產生的標題卡主標題為「GPT-6.2 Astra 對 Gemini 4 Argon」,副標題為「你目前還買不到的十五分差距」,並有三個證據標籤,分別寫著「智慧指數:62.1 對 52.56」、「Hospital-bench:62.4% 對 46.9%」與「Argon:已宣布,尚無模型 ID」,頁腳則註明 GPT-6.2 Astra 於 2026 年 11 月 17 日推出,而 Gemini 4 Argon 於 2026 年 9 月 30 日宣布,且尚無端點。
Guides & Insights

GPT-6.2 Astra 對決 Gemini 4 Argon:一道你還買不到的差距

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

GPT-6.2 Astra 與 Gemini 4 Argon 一同出現在三個獨立榜單上,而且在三個榜單上,同一模型勝出的幅度都大於逐次執行間的雜訊。在 2026 年 11 月 20 日發布的二十模型代理式行政評測 Hospital-bench 上,GPT-6.2 Astra 平均得分 62.4%,完整通過率 29.2%,而 Gemini 4 Argon 為 46.9% 與 16.7%。在 Blueprint-Bench 2 上,差距為 0.614 對 0.544。在相同最大投入設定下的 Artificial Analysis Intelligence Index 上,則是 62.1 對 52.56。這是在該指數上領先十五點、大約八次對十四次的乾淨任務完成數,而且這一點沒有爭議。

爭議在於這項比較是否描述了一種選擇。OpenAI 於 2026 年 11 月 17 日推出 GPT-6.2 Astra,每百萬輸入 token 為 8 美元,每百萬輸出為 40 美元。Google 於 2026 年 9 月 30 日宣布 Gemini 4 Argon,但尚未推出:沒有模型識別碼、沒有 Gemini API 端點、沒有自助配額,也沒有正式可用日期,且存取是透過 Fairwind Program 而非註冊頁面進行。現有的定價——每百萬 2.00 美元與 10.00 美元——是費率表,而不是該計畫以外任何人正在支付的帳單。因此,對這場對決的誠實定位,不是該標準化採用哪個模型。而在於這兩者中,一個是選項,另一個是基準測試項目;15 點的差距告訴你的,是你正在等待什麼,而不是你該買什麼。

每個模型實際上究竟是什麼

GPT-6.2 Astra 是 OpenAI 專為長時程專業工作打造的旗艦模型,具備 1,050,000 個詞元的上下文窗口、128,000 個詞元的最大輸出量,並支援文字、圖像與檔案的多模態輸入。推理功能一律開啟,推理強度可從低到最高設定;此模型同時支援 chat-completions 格式與原生 Responses API,包括背景模式。它是 GPT-6 系列中第三款登上 OpenAI 模型卡首位的模型,而從 GPT-6 Astra 改動的兩件事在營運上最為關鍵:計費的兩個方向都調降 20%,快取輸入則調降 60%,從 $1.00 降至 $0.40。

Gemini 4 Argon 是 Google Gemini 4 家族中的第四個層級,定位在 Pro 之下、Hydrogen 之上,中間則由 Neon 與 Carbon 佔據。已公布的卡片資訊相當單薄,而這份單薄本身就透露了訊息:100 萬 token 的上下文、文字與圖像輸入、以高推理配置作為 Artificial Analysis 所測量的那一列,以及 $2 與 $10 的費率。沒有公布輸出 token 上限、沒有記錄在案的工具使用介面、沒有上下文快取的說明文件,也沒有模型 ID。相較之下,同一家族中的 Carbon 隨附完整說明,涵蓋原生函式呼叫、結構化輸出,以及 OpenAI 相容與原生 generateContent 兩種呼叫路徑。Argon 有一張卡片、一個價格,還有一列排行榜成績。它還沒有真正的產品。

這種不對稱決定了下文一切的輪廓。當兩個模型都可呼叫時,正面對決就是一項採購決策。當其中一個可呼叫、另一個僅止於宣布時,這項比較其實是三個層層堆疊的問題:能力差距有多大、價格優勢能維持多久,以及必須發生什麼事,第二個問題才會變得重要。最後一個問題才有趣,因為價格優勢上頭印著到期日。

三塊板,同一個方向

兩個模型都出現在相同的三項評估中,這些評估由三個不同組織執行,並採用三種不同方法。它們之間的一致性乃是這項比較中最強的證據,而關於幅度大小的分歧則是第二強的證據。

• Hospital-bench 平均 — GPT-6.2 Astra 62.4% 對上 Gemini 4 Argon 46.9%,差距 15.5 個百分點

• Hospital-bench 完整通過次數 — Astra 29.2%(48 次中 14 次)對比 Argon 16.7%(48 次中 8 次)

• Blueprint-Bench 2 — Astra 0.614 對 Argon 0.544,在 0 到 1 的量表上差距為 0.070

• 智慧指數 v5.0.1 — Astra 62.1 對 Argon 52.56,兩者皆以最大努力程度運行

• 每項 Index 任務成本 — Astra $4.00 對 Argon $1.99,以相同套件測得

• 每 1M 輸入價格 — Astra $8.00 對比 Argon $2.00(截至 11 月 30 日),之後 $4.00

A generated three-row comparison card titled 'Three boards, one direction', with row one reading 'Hospital-bench 62.4% vs 46.9%', row two 'Blueprint-Bench 2 0.614 vs 0.544' and row three 'Intelligence Index v5.0.1 62.1 vs 52.56', column headers 'GPT-6.2 Astra' and 'Gemini 4 Argon', and the footer 'Three independent evaluators, three different methods'.

Hospital-bench 的結果值得獨立列出一行,因為它衡量的內容不同。這項評估在十三個相連系統中提供代理 131 項工具,並讓它們處理一間擁有 320 張病床的醫院中的 48 項行政任務——事前授權、理賠遭拒、病歷調閱申請。在這些排行榜中,它最接近代理實際受雇要做的工作,而那裡的差距是三者中最大的,平均分數差達 15.5 分。通過率欄位對 Argon 更不利:八次乾淨完成,對上十四次,完全完成的任務少了 43%;在這個基準中,半完成的事前授權等於理賠遭拒,而不是部分計分。

Blueprint-Bench 2 是三個差距中最窄的,為 0.070,也是兩個模型性質最接近的一項——兩者都是從一系列照片重建平面圖連通圖,這項任務更獎勵長程一致性,而非領域知識。Argon 在此處縮小到 0.07 以內,而在一般指數上卻落後 9.5 點,這確實是關於其優勢所在的真實訊號。它也是與人類相關利害最小的榜單,在引用它之前值得記住這一點。

價格優勢是有期限的。

有一個事實會徹底重新界定整個比較。Gemini 4 Argon 的費率表是每百萬個 token 輸入 $2.00、輸出 $10.00,此價格維持至 2026 年 11 月 30 日。到了 12 月 1 日,價格就變成 $4.00 與 $20.00。這不是謠言,也不是預測:這是已公布的時程,而這正是 Argon 經濟效益中最關鍵的一件事,因為模型本身在那一天並不會有任何改變。

• 每 1M 輸入 — Argon 今日 $2.00,12 月 1 日起 $4.00;Astra $8.00,維持不變

• 每 1M 輸出 — Argon 今日 $10.00,12 月 1 日起 $20.00;Astra $40.00,維持不變

• 快取輸入 — Argon 今日 $0.10,之後 $0.20;Astra $0.40,維持不變

• 每個 Index 任務的實測成本 — Argon 目前為 $1.99,之後約為 $3.98;Astra 為 $4.00

• 上下文超過 272K — Argon 沒有公佈長上下文層級;Astra 將整個請求重新計價為 16 美元與 60 美元

目前,Argon 每個 token 的成本只有 Astra 的四分之一,每完成一項 Index 任務的價格也是 Astra 的一半;對一個落後 9.5 分的模型來說,這是相當可觀的折扣。12 月 1 日之後,它每個 token 的成本只有 Astra 的一半,而在每項 Index 任務的成本上則與 Astra 大致持平——屆時,每項任務成本較低的模型也正是得分較低的模型,成本論點就完全起不了作用。

有兩個機制會讓即使目前的優勢也比看起來更小。第一個是 Astra 的長上下文斷崖確實存在,而 Argon 的則未有記載:當提示詞超過 272,000 個 token 時,Astra 會將整個請求重新定價為輸入 $16、輸出 $60。在 Astra 上執行一次 300K token 的代理任務,在模型寫出任何一個 token 之前,輸入就要花 $4.80,而前一瞬間在 271,999 個 token 時只需 $2.17。如果你的工作負載是代理式且長上下文,這道斷崖可能在一次請求中就抹消 4 倍 token 優勢——而如果不是,那你本來就永遠不會用到你正在付費購買的 1.05M 視窗。

第二點是,token 價格不等於任務成本。Artificial Analysis 在相同的評測套件上測量兩款模型,報告 Argon 為 1.99 美元,Astra 為 4.00 美元,這是二比一的比例,而非費率表所暗示的四比一。Argon 為了得出答案會消耗更多 token,或需要更多輪次,或兩者皆是。這正是較便宜模型的常態,也意味著每項任務的帳單才是唯一值得據以編列預算的數字。

這十五點是由什麼構成的?

在相同最大努力下,9.5 分的指數差距是個很大的數字,值得具體說明這差距從何而來,而不是把該指數當成單一結論。Artificial Analysis 的 Intelligence Index 是九項評估的平均值,而這兩個模型失敗的項目並不相同。Astra 的優勢集中在代理式與長時程組成部分——也正是 Hospital-bench 顯示其優勢所在——而在 Argon 具競爭力的個別知識與推理任務上,這項優勢會縮小。

這種模式與這兩個模型的建構方式相符。{{1}}Astra 是一個推理模型,具備常時開啟的思考,以及可設定、最高可達 max 的努力程度;而努力程度設定是同時影響其分數與帳單的最大單一槓桿。{{/1}} {{2}}Argon 公布的那一列是其高推理配置,也就是 G​oogle 定位為平衡點而非上限的設定;這個系列中沒有 xhigh 這一級。{{/2}} 當你比較「每個模型所能達到的最佳表現」時,你是在拿 max 的 Astra 對上低一檔的 Argon,而這個差距既反映了這點,也同樣反映了架構差異。

另一面確實有個不容忽視的告誡,而這對 Astra 不利。推理時間更長的模型,即使在相同的 token 價格下,每項任務的成本也更高;而 Astra 在 Intelligence Index 任務上平均需 20.2 分鐘,遠高於該測試套件的中位數。這 15 分的領先是用實際耗時和金錢換來的;對於延遲敏感的產品——面向客戶的代理、客服分流迴圈——可用的比較是中等投入程度的 Astra 對上高投入程度的 Argon,兩者差距會明顯小於 9.5 分,成本情況也隨之改變。

可呼叫的那一個

這一切都回到了可用性,因為這正是如今真正決定這項比較的面向。截至 2026 年 11 月 20 日,GPT-6.2 Astra 並未列在 OrcaRouter 的目錄中——我們所路由的 O​penAI 模型是 GPT-6 Astra,在 Hospital-bench 上為 46.7%,以及 GPT-6 Sol 系列,其中 GPT-6.2 Sol 分別達到 57.6% 與 25.0%。Gemini 4 Argon 在這裡也無法路由,原因更簡單:G​oogle 並未發布可供路由的識別碼。

這使得這場對決的雙方都無法在我們自己的端點上使用,對一篇對比文章而言,這是個不尋常的結論,值得開門見山地說清楚。目前可取得的是雙方的前一代產品:OpenAI 的 GPT-6 Astra 與 GPT-6.2 Sol,Google 的 Gemini 4 Carbon 與 Gemini 4 Neon。這四者都依供應商定價計費,且零加成直接轉嫁,因此供應商降價當天就會反映在你的費率上,而不是等到下次續約。跨供應商的自動容錯移轉,意味著某個模型遇到速率限制時不會卡住整批作業,而路由 DSL 讓你能將某個任務類別固定到某個模型,無須改寫整合。

• 你現在可以呼叫的模型 — GPT-6 Astra、GPT-6.2 Sol、Gemini 4 Carbon、G​emini 4 Neon

• 你無法取得的——GPT-6.2 Astra(截至 11 月 20 日未列入我們的目錄)、Gemini 4 Argon(任何地方都未公布模型 ID)

• 這個差距值多少 —— 在 Hospital-bench 上為 15.5 分,在 Intelligence Index 上為 9.5 分,在 Blueprint-Bench 2 上為 0.070

• 之後切換的成本——只要識別碼存在,就只是一個模型字串

A generated pricing timeline card titled 'The price advantage has a date on it', with rows reading 'Argon today $2.00 in / $10.00 out per 1M', 'Argon from 1 December 2026 $4.00 in / $20.00 out', 'Astra, flat $8.00 in / $40.00 out' and 'Cost per Index task: Argon $1.99 now, about $3.98 after; Astra $4.00', over a footer noting Argon's pricing is a published schedule and the model itself does not change on 1 December.

實務建議取決於日期,而不是分數。如果你本月需要一個前沿的 O​penAI 模型來做代理式行政工作,GPT-6.2 Sol 是我們目錄中最接近 Hospital-bench 排行榜頂端的選擇,也是兩個 O​penAI 選項中每 token 便宜四倍的那個。如果你需要 G​oogle 模型,Carbon 和 Neon 都已上線,且在某些子評估上都勝過 Argon 的指標。這兩者都不是本文名義上要談的模型,而假裝不是如此,會是那種讀起來很順、實際路由卻很糟的做法。

什麼會改變這個讀數?

三項發展會改變答案,第一項是 Gemini 4 Argon 正式推出。公開的模型識別碼、自助式端點,以及有文件記載的工具使用介面,會讓這件事從「產品與費率表的比較」轉變為採購決策——也會一併釐清 52.56 這個指數列在接觸真實 API 後是否仍然成立,因為目前流傳的每一個 Argon 數字都來自幾乎沒有人能執行的配置。

第二個是 2026 年 12 月 1 日。費率表翻倍是這項比較中單一最大的經濟事件,而且發生在已知日期。如果 Argon 的每項任務成本如算術所示落在 $4.00 附近,該模型在每完成一項 Index 任務的成本上就與 Astra 持平,但同時落後 9.5 個百分點,那麼支持它的理由就只剩下具體細節——它具競爭力的任務、其 token 支出較低的工作負載,以及已加入 Fairwind Program 的團隊。如果實測成本低於預測,那麼「便宜但略遜一籌」的定位就站得住腳,這就會成為真正的兩強價格戰。

第三點是 Hospital-bench 的第二次執行。11 月 20 日發布的內容是單一測試活動,沒有方法論頁面、沒有任務集,也沒有執行日誌;而在 48 項任務上出現 15 個百分點的差距,是相當強勁的結果,值得在任何人以此作為標準之前再進行一次測量。該表內的世代比較是最不可能變動的部分:GPT-6.2 Astra 的 62.4% 對上 GPT-6 Astra 的 46.7%,且乾淨完成率從 8.3% 升至 29.2%,這樣的躍升幅度足以經得起雜訊。

所以那十五點是真的,價格優勢是暫時的,而這項比較還算不上選擇。在兩者同時出現的每一個榜單上,GPT-6.2 Astra 都是更好的模型,且差距在最接近真實代理工作的評估上最大;它也是兩者之中你今天真的能調用的唯一一個。Gemini 4 Argon 則是一張價目表,附帶一行排行榜名次,而它唯一的優勢還帶著到期日。買第一個,觀察第二個,並在 12 月 1 日重讀這段話——屆時算式會改變,而兩個模型都沒有動。

The Hospital-bench leaderboard graphic from the 20 November 2026 X thread, headed 'Hospital-bench' with the methodology line about the administrative operations of a 320-bed hospital across 13 connected systems, labelled 'Top 10 of 20 models' with 'Mean score' and 'Pass rate' columns. The two rows this comparison turns on read GPT-6.2 Astra 62.4% / 29.2% at the top and Gemini 4 Argon 46.9% / 16.7% in ninth, with the rest of the field between them.

本文中的比較2

根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新