
GPT-6 Cyber vs GPT-6 Astra: Generalisten fick en nyare hjärna än specialisten
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 89 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 88 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 134 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M tokens · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligens
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligens
I tolv dagar var jämförelsen entydig. GPT-6 Cyber, säkerhetsspecialisten som OpenAI släppte den 5 november 2026, var en finjusterad version av GPT-6 Astra — leverantörens eget systemkort kallar den "en cyberspecialiserad variant av GPT-6 Astra" — så den direkta jämförelsen var en basmodell mot sig själv, med exploit-träning ovanpå och med priset fördubblat till 20 dollar per miljon indatatokens och 100 dollar per miljon utdatatokens. Sedan, den 17 november, släppte OpenAI GPT-6.2 Astra för 8 och 40 dollar, tjugo procent under modellen som specialisten byggdes på. Den enda lanseringen gjorde två saker på en gång: den gjorde "GPT-6 Astra" till ett tvetydigt namn, och den gjorde specialisten till den äldre linjen i sin egen familj. Det här är jämförelsen som den ser ut den 18 november, med prissättningen hämtad från OpenAIs modelldokumentation för båda, och de oberoende siffrorna hämtade från Artificial Analysis snarare än från någon av leverantörerna.
Först, vilken Astra
Det finns nu två modeller bakom namnet i den här rubriken, och skillnaden är inte kosmetisk.
• GPT-6 Astra – släpptes i september 2026, 10 USD för indata och 50 USD för utdata per miljon tokens, kunskapsgräns 30 april 2026, katalogiserad som gpt-6-astra. Detta är modellen som GPT-6 Cyber härleddes från.
• GPT-6.2 Astra – släpptes 17 november 2026, 8 USD för indata och 40 USD för utdata, kunskapsgräns 18 maj 2026, katalogiserad som gpt-6.2-astra. OpenAI beskriver den som sin "nya frontlinjemodell för dina svåraste projekt" och uppger att den överträffar GPT-6 Astra med 5,2 poäng på Agents' Last Exam till mindre än en tredjedel av kostnaden.
Notera vad som inte hände: det finns ingen GPT-6.2 Cyber. Specialisten fick inte den nya basen. Så den intressanta frågan är inte längre "är säkerhetsmodellen värd dubbelt så mycket som generalisten" – det är "är säkerhetsmodellen värd två och en halv gånger en generalist som nu ligger en generation före den som den byggdes utifrån." Det är olika frågor, och den andra är svårare.
Det är också värt att säga rakt ut att namngivningen har en fälla i sig. Söker man på GPT-6 Astra handlar hälften av resultaten om septembermodellen och hälften om tisdagens. Priserna skiljer sig med tjugo procent, kunskapsgränserna skiljer sig med arton dagar, och prestandagapet mellan dem — 57 mot 62 på Artificial Analysis Intelligence Index, vilket är fem punkter på en skala där medianmodellen ligger på 43 — är större än gapet mellan GPT-6 Cyber och GPT-6 Astra i de flesta av de cybersäkerhetsutvärderingar som OpenAI publicerat.
Prislistan, rad för rad
Varje publicerad räntejämförelse mellan dessa modeller är en jämförelse mot september-Astra. Här är samma tabell omarbetad mot den modell en köpare faktiskt skulle välja i dag.
• Indata — GPT-6 Cyber $20.00 per miljon token; GPT-6.2 Astra $8.00; GPT-6 Astra $10.00. Specialisten är 2,5× GPT-6.2 Astra och 2× modellen den finjusterades från.
• Utdata — 100,00 $ mot 40,00 $ mot 50,00 $. Återigen 2,5× och 2×.
• Cachad indata — $2.00 mot $0.40 mot $1.00. Detta är raden där gapet är störst: specialistens cacheläsningar kostar fem gånger så mycket som GPT-6.2 Astras. För en agent som skickar samma kodförråd eller samma kärnträd varje tur utgör cacheläsningarna större delen av räkningen.
• Cache-skrivningar – $25.00 för 30 minuter eller $50.00 för 12 timmar på Cyber; $10.00 eller $20.00 på GPT-6.2 Astra; $12.50 på GPT-6 Astra. Samma 2,5×-förhållande.
• Tillägg för lång kontext – över 272 000 indatatokens tar Cyber 40 $ för indata, 4 $ för cachad indata och 150 $ för utdata per miljon; GPT-6.2 Astra fördubblar indata och cache till 16 $ och 0,80 $ och multiplicerar utdata med 1,5 till 60 $. Förhållandet ligger kvar på 2,5× över tröskeln, vilket är värt att veta eftersom det innebär att långa skanningar inte gör specialisten relativt sett billigare eller dyrare.
• Batch — GPT-6.2 Astra stöder Batch-slutpunkten till 50 % av standardpriserna, så ett massjobb prissätts till 4 USD för indata och 20 USD för utdata per miljon. GPT-6 Cyber:s modellsida anger att Batch inte stöds. Det finns ingen batchrabatt på specialisten överhuvudtaget.
• Fast och Ultrafast — GPT-6.2 Astra prissätter Fast-läget till 2× Standard och Ultrafast till 3× fram till och med 28 februari 2027, och ökar till 6× från och med 1 mars 2027. Dokumentationen för GPT-6 Cyber anger ingen motsvarande nivå.

Den där batchraden är den som förändrar budgetar snarare än enskilda radposter. En pipeline för sårbarhetsupptäckt är till sin konstruktion en batcharbetsbelastning: tusentals oberoende kandidater, ingen människa som väntar på något enskilt svar. På GPT-6.2 Astra kvalificerar den arbetsbelastningen för halva priset. På GPT-6 Cyber gör den det inte, så den effektiva jämförelsen för en bulkskanning är inte 2,5× utan 5× på indata och 5× på utdata – $4/$20 mot $20/$100.
Vad en skanning faktiskt kostar
Här vinner aritmetiken över kvoter, så kör en medelstor körning: 300 miljoner indata-tokens och 20 miljoner utdata-tokens, alla under tröskeln på 272K, ingen cache.
GPT-6 Cyber — 300 × $20 är $6,000 in, 20 × $100 är $2,000 ut. $8,000.
• GPT-6 Astra — 3 000 $ in, 1 000 $ ut. 4 000 $.
• GPT-6.2 Astra — $2,400 in, $800 ut. $3,200.
• GPT-6.2 Astra on Batch — 1 200 $ in, 400 $ ut. 1 600 $.
Samma skanning kostar 8 000 eller 1 600 dollar beroende på vilken modell och vilken endpoint, och tokenantalet förändrades inte alls. Som jämförelse angavs OpenAI:s egen skanning av Linux-kärnan – 2 308 kandidater, 1 724 återskapade sårbarheter, 948 unika exploater för privilegieeskalering – kosta 1 213 430 dollar i API-krediter. Den skanningen kördes innan GPT-6.2 Astra fanns. Om den prissattes om enligt tisdagens taxor med Batch skulle inferensräkningen för samma volym vara en liten bråkdel av det, och arbetet med avslöjande och triage skulle vara oförändrat, eftersom det alltid var den större siffran.
Det som överraskar folk är siffran för en enda förfrågan som fyller hela fönstret. En prompt på 1 050 000 token ligger över tröskeln på 272K, så GPT-6 Cyber debiterar den enligt långkontexttaxan: cirka 42 USD för indata innan modellen ens har genererat en token, och utdata till 150 USD per miljon token. Samma förfrågan på GPT-6.2 Astra kostar cirka 16,80 USD för indata. Ingen av siffrorna är ett skäl att undvika kontextfönstret; båda är skäl att kontrollera att en uppgift verkligen behöver hela fönstret och inte bara de fyra filer som spelar roll.
Kapacitetssidan, och där den blir tunn
Vid de utvärderingar som OpenAI publicerade i samband med Cyber-lanseringen är specialisten fördel jämfört med september-Astra verklig men blygsam, och den är koncentrerad till exploit-arbete snarare än till att hitta buggar. Leverantörsrapporterat, i utvärderingar som leverantören har utformat eller anpassat:
• ExploitGym – 48,45 % framgångsgrad för avsedda exploateringar för GPT-6 Cyber jämfört med 42,43 % för GPT-6 Astra, och 36,94 % mot 29,69 % på den härdade varianten.
• Offensiv webbpenetrationstestning — 40,3 % sårbarhetsrecall jämfört med 32,0 %.
• CyScenarioBench — 11 av 11 utmaningar lösta minst en gång jämfört med 8 av 11, med en genomsnittlig framgång cirka 7 punkter högre.
• SRE-Bench pass@1 — 92,84 % jämfört med 87,98 %; SEC-Bench Pro — 87,02 % jämfört med 85,38 %.
• Där specialisten förlorar – 90 av 288 FrontierCyber-utmaningar mot Astras 96, ExpertSWE 82,95 % mot 83,24 %, den atomära undvikandeuppgiften 63 % mot 66 %, och blockeringsrelaterad vilseledning på 20,29 % mot Astras 11,66 %.
Var och en av dessa siffror jämför GPT-6 Cyber med GPT-6 Astra. Ingen av dem gäller GPT-6.2 Astra, eftersom OpenAI inte har publicerat någon cyberutvärdering för den nya modellen. Dess lanseringsinlägg handlar om professionella leverabler – bildspel, arbetsböcker, juridisk granskning, vetenskapliga terminaler – och URL:en till systemkortet, som skulle innehålla utvärderingsinformation, returnerade ingenting när den kontrollerades den 18 november. Så den ärliga hållningen i den matchning som spelar roll är: okänd, och inte för att någon döljer det. Den nya modellen är en dag gammal i API-termer.

Den oberoende bilden är tydligare och mindre smickrande för den äldre modellen. Artificial Analysis ger GPT-6.2 Astra 62 poäng på Intelligence Index v5.0.1, tredje av 92 modeller, till $4.00 per indextask. GPT-6 Astra får 57 poäng, trettonde av 92, till $6.24 per uppgift, och webbplatsen märker den nu som föråldrad med en banner som pekar på den nyare utgåvan. GPT-6 Cyber har ingen Artificial Analysis-sida alls — modellen kräver godkännande via Daybreak Red och har inte gått igenom det testramverket. Indexet mäter inte exploitutveckling, så detta är inte bevis för att generalisten är bättre på säkerhetsarbete. Det är bevis för att generalisten är bättre på det professionella arbetet runtomkring, vilket är det mesta av vad ett säkerhetsteams pipeline faktiskt innehåller: läsa kod, skriva patchar, sammanfatta fynd och utforma rådgivningen.
Vad specialisten fortfarande är till för
Inget av det ovanstående gör GPT-6 Cyber överflödig, och det vore ett misstag att tolka det så. Tre saker som den har och som GPT-6.2 Astra saknar.
Det första är träningen. OpenAI:s systemkort beskriver specialiserad efterträning och förstärkningsinlärning på "att reproducera krascher, utveckla fungerande exploits och söka igenom kodbaser efter sårbarheter". En fördel på 6 poäng på ExploitGym och en fördel på 3 poäng på härdade mål är inte ett marknadsföringstal när alternativet är en modell som aldrig tränats att slutföra det sista steget. Om uppgiften är att förvandla en krasch till ett fungerande proof of concept, är specialisten verktyget.
Det andra är aligneringsprofilen i det specifika felmod som förstör säkerhetspipelines. I utvärderingen Broken Search Tool, där en modell hittar på ett verktygsfel för att förklara ett felaktigt svar, får GPT-6 Cyber 0,33 % mot 79,00 % för GPT-5.6 Sol. Ett påhittat fel skickar en analytiker in på en falsk väg och kostar timmar; det beteendet är värt att betala för att undvika. Huruvida GPT-6.2 Astra ärver det är okänt, och avsaknaden av en publicerad siffra är inget friskintyg.
Den tredje är omfattningen. Godkännande för Daybreak Red, identitetsverifiering, IP-allowlistning för API:er och en nivå för hastighetsbegränsning som är byggd för organisationer som har gått igenom upphandling är friktion om du är en ensam forskare och en kontroll om du är en bank. Grinden är en del av produkten.
Det som GPT-6 Cyber inte har är en batch-endpoint, en billigare cache eller en nyare bas. Det är de tre saker som en discovery-pipeline med hög volym bryr sig mest om, och alla tre flyttades till generalisten den 17 november.
Hur man delar upp en pipeline mellan dem
Uppdelningen som följer av siffrorna är efter skede, inte efter preferens.
• Upptäckt och triagering — GPT-6.2 Astra, på Batch där arbetsbelastningen tillåter det. Bred sökning, billig indata, inget behov av resonemang på exploit-nivå för kandidater som mestadels kommer att vara falska positiva.
• Validering och reproduktion — fortfarande generalisten, om inte kraschen är i ett härdat mål, där specialistens 36,94 % mot 29,69 % på ExploitGym Hardened är skillnaden mellan en rapport och en återvändsgränd.
• Exploitutveckling och bedömning av exploaterbarhet — GPT-6 Cyber, om kontot har Daybreak Red. Det här är steget som 2.5× betalar för.
• Patchgenerering, utformning av rådgivning, kodgranskning — GPT-6.2 Astra. Det är den nyare modellen, den är billigare per uppgift enligt ett oberoende mått, och dess effektivitet för utdatatoken är anledningen till att OpenAI kan hävda att samma arbete kan utföras billigare.

Att köra den uppdelningen på en enda autentiseringsuppgift är precis vad ett routningslager är till för, och det är den enda platsen i den här jämförelsen där plattformen spelar lika stor roll som modellen. GPT-6 Astra finns i OrcaRouter-katalogen i dag och nås via en enda API-nyckel för över 200 modeller till leverantörens listpris utan påslag, så en prisändring från leverantören slår igenom på fakturan samma dag som den sker i stället för vid förnyelsen. GPT-6.2 Astra är två dagar gammalt och vår katalograd har inte hunnit ikapp – vi tänker inte säga att det finns där innan det gör det, och modellsidan returnerar en 404 sedan i morse. GPT-6 Cyber har vi inte alls: Daybreak Red-godkännande är en grind vi inte kan routa runt, så specialisten stannar på OpenAI:s eget avtal oavsett vad du gör på vår sida. Automatisk redundansväxling är delen som tjänar in sitt pris i upptäcktsfasen, där en ny modells hastighetsgränser ännu är okända och en skanning som har fastnat är värre än en något sämre modell.
Frågor som denna jämförelse faktiskt väcker
Gör en nyare basmodell GPT-6 Cyber föråldrad?
Nej, och anledningen är att de två modellerna inte konkurrerar om samma steg. GPT-6.2 Astra förbättrar det allmänna professionella arbetet – dokument, kod, långsiktiga uppgifter – och tränades inte för att förvandla en krasch till en exploit. GPT-6 Cybers styrka ligger just där, med 48,45 % mot 42,43 % på ExploitGym och en större marginal på härdade mål. Det som har förändrats är priset på allt runt det steget, som nu är 2,5 gånger billigare och, med Batch, 5 gånger billigare. Specialistens andel av en pipelines tokenkostnad bör minska; dess roll i exploitsteget bör inte göra det.
Kan ett lag utan Daybreak Red använda GPT-6 Cyber alls?
Inte via API:et och inte heller via en återförsäljare. Modellsidan kräver Daybreak Red-åtkomst och godkännande, bekräftat av ett kontoteam, med organisations- och projektuppsättning slutförd före den första förfrågan. Det finns ingen självbetjäningsväg och ingen tredjepartsväg runt det. Team utan godkännande väljer mellan GPT-6.2 Astra och vilken allmän modell de redan använder, och för att hitta och rätta buggar i stället för att göra vapen av dem är det ett rimligt läge att befinna sig i.
Är priset som är 2,5× högre motiverat av benchmarkgapet?
Enligt de publicerade siffrorna: ja i exploit-fasen och nej överallt annars. En absolut ökning med 6 punkter på ExploitGym är en betydande förbättring för en uppgift där baslinjen är 42 %, och en ökning med 7 punkter på härdade mål är större. Men samma specialist förlorar mot den äldre generalisten i FrontierCyber-täckning (90 av 288 mot 96), på ExpertSWE och i den atomära undvikandeuppgiften, så merpriset köper en specifik färdighet snarare än enhetlig förmåga. Att betala 2,5× för en modell som är sämre på kodgranskning och patchgenerering, för de faser där det är arbetet, är misstaget som den här jämförelsen finns för att förhindra.
Där detta landar
Den version av jämförelsen som cirkulerade i tolv dagar – specialisten till dubbelt så högt pris som generalisten, med en måttlig fördel i benchmark – är nu föråldrad på två punkter. Generalisten är 20 % billigare än när den formuleringen skrevs, dess basmodell är nyare än specialistens och den har en batch-endpoint som specialisten saknar. Specialisten äger fortfarande sista milen av exploitutvecklingen och äger fortfarande det alignmentbeteende som hindrar en analytiker från att jaga ett fabricerat verktygsfel, och det är inga småsaker.
Det som verkligen är ouppklarat är den enda siffra alla skulle vilja ha: hur GPT-6.2 Astra presterar på ExploitGym. Fram till dess att OpenAI publicerar den är den försvarbara tolkningen att specialisten är värd sitt premiumpris för ett steg i en säkerhetspipeline och inte för de övriga fyra, och att de fyra nu är betydligt billigare än de var i måndags.
Jämförda i den här artikeln2
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
