GPT-6 Astra vs. gpt-oss-120b: comparación de lanzamientos

Name: Inteligencia
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Comparación de los lanzamientos GPT-6 Astra y gpt-oss-120b: 5 y 2 modelos respectivamente, cada uno con distintas características de inteligencia, rendimiento y precio. A continuación se comparan las métricas clave de los 7 modelos.

En inteligencia, GPT-6 Astra obtiene la puntuación más alta: GPT-6 Astra (Max), con 57, frente a gpt-oss-120b (High), con 4 de gpt-oss-120b.
En tiempo por tarea, GPT-6 Astra es el más rápido: GPT-6 Astra (Low), con 3.7 min, frente a gpt-oss-120b (High), con 8.0 min de gpt-oss-120b.
En costo por tarea, gpt-oss-120b es el más económico: gpt-oss-120b (High), con $0.35, frente a GPT-6 Astra (Low), con $1.42 de GPT-6 Astra.

Playground de modelos

Lanzamientos comparados


	GPT-6 Astra (max)	GPT-6 Astra (xhigh)	GPT-6 Astra (high)	GPT-6 Astra (medium)	GPT-6 Astra (low)	gpt-oss-120b (high)	gpt-oss-120b (low)
Intelligence Index	57	55	55	52	43	4	--
Finanzas y contabilidad	57	57	56	54	48	8	--
Estrategia y operaciones	58	58	57	56	50	6	--
Jurídico	56	56	55	52	48	8	--
Salud y medicina	54	53	52	50	45	6	--
Ingeniería	62	60	60	57	50	11	--
Economía	57	57	56	53	47	9	--
AA-Briefcase v1.1	1569	1544	1505	1461	1256	0	--
AutomationBench-AA	68.5%	67.2%	66.6%	64.6%	59.1%	0.2%	--
Terminal-Bench 4.0	59.1%	59.6%	54.0%	49.5%	41.9%	0.0%	--
FrontierCode 2.0	42.4%	41.4%	40.1%	36.6%	26.2%	0.0%	--
AA-Omniscience v1.1	42	44	45	41	40	−46	--
GDP.pdf	31.0%	32.2%	31.0%	30.4%	30.4%	4.2%	--
HLE-Diamond	63.8%	61.5%	59.3%	52.7%	45.1%	3.8%	--
CritPt v2 (Hard Subset)	70.5%	71.0%	71.5%	72.0%	63.0%	4.0%	--
Terminal-Bench-Science 0.1	63.3%	54.8%	59.5%	53.3%	37.1%	0.0%	--

Costo por tareaUSD	$6.24	$3.66	$3.24	$2.73	$1.42	$0.35	--
Precio de entradaUSD/1M tokens	$10.00	$10.00	$10.00	$10.00	$10.00	$0.15	$0.13
Precio de salidaUSD/1M tokens	$50.00	$50.00	$50.00	$50.00	$50.00	$0.60	$0.59
Precio de lectura de cachéUSD/1M tokens	$1.00	$1.00	$1.00	$1.00	$1.00	$0.10	$0.13
Precio de escritura de cachéUSD/1M tokens	$12.50	$12.50	$12.50	$12.50	$12.50	--	--

Tiempo por tareaMinutos	22.8	11.5	9.9	6.8	3.7	8.0	--
Velocidad de salidatok/s	38	39	39	44	41	154	156
Tiempo hasta el primer token de respuestas	219.94	99.47	59.52	5.78	3.29	13.32	1.91
Tiempo hasta el primer tokens	219.94	99.47	59.52	5.78	3.29	1.31	1.16
Tiempo de extremo a extremoMedia de las cargas de solicitud única (s)	506.03	290.56	231.70	101.38	89.46	34.75	12.05

Ventana de contexto	1M	1M	1M	1M	1M	131k	131k
Creador	OpenAI	OpenAI	OpenAI	OpenAI	OpenAI	OpenAI	OpenAI
Licencia	Propietario	Propietario	Propietario	Propietario	Propietario	Abierto	Abierto
Modalidad de entrada	Admite: texto e imágenes	Admite: texto e imágenes	Admite: texto e imágenes	Admite: texto e imágenes	Admite: texto e imágenes	Admite: texto	Admite: texto
Modalidad de salida	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto	Admite: texto
Proveedores						+12	+11

Updated

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

Tiempo por tarea

Inference time (minutes) per Intelligence Index task · Lower is better

Costo por tarea

Weighted average cost (USD) per Intelligence Index task · Lower is better

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

No publicly available API

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Intelligence Index vs. costo por tarea

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

GPT-6 Astra

Pareto line

AA-Briefcase v1.1

AutomationBench-AA

Costo por tarea (USD, escala logarítmica)

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Costo

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

No publicly available API

Velocidad y latencia

Tiempo por tarea del Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

No publicly available API

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Puntuaciones de capacidades

Índices de capacidades

Mide el rendimiento de los modelos en capacidades e industrias específicas

Finance & Accounting Index

Incorporates 5 evaluations: AA-Briefcase v1.1, AA-Omniscience v1.1, HLE-Diamond, AutomationBench-AA, GDP.pdf · Higher is better

Strategy & Ops Index

Incorporates 4 evaluations: AutomationBench-AA, AA-Briefcase v1.1, AA-Omniscience v1.1, GDP.pdf · Higher is better

Legal Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf, AutomationBench-AA · Higher is better

Healthcare & Medical Index

Incorporates 5 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, MLCR-AA, AutomationBench-AA, HLE-Diamond · Higher is better

Engineering Index

Incorporates 7 evaluations: AA-Omniscience v1.1, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1, HLE-Diamond, Terminal-Bench 4.0, FrontierCode 2.0, AA-Briefcase v1.1 · Higher is better

Economics Index

Incorporates 4 evaluations: AA-Omniscience v1.1, AA-Briefcase v1.1, HLE-Diamond, GDP.pdf · Higher is better

Benchmarks

AA-PersonalityBenchNew

Índices de personalidad

Cada eje es uno de los 8 índices de personalidad: la media de las puntuaciones z de Elo de sus rasgos, convertida en un rango percentil de 1 a 100 entre todos los modelos evaluados en el benchmark

GPT-6 Astra vs. gpt-oss-120b: comparación de lanzamientos

Inteligencia

Tiempo por tarea

Costo por tarea

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Intelligence Index vs. costo por tarea

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Costo

Costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Velocidad y latencia

Tiempo por tarea del Intelligence Index

Time per Intelligence Index Task

Time Period

Puntuaciones de capacidades

Índices de capacidades

Benchmarks

AA-PersonalityBenchNew

Índices de personalidad