GPT-6 Astra vs Intern-S2: แต่ละตัวรองรับอะไรได้จริงบ้าง

โมเดลทั้งสองตัวในการเปรียบเทียบนี้ต่างก็ถูกอธิบายว่าเป็นมัลติโมดัล และคำนี้แทบไม่ได้ทำหน้าที่อะไรเลยในทั้งสองกรณี GPT-6 Astra ซึ่ง O​penAI เปิดตัวเมื่อวันที่ 3 กันยายน 2026 รับข้อความและรูปภาพ — และอินพุตไฟล์ ตามรายการใน router ที่เอกสารของ O​penAI เองไม่ได้ยืนยัน Intern-S2-397B โมเดลวิทยาศาสตร์ขนาด 403 พันล้านพารามิเตอร์ที่ทีม InternLM ของ Shanghai AI Laboratory เปิดตัวภายใต้ Apache-2.0 เมื่อวันที่ 13 กันยายน 2026 รับข้อความ รูปภาพ และสัญญาณอนุกรมเวลา โดยเส้นทางการพยากรณ์ถูกต่อผ่าน LMDeploy แทนที่จะผ่านสูตรการเสิร์ฟเริ่มต้นของโมเดลเอง ทั้งสองตัวไม่รับเสียง ทั้งสองตัวไม่รับวิดีโอ คำถามที่น่าสนใจไม่ใช่ว่าตัวไหนเป็นมัลติโมดัลมากกว่า แต่คือพื้นผิวอินพุตสองแบบนี้ แบบไหนที่งานของคุณผลิตออกมาจริง เพราะทั้งสองแทบไม่ทับซ้อนกัน และไม่มีตัวไหนทดแทนอีกตัวได้

พื้นผิวอินพุตสองแบบที่เพียงแค่ดูคล้ายกัน

จัดเรียงสเปกให้ตรงกับมิติที่ภาระงานจริงเข้ามาสัมผัส:

• ข้อความ — ทั้งสอง: GPT-6 Astra รองรับอินพุตสูงสุด 922,000 โทเคนในหนึ่งคำขอ; Intern-S2-397B ประเมินที่ความยาวการอนุมานสูงสุด 256,000 โทเคนสำหรับการให้เหตุผลด้วยข้อความ

• รูปภาพ — ทั้งคู่ แต่แตกต่างกัน: Astra รับภาพพร้อมกับเอกสารยาวในคำขอเดียวกัน ส่วน Intern-S2-397B ถูกพรีเทรนให้อ่านหน้าดิบของวรรณกรรมทางวิทยาศาสตร์ โดยที่เนื้อหาเชิงสัญลักษณ์และเชิงภาพถูกจำลองรวมกัน ซึ่งเป็นข้อกล่าวอ้างเกี่ยวกับวิธีที่มันถูกฝึกมา มากกว่าสิ่งที่มันรับเป็นอินพุตได้

• อนุกรมเวลา — เฉพาะ Intern-S2-397B ผ่านหัวพยากรณ์ของโมเดล ปัจจุบันผ่าน LMDeploy

• อินพุตไฟล์ — GPT-6 Astra ตามรายการของเราเตอร์; หน้าของ O​penAI เองระบุเฉพาะข้อความและรูปภาพเท่านั้น ดังนั้นให้ถือว่ายังไม่ยืนยัน

• เสียงและวิดีโอ — ไม่ใช่ทั้งสอง

• เอาต์พุต — ข้อความทั้งสองด้าน และเป็นข้อความเท่านั้น

• การควบคุมการใช้เหตุผล — GPT-6 Astra เปิดให้ตั้งค่า reasoning.effort ได้ที่ระดับ low, medium, high, xhigh และ max; Intern-S2-397B ทำงานโดยเปิดโหมดคิดเป็นค่าเริ่มต้น และปิดได้เป็นรายคำขอด้วย enable_thinking=False

• เวท — Intern-S2-397B Apache-2.0 ดาวน์โหลดได้ในรูปแบบ FP8 และ BF16; GPT-6 Astra เป็นโมเดลปิด ใช้ได้เฉพาะผ่าน API

แถวอนุกรมเวลาคือแถวที่ตัดสินการเปรียบเทียบนี้สำหรับผู้ซื้อบางส่วน และตัดมันออกสำหรับคนอื่น ๆ ทั้งหมด การพยากรณ์อนุกรมเวลาไม่ใช่ความสามารถที่คุณจะประมาณได้ด้วยพรอมต์ข้อความยาว — อินพุตเป็นตัวเลขที่มีโครงสร้างของตัวเอง และโมเดลที่ไม่ได้ฝึกกับมันจะไม่ได้ความสามารถนั้นเพียงเพราะคุณแปลงตัวเลขเป็นอนุกรมในพรอมต์ หากนั่นคือภาระงานของคุณ การเปรียบเทียบก็จบลง และไม่จำเป็นต้องมีตารางเบนช์มาร์ก หากไม่ใช่ แถวนั้นก็ไม่เกี่ยวข้อง และส่วนที่เหลือของหน้านี้คือสิ่งที่คุณต้องการอ่าน

หมายเลขบริบทที่สำคัญคือหมายเลขที่ถูกประเมิน

หน้าเพจการตลาดมักอ้างอิงขนาดหน้าต่างบริบท ส่วนตาราง benchmark อ้างอิงความยาวที่โมเดลถูกนำไปรันจริง และตัวเลขตัวหลังนี่แหละคือตัวที่ทำนายพฤติกรรมได้ ช่องว่างตรงนี้ชวนให้ฉุกคิด

หน้าต่างของ GPT-6 Astra มีขนาด 1,050,000 โทเค็น โดยมีค่าสูงสุด 922,000 ขาเข้า และ 128,000 ขาออก และระดับบริการที่จัดทำเป็นเอกสารนั้นตรงไปตรงมาเกี่ยวกับค่าใช้จ่ายในการใช้งาน: คำขอที่มีโทเค็นอินพุตเกิน 272,000 จะถูกคิดราคาใหม่ที่ $20.00 สำหรับอินพุต และ $75.00 สำหรับเอาต์พุตต่อล้าน โดยการอ่านแคชอยู่ที่ $2.00 และการเขียนแคชอยู่ที่ $25.00 ใช้กับคำขอทั้งหมดแทนที่จะเป็นเฉพาะส่วนที่เกิน ต่ำกว่าเส้นนั้น มิเตอร์จะแสดง $10.00, $1.00 และ $12.50 เอาต์พุตที่ $50.00

การ์ดของ Intern-S2-397B ระบุขีดจำกัดของตัวเองไว้ในหมายเหตุวิธีวิทยา แทนที่จะระบุในพาดหัว: การทดสอบมาตรฐานการให้เหตุผลด้วยข้อความนั้นทำด้วยความยาวการอนุมานสูงสุด 256,000 โทเคน และการทดสอบมาตรฐานแบบหลายรูปแบบที่ 64,000 โทเคน นั่นไม่ใช่เพดานของโมเดล — การ์ดโมเดลไม่ได้เปิดเผยเพดานในรูปแบบที่ผู้ซื้อจะจดจำได้ — แต่มันคือความยาวที่ตัวเลขทุกตัวบนการ์ดถูกสร้างขึ้นมา ความสามารถที่ถูกสาธิตเฉพาะภายในบริบทภาพ 64,000 โทเคน ก็คือความสามารถที่ถูกสาธิตภายในบริบทภาพ 64,000 โทเคน และหน้าที่พิมพ์คะแนนเดียวกันโดยไม่ระบุความยาว ก็กำลังพิมพ์ข้อเท็จจริงเพียงครึ่งเดียว

นี่คือวินัยที่โมเดลทั้งสองนี้สมควรได้รับ และเอกสารของผู้ขายทั้งสองรายก็ไม่ได้ทำให้เรื่องนี้ง่ายเลย ตัวเลขจากผู้ขายของ Astra มาพร้อมกับฮาร์เนสที่แนบมาซึ่งเปลี่ยนตัวเลขเหล่านั้นไป 37 คะแนนบนเบนช์มาร์กหนึ่งรายการ ส่วนของ Intern-S2 มาพร้อมกับความยาวการอนุมานสูงสุดที่แนบมาซึ่งเป็นตัวกำหนดว่าตัวเลขใด ๆ เหล่านั้นจะถ่ายโอนไปยังเวิร์กโหลดของคุณได้หรือไม่ อ่านเชิงอรรถทั้งสองก่อนจะอ่านตารางใด

ตัวเลขของ Intern-S2-397B คืออะไร และใครเป็นผู้สร้างตัวเลขเหล่านี้

ตัวเลขทุกตัวด้านล่างเป็นของ InternLM เอง รันผ่าน OpenCompass, VLMEvalKit และ AgentCompass โดยทีมที่ฝึกโมเดล และเผยแพร่พร้อมกับน้ำหนักโมเดล ไม่มีส่วนใดถูกทำซ้ำโดยอิสระ ไม่มีหน้าเพจสำหรับ Intern-S2-397B บน Artificial Analysis และการไม่มีอยู่นั้นสำคัญกว่าปกติ เพราะมันหมายความว่าไม่มีบุคคลที่สามที่จะใช้ตรวจสอบแถวความสามารถทั่วไปได้

แถวที่เป็นวิทยาศาสตร์คือจุดที่โมเดลแข็งแกร่งที่สุด และเป็นจุดที่เหตุผลสนับสนุนชัดเจนที่สุด: 55.71 บน Biology-Instructions, 63.28 บน SciReasoner 1.5, 62.35 บน MolecularIQ, 53.95 บน Mol-Instructions ถัดจากนั้นก็เป็นแถวทั่วไปที่น่าพอใจ: 89.77 บน MMLU Pro, 81.68 บน MMMU Pro, 93.56 บน HMMT-2026, 68.54 บน SWE-bench-Pro และมีอยู่แถวหนึ่งที่บอกคุณได้ว่าโมเดลนี้เป็นโมเดลแบบไหน — TerminalBench 2.1 ที่ 64.04 ซึ่งเมื่อดูจากตารางของห้องแล็บเองแล้ว แพ้ให้กับรุ่นปิดที่เก่ากว่า Intern-S2-397B เป็นเครื่องมือวิทยาศาสตร์ที่มีความสามารถด้านทั่วไปดี ไม่ใช่โมเดลอเนกประสงค์ที่เอาความเชี่ยวชาญด้านวิทยาศาสตร์มาแปะเพิ่มไว้

ตัวเลขของ GPT-6 Astra เป็นเท่าใด และจุดที่มันอ่อนแอที่สุดอยู่ตรงไหน

สถิติของ Astra ประกอบด้วยสองส่วน และทั้งสองส่วนไม่สอดคล้องกันในแง่การเน้นน้ำหนัก Artificial Analysis วัดได้ที่ 53 บน Intelligence Index ฉบับปัจจุบันของตนจากการประเมินสิบครั้ง ที่ 3.26 ดอลลาร์ต่องาน index ที่ทำเสร็จหนึ่งงาน โดยสร้างเอาต์พุตโทเค็นราว 60M ตลอดการรันนั้น เทียบกับค่ามัธยฐานของบอร์ดที่ใกล้ 85M ที่ 44.6 เอาต์พุตโทเค็นต่อวินาที นั่นคือการประเมินอิสระที่มีวิธีการเผยแพร่ และจัดให้โมเดลอยู่อันดับที่ 7 จาก 216 ด้านความฉลาด และอันดับที่ 168 จาก 185 ด้านความเร็ว

ฝั่งผู้ขายเป็นตารางของตัวเอง: 98% บน FrontierMath Tier 4 ซึ่งถูกอธิบายว่าอิ่มตัวในระดับนั้น; 99.9% บน ARC-AGI-3; 100% บน ExploitBench โดย Astra เป็นโมเดล OpenAI รุ่นแรกที่ผ่านเกณฑ์ความสามารถด้านความมั่นคงปลอดภัยไซเบอร์ระดับ Critical ของบริษัท; 57.9% บน Terminal-Bench 4.0 เทียบกับ 37.3% สำหรับ GPT-5.6 Sol ตัวเลขแต่ละตัวสามารถระบุที่มาได้ว่าเป็นของ OpenAI และไม่มีตัวใดถูกทำซ้ำ ตัวเลข ARC-AGI-3 เป็นตัวที่ถูกอ้างอิงไปไกลที่สุดและสมควรถูกตั้งข้อสงสัยมากที่สุด: ARC Prize รันโมเดลนี้ภายใต้ฮาร์เนสสองแบบและเผยแพร่ทั้งสองแบบ โดยบันทึกได้ 62.7% ภายใต้ฮาร์เนสมาตรฐานของตน และ 99.9% ภายใต้อะแดปเตอร์ของผู้ให้บริการที่รักษาสถานะการให้เหตุผลระหว่างคำขอ ส่วนต่าง 37 จุดเป็นตัววัดของฮาร์เนส ไม่ใช่เรื่องอื้อฉาว — OpenAI ได้บันทึกการตั้งค่าทั้งสองไว้ — แต่การเปรียบเทียบใด ๆ ที่นำ 99.9% ไปเทียบกับตัวเลขฮาร์เนสมาตรฐานของโมเดลอื่น กำลังเปรียบเทียบการทดลองสองอย่างแล้วเรียกมันว่าเบนช์มาร์ก

ความไม่สมดุลอีกประการหนึ่งควรอยู่ตรงนี้ เพราะนี่คือเหตุผลที่ตัวเลขอิสระเป็นตัวเลขที่ต้องใช้วางแผนอ้างอิง การ์ดของ Intern-S2-397B ไม่มีคอลัมน์อิสระเลย ดังนั้นตัวเลขของมันจึงเป็นตัวเลขชุดเดียว และตัวเลขเหล่านั้นมีความน่าเชื่อถือจากผู้ขายเพียงอย่างเดียว ไม่มีอย่างอื่น Astra มีทั้งสองอย่าง และทั้งสองไม่เห็นตรงกันว่า Astra เก่งแค่ไหนในการให้เหตุผลทั่วไป ในลักษณะที่หนึ่งในนั้นผิดไม่ได้ — ตารางของผู้ขายบอกว่าอิ่มตัว ส่วนดัชนีบอกว่าอันดับที่เจ็ด

“ฟรีเวท” คือการตัดสินใจที่ยอดเยี่ยม

Intern-S2-397B อยู่ภายใต้ Apache-2.0 และผลที่ตามมาในทางปฏิบัติเป็นเรื่องของเลขคณิตมากกว่าการอนุญาต เช็กพอยต์ที่เผยแพร่มี 403 พันล้านพารามิเตอร์ และรีโพซิทอรี BF16 มีขนาดราว 807 GB — ก่อนที่คุณจะนับสแตกสำหรับให้บริการ แคช KV หรือสำเนาที่สองที่คุณเก็บไว้สำหรับการย้อนกลับ มีบิลด์ FP8 อยู่ และลดขนาดที่ใช้ลงได้ประมาณครึ่งหนึ่ง แล็บระบุ LMDeploy, vLLM และ SGLang เป็นเซิร์ฟเวอร์ที่รองรับ และตัวอย่างการเรียกใช้เครื่องมือของตัวเองก็เป็นเอนด์พอยต์ที่เข้ากันได้กับ OpenAI บนเซิร์ฟเวอร์ LMDeploy ดังนั้นเส้นทางการผสานรวมจึงไม่ใช่เรื่องแปลกใหม่ แต่ฮาร์ดแวร์นั่นแหละที่แปลกใหม่

นั่นทำให้เกิดเศรษฐศาสตร์ที่แตกต่างกันอย่างมากสองแบบจากสัญญาอนุญาตเดียวกัน หากคุณมีโหนดหลาย GPU ที่มีความจุเหลืออยู่แล้ว ต้นทุนส่วนเพิ่มของการสืบค้นทางวิทยาศาสตร์ครั้งถัดไปก็เข้าใกล้ค่ากระแสไฟฟ้า และไม่มีคู่แข่งที่คิดราคาต่อโทเคนรายใดเอาชนะได้ นี่คือเหตุผลทั้งหมดที่น้ำหนักแบบเปิดอยู่ หากคุณไม่มี "ฟรี" ก็หมายถึงการซื้อหรือเช่าความจุ และบนความจุที่เช่า การเปรียบเทียบกับ API ที่คิดตามปริมาณการใช้งานก็เป็นเพียงคำถามทางเลขคณิตตรงไปตรงมาเกี่ยวกับอัตราการใช้งาน ซึ่งการ์ดข้อมูลโมเดลไม่สามารถตอบแทนคุณได้ ด้านของ Astra ต่อคำถามเดียวกันนั้นง่ายกว่า: ตารางอัตราค่าบริการ ไม่มีทีมปฏิบัติการ และแถบบริบทยาวที่ราคา $20.00 / $75.00 ซึ่งลงโทษพอดีกับขนาดของคำขอที่หน้าต่าง 1,050,000 โทเคนชักชวนให้ส่งมา

รายละเอียดหนึ่งที่สนับสนุนเส้นทางแบบโฮสต์เองและเป็นเรื่องที่มองข้ามได้ง่าย คือ ใบอนุญาต Apache-2.0 ต่างหากที่ทำให้โมเดลนี้ใช้งานได้ในสภาพแวดล้อมที่มีการกำกับดูแลเลยด้วยซ้ำ การปรับแต่งละเอียด (fine-tuning) ด้วยข้อมูลที่เป็นกรรมสิทธิ์ การทำงานแบบ air-gapped และการเก็บการประมวลผล inference ให้อยู่ภายในขอบเขตข้อมูล ล้วนเป็นสามสิ่งที่ API ของ Astra มอบให้ไม่ได้ไม่ว่าจะจ่ายในราคาเท่าใด และไม่มีแถวผลการเปรียบเทียบใดที่สะท้อนสิ่งเหล่านี้ได้

ตำแหน่งที่เราเตอร์อยู่ในการจับคู่แบบนี้

Intern-S2-397B ไม่ได้อยู่บน OrcaRouter และหน้านี้ไม่ได้อ้างว่าเป็นเช่นนั้น; มันเป็นเช็กพอยต์เปิดใหม่ และเส้นทางของคุณไปยังมันคือ Intern API อย่างเป็นทางการของผู้ให้บริการ หรือการปรับใช้ของคุณเอง GPT-6 Astra อยู่ในแค็ตตาล็อกของเราในชื่อ openai/gpt-6-astra ในอัตราตามรายการของ OpenAI ที่ส่งผ่านโดยมีมาร์กอัปของเรา 0%.

รูปแบบที่มีประโยชน์สำหรับทีมที่รันทั้งสองอย่างคือการแยกงานกัน มากกว่าการเลือกอย่างใดอย่างหนึ่ง และนี่คือการกำหนดค่าที่เลเยอร์การจัดเส้นทางถูกออกแบบมาเพื่อรองรับ: ส่งทราฟฟิกทั่วไปที่บริบทยาวและเน้นเอกสารไปยังโมเดลแบบคิดค่าตามการใช้งานที่อยู่เบื้องหลังปลายทางที่เข้ากันได้กับ OpenAI เพียงหนึ่งจุด และเก็บงานแบตช์ด้านวิทยาศาสตร์และอนุกรมเวลาไว้บนเช็กพอยต์ที่คุณดูแลจากนั้นการเฟลโอเวอร์อัตโนมัติจะครอบคลุมกรณีที่ฝั่งใดฝั่งหนึ่งมีปัญหา — ฝั่งที่โฮสต์เองเมื่อโหนดล่ม ฝั่ง API เมื่อเส้นทางของผู้ให้บริการเสื่อมคุณภาพ — โดยไม่ต้องให้ทีมใดเขียนการเชื่อมต่อชุดที่สอง นั่นคือเส้นแบ่งที่ลากด้วยกฎการจัดเส้นทาง ไม่ใช่ด้วยสถาปัตยกรรม

อันไหน

เลือก Intern-S2-397B หากข้อมูลนำเข้าของคุณเป็นวิทยาศาสตร์ในความหมายเฉพาะที่โมเดลนี้ถูกฝึกมา — หน้าเอกสารวิชาการที่เต็มไปด้วยภาพ โครงสร้างโมเลกุลและวัสดุ สัญญาณอนุกรมเวลา — หรือหาก Apache-2.0 เป็นคุณสมบัติชี้ขาดเพราะข้อมูลของคุณออกจากโครงสร้างพื้นฐานของคุณไม่ได้ ตั้งงบสำหรับฮาร์ดแวร์ก่อนตั้งงบสำหรับอย่างอื่น และประเมินผลด้วยตัวเองแทนที่จะเชื่อการ์ด เพราะไม่มีตัวเลขอิสระให้พึ่งพาได้

เลือก GPT-6 Astra หากงานของคุณเป็นแบบเอเจนต์และมีขอบเขตระยะยาว หากอินพุต 922,000 โทเคนในคำขอเดียวเป็นรูปแบบที่คุณผลิตจริง หรือหากคุณต้องการกระดานคะแนนอิสระเพื่อปกป้องการตัดสินใจกับคนอื่น ค่าดำเนินการ $3.26 ต่องานดัชนีที่เสร็จสมบูรณ์เป็นตัวเลขสูงสุดในการเปรียบเทียบนี้ และมันซื้อโมเดลที่ปล่อยโทเคนราว 60M ในการทำงานนั้น ขณะที่โมเดลค่ามัธยฐานปล่อย 85M ซึ่งเป็นเหตุผลว่าทำไมราคาต่อโทเคนจึงเป็นตัวเลขที่ผิดในการตัดสินใจ และต้นทุนต่องานที่เสร็จแล้วจึงเป็นตัวเลขที่ถูกต้อง อย่าเลือกมันสำหรับทราฟฟิกสั้นที่มีปริมาณสูง และอย่าข้ามเส้น 272,000 โทเคนโดยไม่รันโมเดลต้นทุนของคุณใหม่ เพราะเส้นนั้นเพิ่มอัตราอินพุตเป็นสองเท่าสำหรับคำขอทั้งหมด

ทั้งสองสิ่งนี้ไม่ใช่สิ่งที่ใช้แทนกันได้ และเหตุผลก็ไม่ใช่คะแนน benchmark อย่างหนึ่งรองรับตารางค่าที่อ่านได้จากเซ็นเซอร์ที่พิมพ์ไว้ และอีกอย่างรองรับหน้าที่สแกนมาจากกระดาษ และไม่มีอันไหนทำได้ทั้งสองอย่างดีพอจนอีกอันกลายเป็นสิ่งไม่จำเป็น หากงานของคุณไม่ทางใดก็ทางหนึ่งให้ผลลัพธ์ออกมาทั้งสองแบบ คุณก็รู้อยู่แล้วว่าทีมไหนในองค์กรของคุณรับผิดชอบครึ่งไหน

การเปิดตัวยังเป็นช่วงเวลาที่ต้องตรวจสอบว่าอะไรผิดพลาดไปก่อนหน้านี้: เหตุการณ์ด้าน AI และความล้มเหลวของเอเจนต์ที่ได้รับการบันทึกไว้ซึ่งเกี่ยวข้องกับโมเดลในคลาสนี้ ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง เกรดความเชื่อมั่น และธงข้อโต้แย้งของตัวเอง