GPT-6 Astra 對決 Grok 4.6：指數平手局面已被打破，價格差距取決於方案層級

GPT-6 Astra 與 Grok 4.6 在本頁於 2026 年 9 月 4 日首次發佈時，於唯一一個同時為兩者排名的獨立評分榜上並列同分。這句話是本頁必須收回的。對照 2026 年 9 月 16 日當時的 Artificial Analysis Intelligence Index——版本 v4.3，共十項評測——GPT-6 Astra（max）為 53，Grok 4.6（high）為 44，而這裡原本是並列同分。另一項更正，就在你點進來的那個標題裡。OpenAI 的價目表於同日查閱，列出 GPT-6 Astra 為每百萬輸入詞元 $10.00、每百萬快取輸入 $1.00，以及每百萬輸出 $50.00；xAI 的價目表則列出 Grok 4.6 為 $2.00、$0.50 與 $6.00。相對於標準輸入，那是五倍。相對於輸出，是 8.3 倍。相對於快取輸入——多數生產流量實際計費所依據的那一行——則是兩倍。並不存在單一的倍數，而聲稱有這麼一個倍數的那個版本，是把一張四行的價目表四捨五入成了一句口號。這是更新，不是發佈：GPT-6 Astra 是 OpenAI 自 2026 年 9 月 3 日起的旗艦模型，Grok 4.6 則是 xAI 自 2026 年 8 月 12 日起的旗艦模型。此後有所變動的，是量測、可用性與算術。

乘數從來就不是一個數字

先從兩家廠商於 2026 年 9 月 16 日公布的兩張費率表開始，因為下游的一切都承襲其級距形態。OpenAI 記載 GPT-6 Astra 每 100 萬輸入 token 為 $10.00、每 100 萬快取輸入為 $1.00、每 100 萬快取寫入為 $12.50，以及每 100 萬輸出為 $50.00，並將這張表分為短上下文與長上下文兩欄；一旦超過長上下文門檻——也就是本表所報導數字中的 272,000 個輸入 token——整個請求會重新計價為 $20.00 輸入、$2.00 快取，以及 $75.00 輸出。Batch 與 Flex 以標準費率的一半計費，Fast 模式則以兩倍計費。xAI 記載 Grok 4.6 每 100 萬輸入為 $2.00、快取為 $0.50，以及輸出為 $6.00，對應 500,000 個 token 的上下文視窗；而一旦請求達到 200,000 個提示 token，整個請求便按 $4.00 輸入、$1.00 快取，以及 $12.00 輸出。那些是廠商費率表，不是實測數據。

把它們並排放在一起，舊標題的倍數就分解了。標準輸入：$10.00 對上 $2.00，五倍。輸出：$50.00 對上 $6.00，8.3 倍。快取輸入：$1.00 對上 $0.50，兩倍。長上下文輸入：$20.00 對上 $4.00，又是五倍——但長上下文輸出是 $75.00 對上 $12.00，也就是 6.25 倍。舊標題裡的那個五不是憑空捏造的。它只是一張四列卡片中的其中一列，卻披著口號的外衣，而你引用哪一列，答案就會差上四倍。任何只給你這個對比一個數字的人，都是在挑選某個層級，卻不告訴你是哪一個。

還有一個次要原因說明為何單純以每詞元計算會低估這對組合，而且方向恰好相反。這兩個模型完成同樣工作所耗費的詞元數量並不相同，而在 Artificial Analysis 的每任務成本指標——也就是運行其 Intelligence Index 評估的加權平均成本——一旦對齊努力程度設定，每詞元較貴的模型反而是每完成一項工作較便宜的那個。根據 AA 自己在 2026 年 9 月 16 日的模型資料，GPT-6 Astra 在 high 努力程度下，每項索引任務為 $1.72，而 Grok 4.6 在 high 下為 $1.86。原因就在同一筆紀錄中的詞元數量：Astra 跑完整套索引消耗 60M 輸出詞元，而 Grok 4.6 為 94M；每項任務輸出詞元為 27k 對 36k。五倍的輸入費率，搭配約三分之二的詞元支出，結果略勝一籌。

AA 自家比較頁面上的頭條配對說的卻是另一回事，而兩者都成立。AA 的頁面主打 GPT-6 Astra 在 max 的表現——每項任務 $3.26、指數 53——對上 Grok 4.6 在 high 下的 $1.86、44。這樣讀來，那筆溢價似乎在成本上什麼都買不到。若改以相同的 high 努力程度來讀，Astra 指數為 51，對上 44，而且每項任務還便宜 10 美分。哪個數字該編進你的預算，完全取決於你打算用 max 還是 high 來跑 Astra，而 AA 的頁面並不會逼你做選擇。這和舊標題那個單一乘數是同一種毛病，只是低了一個層級。

指數並列的情況已經消失，而誠實的解讀比表面看起來更狹隘。

這頁最初撰寫時，兩個模型在 Artificial Analysis Intelligence Index 上都位於 61，整篇文章的論點全繞著價格打轉。那個發現如今已無法重現。在 2026 年 9 月 16 日讀取的排行榜上，GPT-6 Astra（max）為 53，Grok 4.6（high）為 44。兩個模型都公布了完整的努力程度階梯，而這個階梯比 AA 在其比較頁上印出的單一列更為重要：根據 AA 自家的模型資料，GPT-6 Astra 的表現為 53（max）、53（xhigh）、51（high）、50（medium）、46（low），而 Grok 4.6 則為 44（high）、44（xhigh）、43（medium）、35（low）。在最接近的對應設定下，也就是 high 對 high，差距為七分。

有兩項告誡必須一併提出。首先，這個指數經過重新編製：目前上線的版本是 v4.3，由十項評測建構而成——AA-Briefcase、GDPval-AA v2、AutomationBench-AA、Terminal-Bench 4.0、SciCode、Humanity's Last Exam、GDP.pdf、CritPt、AA-Omniscience 與 AA-LCR v1.1——涵蓋的模型群與九月初的排行榜不同。出現的九分差距，有一部分是重新校準所致，而非任何一家實驗室推出了新東西；讀者若把這一頁與上一頁相比，其實是在比較兩把不同的尺。其次，這兩個項目並非在相同的投入設定下比較：AA 的比較是把 Astra 的 max 與 Grok 4.6 的 high 配對，而 max 對 high 的比較並非同基準比較。對於一個捆綁十項評測的指數而言，九分的差距最穩妥的解讀是：差異真實但幅度溫和，而非壓倒性勝利——有數個模型在兩者各自前後幾分之內聚集。可以確定的是，這與這一頁過去所說正好相反：在獨立計分板上，這兩者已不再可以互換，而較貴的那一個領先。

速度，這一頁較早的版本在介紹 Astra 時只能留空，如今已有了實測數據——而延遲數字是更引人注目的那一半。Artificial Analysis 測得 GPT-6 Astra（max）每秒輸出 52.9 個 token，而 Grok 4.6（high）為 57.7；這個差距在長時間生成時能感覺得到，卻不該足以改變路由決策。首個 token 時間則是另一回事：Astra 為 334.04 秒，Grok 4.6 為 38.63 秒；端到端回應時間則是 343.48 秒對 47.31 秒。Astra 在回答前會思考數分鐘。對批次與隔夜執行的代理工作而言，這看不見；但對任何互動式用途來說，這就是決定性的數字，而它在兩份價目表上都找不到。

Astra 自家的基準測試表，以及誰有權說什麼

OpenAI 為 GPT-6 Astra 公布的重點數據，全部出自廠商自行提報，本文一項都未重現：FrontierMath Tier 4 達 98%，ExploitBench 達 100%——相較之下，OpenAI 前代旗艦 GPT-5.6 Sol 為 78.5%——以及 ARC-AGI-3 達 99.9%。這些都是發表報導一再複述的數字，而當中有兩項，理應受到比它們實際得到的更多質疑。

先說 ARC-AGI-3。這個 99.9% 來自 OpenAI 的供應商轉接器測試框架。負責運行這項基準測試的 ARC Prize，另行以自家供應商中立的 Standard 測試框架測得同一模型為 62.7%，該次執行花費 26,098 美元。ARC Prize 自己的註記是：該轉接器會在請求之間保留 OpenAI 的推理狀態，因此這兩個數字衡量的是不同的事物，絕不該被當成同一項測量來引用。差距的幅度比任何論證都更能說明問題：Astra 在轉接器下以「none」推理設定拿下 96.7%，比它在 Standard 測試框架下自身最高推理設定的分數高出約 34 個百分點。第二個數字是測試框架做了模型沒做的工作。

FrontierMath Tier 4 是另一個。那個 98% 是 OpenAI 自己針對某項基準所做的報告，而該基準的開發正是由 OpenAI 出資的；至少在發布當週的一份比較表中，同一項結果印的是 97.6%。兩者都應視為廠商自行提報，也都還未有定論。

在測試框架爭議中仍站得住腳的部分，才值得保留。ARC Prize 也發現，在 Astra 完成關卡的 96% 中，它所用的動作數少於受測人類的中位數，相較於由約 500 名參與者建立的人類基準，平均每關少用 51.7% 的動作——這項效率結果並不取決於轉接器。而且 ARC Prize 明確表示，他們並非宣稱 Astra 是 AGI：這些環境是有界且確定性的，而把某個基準測試刷到飽和並不證明具備通用能力。在獨立程式編寫方面，Datacurve 的 DeepSWE v1.1——涵蓋 91 個活躍開源儲存庫的 113 項任務——將 GPT-6 Astra 列在 74.1%。這是個強勁的結果，而非一枝獨秀；該排行榜的前段是一群密集的領先者，而當榜上領先的幾筆成績彼此只差兩、三個百分點時，這個排行榜所反映的與其說是能力，不如說同樣是關於不確定性。截至撰稿時，該榜並未公布可比較設定下的 Grok 4.6 數據，因此這個面向只有單方面的資訊。

兩種工作方式，控制上的真正差異

即使分數接近，這兩款模型在「你該如何操控它們」上仍看法不一。Grok 4.6 是單一強大模型，具備明確的推理投入程度調整鈕；由你決定一項請求值得多少思考，並為此支付固定費率。GPT-6 Astra 則會自行運作更久，且其設計會在定案前暫停以供審查。它也是該公司依其 Preparedness Framework 就網路安全風險評為「critical」的首款 Open​AI 模型——這是供應商自我評估，而非外部發現——而 Open​AI 自己也承認，相較於前一代旗艦模型，其可監控性已降低，因此最寬鬆的設定僅開放給經過審核的合作夥伴，而非公開販售。對安全團隊來說，這種管制是一項特性。對想在期限內取得確定性、可操控輸出的開發者而言，這則是你付了溢價才換來的摩擦。

記分板，標記為

• 智能（獨立）——同等投入，高對高：GPT-6 Astra 51，Grok 4.6 44。如 AA 的比較頁面將兩者配對所示，Astra（max）53 對上 Grok 4.6（high）44。Artificial Analysis Intelligence Index v4.3，讀取於 2026 年 9 月 16 日。並非持平；差距的大小取決於配對方式。

• 定價，標準層級（供應商價目表，讀取於 2026 年 9 月 16 日） — GPT-6 Astra 每 1M 為輸入 $10.00／輸出 $50.00／快取 $1.00。Grok 4.6 每 1M 為輸入 $2.00／輸出 $6.00／快取 $0.50。輸入為五倍，輸出為 8.3 倍，快取輸入為兩倍。

• 定價，長上下文（相同卡片、相同日期） — GPT-6 Astra：整個請求超過長上下文閾值後重新計價為 $20.00 / $2.00 / $75.00。Grok 4.6：整個請求在 200K 提示詞 token 時重新計價為 $4.00 / $1.00 / $12.00。

• 每項任務成本（獨立） — 投入程度相配，高對高：GPT-6 Astra 每項 Intelligence Index 任務為 $1.72，Grok 4.6 為 $1.86。依 AA 比較頁面的配對方式，Astra（max）為 $3.26，對上 Grok 4.6（high）的 $1.86。Artificial Analysis，查閱於 2026 年 9 月 16 日。

• 延遲（獨立） — GPT-6 Astra：首個 token 耗時 334.04 秒，端到端 343.48 秒。Grok 4.6：38.63 秒與 47.31 秒。Artificial Analysis，讀取於 2026 年 9 月 16 日。這是本頁上最大的差距。OrcaRouter 自身針對同一模型的列表則記錄了七天內 p50 首個 token 時間為 6.71 秒、p95 為 10.00 秒，這量測的是回應中的另一個時間點，無法與 AA 的數字相比——請勿將兩者放在同一句話中，彷彿它們可以互相比較。

• 速度（獨立） — GPT-6 Astra 在最高模式下每秒輸出 52.9 個 token。Grok 4.6 在 high 模式下每秒 57.7 個 token。Artificial Analysis，讀取於 2026 年 9 月 16 日。

• 代理式編碼（獨立） — GPT-6 Astra 在 Datacurve 的 DeepSWE v1.1 上取得 74.1%。截至撰寫本文時，同一排行榜上並未發布可相比的 Grok 4.6 執行結果，因此這個維度僅有單方面的數據。

• 網路安全與推理（供應商回報） — GPT-6 Astra：在 OpenAI 的供應商轉接器上，FrontierMath Tier 4 達 98%、ExploitBench 達 100%、ARC-AGI-3 達 99.9%，而 ARC Prize 在其 Standard 測試框架上獨立測得 62.7%。由 OpenAI 回報；此處未重現。

• 立即開始使用 — 兩款模型皆可透過 OrcaRouter 以同一組金鑰呼叫。路由器所列費率，讀取於 2026 年 9 月 16 日：GPT-6 Astra 為每 1M $10.00 / $50.00，上下文視窗 1.05M token；Grok 4.6 為每 1M $2.00 / $6.00，上下文視窗 500K token。

關於本頁圖表有一點說明：由於它們帶有數字，正文必須加以限定。主視覺卡片與計分板列出的，都是 Artificial Analysis 率先採用的同一組配對——GPT-6 Astra 在其最高推理設定下，對上處於 high 的 Grok 4.6——因此計分板的智慧列讀數為 max 努力值，而成本列讀數則為 high 努力成本。兩個數字都出自 AA，都是最新數據，且並非來自同一個努力設定。凡差異有影響之處，上方正文給出的都是努力設定相符的配對。本頁早先版本帶有四張圖表，均建立在 61 對 61 的指數讀數之上；它們已被替換，而非加上註記，因為一張主視覺卡片若主張某項文章隨後撤回的論點，那還不如沒有主視覺卡片。

可用性已變更，而這會改變路由的答案

本頁最初版本必須指出 GPT-6 Astra 並未上架 OrcaRouter，而 Grok 4.6 有。如今兩者都已收錄於目錄中——GPT-6 Astra 的模型 id 為 openai/gpt-6-astra，依 OpenAI 的定價表費率計費；Grok 4.6 則以 grok/grok-4.6 收錄，依 xAI 的定價表費率計費。以上為 OrcaRouter 所列費率，讀取日期為 2026 年 9 月 16 日。Astra 端點同樣不是目錄條目：同一份清單記載過去七天內有 1.807 億個 token 的流量，由路由器列出，同日讀取。

這一點對這個特定組合尤其重要，因為這兩張卡的級距結構並不相同。一個以 0% 加成計收供應商標價的路由器，會套用請求實際落入的級距：一通維持在長上下文門檻以下的 Astra 呼叫，不會由我們這邊重新計價，而一通跨越 200K 的 Grok 4.6 呼叫，則是依 xAI 的規則重新計價，而非依我們的規則。我們這邊的每一項費率都是以 0% 加成原樣轉出——供應商的數字就是你要付的數字，而當供應商調整價格時，該變更當天就會在同一把金鑰上生效。把兩個模型放在同一把金鑰上，讓工作負載在兩者之間分流——Astra 負責艱難的自主任務，Grok 4.6 承擔流量——這是一項路由變更，而不是第二份合約；自動容錯移轉意味著其中一條路徑上的速率限制是一起路由事件，而不是一次服務中斷；而路由 DSL 讓你能在想要由便宜模型起草、由昂貴模型檢查時，把兩者組成單一呼叫。

保費應由誰支付

如果你的工作正好落在 GPT-6 Astra 目前可測量地領先的區間，就買 GPT-6 Astra。在 AA 所公布的設定下，獨立指數將它與 Grok 4.6 區分開來，它的 DeepSWE v1.1 結果是一個真正獨立的數字，而只要附上測試框架的但書，廠商自家的基準測試表確實屬於前沿水準。預算要按每項任務而非每個 token 來編列，並留意長上下文門檻，因為單一請求一旦跨過那裡，就不再只是一次昂貴的呼叫，而是會變得極其昂貴。如果你想要接近前沿的推理能力、且費率能撐過真實預算，再加上兩者中較快的實測輸出，以及只有一個斷崖而非兩個的定價結構，那就買 Grok 4.6。

這場對決更正後的總結，並不是五倍差距毫無意義，也不是兩者勢均力敵。而是：差距在每個層級都真實存在，且比率取決於你所看的層級；表現差距如今也真實存在；而且兩者指向同一方向——這與本頁在 2026 年 9 月 4 日所說的相反，也是比一句關於倍數的口號更好的選擇理由。