GPT-6 Astra vs Gemini 3.1 Pro: Một flagship mới đối đầu với một món hời sáu tháng tuổi

Đây là toàn bộ cuộc so sánh được gói gọn trong hai con số trước khi đi vào bất kỳ sắc thái nào: Gemini 3.1 Pro của Google tính phí 2,00 USD cho mỗi triệu token đầu vào và 12,00 USD cho mỗi triệu token đầu ra, với các prompt lên đến 200K token; còn GPT-6 Astra của OpenAI tính phí cố định 10,00 USD và 50,00 USD tương ứng cho mỗi triệu token đầu vào và đầu ra. Theo lịch, mô hình rẻ hơn cũng đồng thời là mô hình cũ hơn với chênh lệch khá lớn — Gemini 3.1 Pro ra mắt ngày 19 tháng 2 năm 2026, còn GPT-6 Astra ra mắt ngày 3 tháng 9 năm 2026 — điều này khiến sự so sánh cũng trở nên bất thường theo chiều ngược lại: thông thường, bên đương nhiệm là bên đắt hơn, còn kẻ mới đến sẽ phá giá. Ở đây, kẻ mới đến đắt gấp năm lần về giá đầu vào, và câu hỏi đặt ra là liệu GPT-6 Astra có phải là một mô hình vượt trội gấp năm lần so với Gemini 3.1 Pro — mô hình vẫn còn nguyên phong độ sau sáu tháng rưỡi mà không có bản làm mới cấp Pro nào từ Google hay không.

{{1}}Cả hai đều đứng đầu dòng sản phẩm của nhà sản xuất, nhưng lại nằm dưới sự quản lý rất khác nhau.{{/1}} {{2}}Gemini 3.1 Pro là flagship Pro hiện tại của Google — được phát hành dưới dạng bản xem trước vào tháng 2, đến nay vẫn mang nhãn "preview", và chưa từng được làm mới trong khi Google liên tục phát triển dòng Flash qua ba phiên bản và bắt đầu nói về một "Gemini 4."{{/2}} {{3}}GPT-6 Astra là flagship mới nhất của OpenAI và là mô hình đầu tiên được xếp hạng "Critical" theo Khung chuẩn bị nội bộ của hãng, ra mắt với lộ trình triển khai theo giai đoạn, tùy chọn tham gia cho doanh nghiệp, cùng những tuyên bố benchmark tự báo cáo mà nhà sản xuất mô tả là một bước nhảy vọt về thế hệ.{{/3}} {{4}}Một trong hai mô hình này đã tĩnh tại và rẻ trong nửa năm. Mô hình còn lại mới ra mắt hai ngày và được định giá như thể biên giới công nghệ đã dịch chuyển.{{/4}} {{5}}Đối với một nhà phát triển chọn giữa hai mô hình này, câu hỏi thực sự là trạng thái nào trong hai trạng thái đó phù hợp hơn với khối lượng công việc — vì trên lý thuyết, chúng gần nhau hơn so với khoảng cách giá cả cho thấy.{{/5}}

Hai bảng giá, hai lý thuyết về độ dài

Google định giá Gemini 3.1 Pro theo độ dài prompt: $2 đầu vào / $12 đầu ra cho tối đa 200K token đầu vào, tăng lên $4 đầu vào / $18 đầu ra trên mức đó, với đọc cache ở mức $0.20–$0.40 và batch bằng nửa giá. Thông điệp ở đây là prompt ngắn thì rẻ và prompt dài thì đắt hơn — một mô hình định giá được tinh chỉnh cho các khối lượng công việc tìm kiếm và grounding mà Google kỳ vọng sẽ chiếm phần lớn lưu lượng truy cập. OpenAI định giá GPT-6 Astra cố định ở mức $10/$50 với đầu vào được cache ở mức $1.00, sau đó áp dụng một loại phạt khác cho các prompt rất dài: bất cứ thứ gì trên khoảng 272K token đầu vào sẽ bị định giá lại ở mức 2x đầu vào và 1.5x đầu ra — tức là $20 đầu vào / $75 đầu ra. Hai mô hình này phạt ngữ cảnh dài ở những vị trí ngược nhau. Gemini rẻ cho đến 200K và sau đó đắt hơn ở mức vừa phải; Astra cố định cho đến 272K và sau đó đắt hơn rõ rệt. Do đó, một tác vụ 300K token sẽ đắt hơn nhiều trên GPT-6 Astra so với trên Gemini 3.1 Pro, trong khi một tác vụ 50K token lại rẻ hơn từ bốn đến năm lần trên Gemini. Đối với các khối lượng công việc nằm sát đáy của phạm vi ngữ cảnh, mức giá của Astra khó có thể biện minh; đối với các khối lượng công việc thực sự cần đến đỉnh của phạm vi đó, cả hai nhà cung cấp đều thu phụ phí, và phụ phí của OpenAI cao hơn.

Nơi Gemini 3.1 Pro thực sự vượt trội

Flagship của Google có ba lợi thế mà không mô hình OpenAI nào sánh được, và chúng rất dễ bị bỏ lỡ vì sự ồn ào quanh màn ra mắt Astra quá lớn. Thứ nhất, phương thức đầu vào: Gemini 3.1 Pro chấp nhận văn bản, hình ảnh, âm thanh, video và PDF trong một prompt duy nhất; GPT-6 Astra chỉ hỗ trợ văn bản cộng hình ảnh, với đầu ra dạng văn bản — cùng giới hạn phương thức như thế hệ tiền nhiệm. Thứ hai, grounding tích hợp sẵn: Gemini được gắn Google Search, Maps và khả năng thực thi mã ngay trong API, tạo nên khác biệt thực sự về năng lực cho nghiên cứu tác tử và bất kỳ tác vụ nào cần thông tin mới, đã xác minh thay vì truy xuất từ tham số. Thứ ba, giá cho mọi thứ dưới 200K token, gồm cả batch ở mức $1/$6 — cách rẻ nhất, vượt xa mọi lựa chọn, để chạy một tác vụ offline quy mô lớn bằng một trong hai mô hình. Không điều nào trong số này thể hiện trên benchmark suy luận, và đó chính là lý do chúng bị lu mờ trong một cuộc so sánh flagship-với-flagship chỉ trích dẫn điểm số.

Bảng thông số kỹ thuật, đặt cạnh nhau

• Phát hành — GPT-6 Astra: ngày 3 tháng 9, 2026. Gemini 3.1 Pro: ngày 19 tháng 2, 2026 (vẫn là "preview").

• Giá (≤200K prompt) — GPT-6 Astra: $10.00 / $50.00 cho mỗi 1M với mức giá cố định. Gemini 3.1 Pro: $2.00 / $12.00 cho mỗi 1M.

• Giá (prompt dài) — GPT-6 Astra: ~$20.00 / $75.00 cho mỗi 1M token khi đầu vào trên 272K. Gemini 3.1 Pro: $4.00 / $18.00 cho mỗi 1M token khi đầu vào trên 200K.

• Ngữ cảnh / trần đầu ra — GPT-6 Astra: ~1.05M đầu vào, 128K đầu ra. Gemini 3.1 Pro: 1M đầu vào, ~65K đầu ra.

• Đầu vào — GPT-6 Astra: văn bản + hình ảnh. Gemini 3.1 Pro: văn bản, hình ảnh, âm thanh, video, PDF.

• Kết nối dữ liệu / công cụ — GPT-6 Astra: tìm kiếm web, tìm kiếm tệp, thực thi mã. Gemini 3.1 Pro: Google Search, Maps (tích hợp sẵn), thực thi mã, gọi hàm.

• Kiểm soát suy luận — GPT-6 Astra: mức nỗ lực thấp–tối đa. Gemini 3.1 Pro: mức độ suy luận có thể điều chỉnh.

Nơi mà sáu tháng hiện ra

Gemini 3.1 Pro từng dẫn đầu bảng xếp hạng Artificial Analysis Intelligence Index khi ra mắt, nhưng giờ thì không còn nữa: các flagship cuối hè — Claude Opus 5, GPT-5.6 Sol, và gần đây là GPT-6 Astra — đều đạt thứ hạng cao hơn trên thang đo hiện tại, trong khi Google vẫn chưa tung ra một sản phẩm tầm Pro nào để đáp trả. Khoảng cách đáng kinh ngạc nhất nằm ở ARC-AGI-3, chuẩn đánh giá được thiết kế để chain-of-thought thông thường không thể giải được. OpenAI báo cáo Astra đạt 99,9% trên bộ đánh giá của riêng họ, còn lần chạy độc lập của ARC Prize trên bộ đánh giá chuẩn đo được 62,7% — trong khi các phép đo độc lập đưa Gemini 3.1 Pro xuống dưới 1%, cùng dải gần như bằng 0 với phần còn lại của các mô hình tiên phong thời tiền Astra. Trên ARC-AGI-2 nguyên bản, con số mà chính Google công bố cho Gemini 3.1 Pro tại thời điểm ra mắt là 77,1%, một kết quả mạnh; chuẩn đánh giá kế nhiệm là một đấu trường hoàn toàn khác, và đó là nơi duy nhất cách tiếp cận mới của OpenAI thực sự bỏ lại phía sau một mô hình mới chỉ sáu tháng tuổi.

Sự thoái trào tinh vi hơn nằm ở độ tin cậy với ngữ cảnh dài. Các bài kiểm thử đa mũi kim độc lập (MRCR v2) cho thấy Gemini 3.1 Pro truy xuất chính xác ở 128K và suy giảm mạnh khi tiến về phía đỉnh cửa sổ 1M – một dạng suy sụp mà Google vẫn chưa khắc phục triệt để trong sáu tháng kể từ khi ra mắt. Ngữ cảnh 1.05M của Astra còn mới và chưa được kiểm chứng ở quy mô lớn, nhưng đây lại là mảng mà OpenAI tuyên bố mạnh mẽ nhất rằng họ đã thiết kế được, bao gồm trần đầu ra 128K cho phép một phản hồi duy nhất mang theo một nội dung được tạo ra có quy mô lớn hơn nhiều so với mức ~65K của Gemini. Nếu khối lượng công việc của bạn là một ngữ cảnh khổng lồ cần được đọc trung thực từ đầu đến cuối, lựa chọn đặt ra là giữa một mô hình có mức suy giảm đã được đo đạc và một mô hình mà hành vi ở vùng đỉnh cửa sổ chưa ai thử sức tới hạn. Dù chọn hướng nào, đó cũng không phải là một lựa chọn thoải mái.

Quyết định thực tế

Đối với phần lớn khối lượng công việc sản xuất — RAG trên tài liệu, nghiên cứu nặng về grounding, đầu vào đa phương thức, bất cứ thứ gì nằm trong phạm vi 200K token — Gemini 3.1 Pro là lựa chọn hợp lý về mặt kinh tế ở thời điểm hiện tại, và khoảng cách không hề mong manh: với chi phí đầu vào rẻ hơn năm lần cùng lợi thế về đa phương thức và grounding, GPT-6 Astra đang trả một khoản phí rất lớn cho khoảng trống suy luận mà những khối lượng công việc đó sẽ không bao giờ dùng đến. Đối với lập trình tác nhân, sử dụng máy tính trong thời gian dài, và các bài toán thực sự cần một artifact tạo ra ở mức 128K hoặc một ngữ cảnh gần 1M đáng tin cậy, GPT-6 Astra là mô hình cần đánh giá — với lưu ý thẳng thắn rằng những con số nổi bật của nó là do OpenAI công bố, và nhận định độc lập ngay ngày đầu ra mắt, dù mạnh về hiệu quả token, cho thấy khoảng cách năng lực nhỏ hơn những gì tiếp thị thể hiện. Việc Gemini bị đóng băng sáu tháng là bối cảnh quyết định: bạn đang lựa chọn giữa một mô hình rẻ, có năng lực, đã trưởng thành mà Google đã ngừng cải tiến và một mô hình đắt đỏ, mới ra mắt mà OpenAI đang tích cực đẩy nhanh tiến độ.

Bởi vì cả hai đều được lưu trữ và cả hai đều đáng để giữ trong tầm tay, câu trả lời thực tế là định tuyến thay vì thay thế. Gemini 3.1 Pro đang có trên OrcaRouter với giá niêm yết của Google, được chuyển qua mà không cộng thêm phụ phí, nên mức phí $2/$12 của mô hình này vẫn giữ nguyên tính kinh tế khi đi qua bộ định tuyến — và ngôn ngữ định tuyến chuyên dụng (routing DSL) biến sự phân chia giữa prompt dưới 200K token và prompt dài thành một quy tắc thay vì một quyết định thủ công, gửi các truy vấn ngắn có căn cứ đến Gemini và dành GPT-6 Astra cho những tác vụ xứng đáng với mức phí của nó. GPT-6 Astra hiện chưa có trên OrcaRouter tính đến thời điểm viết bài này; khi một nhà cung cấp bắt đầu phục vụ gpt-6-astra, trang mô hình sẽ đăng mức giá niêm yết của OpenAI ngay trong ngày hôm đó, và quy tắc chuyển đổi dự phòng vốn đã giữ cho khối lượng công việc hoạt động xuyên suốt các nhà cung cấp chính là cơ chế tương tự cho phép bạn áp dụng Astra trên một phần lưu lượng được kiểm soát mà không cần đặt cược toàn bộ pipeline vào một mô hình mới ra đời chỉ mới hai ngày.

Bản án

GPT-6 Astra và Gemini 3.1 Pro là cuộc so tài giữa một mô hình mà Google đã để yên trong sáu tháng và một mô hình mà OpenAI ra mắt cách đây hai ngày — và chênh lệch giá chủ yếu phản ánh sự bất đối xứng đó, chứ không phải chênh lệch năng lực cùng mức độ. Nếu bạn cần một giải pháp suy luận đa phương thức, bám sát thực tế, giá rẻ và có thể mở rộng, Gemini 3.1 Pro thắng tuyệt đối trong so sánh này và đã như vậy suốt nhiều tháng. Nếu bạn cần khả năng suy luận theo mô hình mới, trần đầu ra lớn, hoặc cần cơ hội thực sự để có ngữ cảnh đỉnh cửa sổ đáng tin cậy, GPT-6 Astra xứng đáng với mức giá cao của nó trên những tác vụ sử dụng các điều đó — được đo trên tác vụ của riêng bạn, chứ không phải trên bảng công bố của OpenAI. Sai lầm sẽ là đối xử với một sản phẩm rẻ đã sáu tháng tuổi và một mô hình cao cấp mới hai ngày tuổi như thể khoảng cách thời gian không quan trọng, theo bất kỳ hướng nào. Toàn bộ vấn đề nằm ở đó.