модель в двух средах тестирования и опубликовала обе, зафиксировав 62,7% в своей стандартной среде и 99,9% в адаптере провайдера, который сохраняет состояние рассуждений между запросами. Разброс в 37 пунктов — это измерение среды тестирования, а не скандал — OpenAI задокументировала оба режима — но любое сравнение, в котором 99,9% сопоставляются с показателем другой модели в стандартной среде, сравнивает два эксперимента и называет это бенчмарком.

Здесь уместна ещё одна асимметрия, потому что именно из-за неё независимый показатель — это то, на что следует ориентироваться при планировании. В карточке Intern-S2-397B вообще нет независимой колонки, поэтому её числа — единственные числа, и за ними стоит только авторитет вендора, и ничего больше. У Astra есть и то и другое, и они расходятся в оценке того, насколько хорошо Astra справляется с общими рассуждениями, причём так, что одна из них не может в этом ошибаться, — таблица вендора говорит «насыщение», а индекс говорит «седьмое место».

«Свободные веса» — это капитальное решение

Intern-S2-397B распространяется под Apache-2.0, и практическое следствие этого — арифметика, а не лицензирование. Опубликованный чекпойнт содержит 403 миллиарда параметров, а репозиторий BF16 занимает примерно 807 ГБ — и это ещё без учёта стека обслуживания, KV-кэша или второй копии, которую вы держите для отката. Существует сборка FP8, которая примерно вдвое уменьшает занимаемое место. Лаборатория указывает LMDeploy, vLLM и SGLang как поддерживаемые серверы, а её собственный пример вызова инструментов — это совместимая с OpenAI конечная точка на сервере LMDeploy, так что путь интеграции не экзотический. А вот аппаратное обеспечение — да.

Это даёт две совершенно разные экономики при одной и той же лицензии. Если у вас уже есть узел с несколькими GPU и свободными мощностями, предельная стоимость следующего научного запроса приближается к стоимости электроэнергии, и ни один конкурент с оплатой за токен не может этого побить — именно в этом вся причина существования открытых весов. Если у вас его нет, «бесплатно» означает покупку или аренду мощностей, а при аренде сравнение с API с оплатой за использование — это простой арифметический вопрос о загрузке, на который карточка модели не может ответить за вас. У Astra ответ на тот же вопрос проще: тарифная сетка, отсутствие команды эксплуатации и ценовой диапазон длинного контекста в $20.00 / $75.00, который наказывает именно тот размер запроса, к которому подталкивает окно в 1 050 000 токенов.

Одна деталь, которая говорит в пользу самостоятельного хостинга и которую легко упустить: именно лицензия Apache-2.0 делает модель вообще пригодной для использования в регулируемой среде. Дообучение на проприетарных данных, работа в изолированном контуре и удержание инференса внутри периметра данных — это три вещи, которые API Astra не может предложить ни за какие деньги, и ни одна строка бенчмарков их не отражает.

Где находится роутер в такой паре

Intern-S2-397B отсутствует на OrcaRouter, и эта страница не утверждает, что он там есть; это новый открытый чекпойнт, и путь к нему — официальный Intern API от вендора или ваше собственное развёртывание. GPT-6 Astra есть в нашем каталоге как openai/gpt-6-astra, по прайс-листовым тарифам OpenAI, передаваемым с 0% нашей наценки.

Полезная схема для команды, использующей оба варианта, — это разделение, а не выбор, и именно для такой конфигурации предназначен слой маршрутизации: направляйте общий трафик с длинным контекстом и большим объёмом документов к тарифицируемой модели за единой конечной точкой, совместимой с OpenAI, а научную работу и пакетную обработку временных рядов оставляйте на чекпоинте, который вы эксплуатируете. Автоматическое переключение при сбое тогда покрывает случай, когда любая из сторон неисправна — сегмент на собственном хостинге, когда узел выпадает, и сегмент API, когда путь провайдера деградирует, — без необходимости для любой из команд писать вторую интеграцию. Это граница, проведённая как правило маршрутизации, а не как архитектура.

Какой

Выбирайте Intern-S2-397B, если ваши входные данные относятся к той специфической научной области, для которой обучали модель, — страницы научной литературы с обилием графиков, молекулярные и материальные структуры, сигналы временных рядов, — или если решающим свойством для вас является Apache-2.0, потому что ваши данные не могут покидать вашу инфраструктуру. Заложите бюджет на оборудование прежде, чем на что-либо ещё, и проводите собственную оценку, а не доверяйте карточке модели, потому что независимой цифры, на которую можно опереться, не существует.

Выбирайте GPT-6 Astra, если ваша работа агентная и долгосрочная, если входной объём в 922 000 токенов в одном запросе — это тот формат, который вы действительно создаёте, или если вам нужна независимая система оценки, чтобы обосновать это решение перед кем-то ещё. Его $3,26 за завершённую задачу индексации — самая высокая цифра в этом сравнении, и за эти деньги вы получаете модель, которая при такой работе выдаёт примерно 60 млн токенов, тогда как медианная модель выдаёт 85 млн — поэтому цена за токен — неправильное число для принятия решения, а стоимость за завершённую задачу — правильное. Не выбирайте её для короткого высокообъёмного трафика и не пересекайте границу в 272 000 токенов, не пересчитав вашу модель затрат, потому что эта граница удваивает тариф на ввод для всего запроса.

Эти две вещи не являются взаимозаменяемыми, и причина не в баллах бенчмарков. Одна из них принимает типизированную таблицу показаний датчиков, а другая — отсканированную страницу бумажного документа, и ни одна не делает и то и другое достаточно хорошо, чтобы вторая стала ненужной. Если ваша работа так или иначе порождает и то и другое, вы уже знаете, какая команда в вашей организации отвечает за какую половину.

Релиз — это также момент проверить, что пошло не так раньше: задокументированные инциденты с ИИ и сбои агентов, связанные с моделями этого класса, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, степень серьёзности, оценку уверенности и флаг спорности.