GPT-6 Astra e Gemini 3.8 Flash: benchmark ufficiali, prezzi veri e quale conviene

Di Daniele Forciniti

Indice del Contenuto

In due giorni sono usciti due modelli che vanno in direzioni opposte. GPT-6 Astra è il nuovo modello di punta di OpenAI, annunciato il 3 settembre 2026: usa il computer, naviga, scrive software e porta a termine compiti lunghi da solo, a 10 e 50 dollari per milione di token. Il giorno prima Google ha lanciato Gemini 3.8 Flash, che punta sull’estremo opposto: prestazioni vicine ai modelli di vertice a meno di un decimo del prezzo. Qui trovi i numeri ufficiali di entrambi, il confronto diretto, e le tre cose che nei comunicati non compaiono. Nessuna prova sul campo: sono usciti ieri, ci limitiamo ai benchmark pubblicati e alle valutazioni indipendenti.

Cosa sa fare Astra, in concreto

Il salto dichiarato da OpenAI non è sulla scrittura, è sull’autonomia operativa. Astra usa il computer come farebbe una persona: apre programmi, compila moduli, naviga, controlla il risultato di quello che ha fatto e corregge. Il modello è pensato per il lavoro lungo, quello che occupa un pomeriggio: aggiornare decine di schede in un gestionale, fare i controlli su un sito appena messo online, installare e configurare software guardando cosa succede a schermo.

Insieme al modello OpenAI ha aggiornato anche l’ambiente Codex, dichiarando un completamento dei compiti 1,9 volte più veloce. È la parte che conta di più per chi lavora: non quanto è intelligente il modello, ma quanto tempo impiega a chiudere un lavoro senza che tu debba rimetterci mano.

GPT-6 Astra: i benchmark ufficiali

Grafico di confronto dei benchmark ufficiali di GPT-6 Astra contro GPT-5.6 Sol, Claude Fable 5.1 e Claude Opus 5 — Elaborazione grafica su dati ufficiali openai.com

Questi sono i numeri pubblicati da OpenAI, con il confronto contro la generazione precedente e contro i modelli di Anthropic:

Prova	GPT-6 Astra	GPT-5.6 Sol	Claude Fable 5.1	Claude Opus 5
Uso del computer (OSWorld 2.0)	72,6%	65,7%	non riportato	70,2%
Automazione di processi (AutomationBench)	41,4%	18,1%	31,4%	26,9%
Ricerca scientifica agentica (Terminal-Bench Science 0.1)	64,6%	22,4%	52,6%	29,0%
Ingegneria del software (DeepSWE v1.1)	74,1%	70,8%	67,4%	68,8%
Ragionamento scientifico (GPQA Diamond)	96,0%	94,6%	93,7%	93,2%
Matematica avanzata (FrontierMath Tier 4)	97,6%	83,0%	87,8%	73,2%
Sicurezza offensiva (ExploitBench)	100%	78,5%	non riportato	70%

Il distacco più netto è sull’automazione dei processi e sulla ricerca scientifica agentica, dove Astra più che raddoppia il modello precedente. Sul ragionamento puro invece i margini sono di pochi punti: 96,0% contro 93,7% di Claude Fable 5.1 non è un salto generazionale, è un miglioramento.

Il 99,9% che sta girando ovunque, e i due numeri che mancano

I tre punteggi di GPT-6 Astra su ARC-AGI-3 misurati in condizioni diverse: 62,7%, 98,6% e 99,9% — Elaborazione grafica su dati ufficiali di ARC Prize

Il numero che ha fatto il giro dei social è il 99,9% su ARC-AGI-3, il test pensato per misurare quanto un modello sa generalizzare su problemi nuovi. È vero, ed è ufficiale. Ma ARC Prize, cioè l’organizzazione che quel test l’ha costruito, ha pubblicato i risultati completi e sono tre, non uno:

62,7% con l’ambiente di prova standard, quello uguale per tutti i modelli, a un costo di prova di 26.098 dollari.
98,6% con l’adattatore di OpenAI allo sforzo massimo, a 17.332 dollari.
99,9% con lo stesso adattatore a sforzo alto, a 19.817 dollari. È il numero che leggi ovunque.

La differenza tecnica non è un cavillo. L’ambiente standard obbliga il modello a decidere cosa vale la pena appuntarsi tra un passaggio e l’altro, con un’interfaccia identica per tutti. L’adattatore invece conserva lo stato di ragionamento tra una richiesta e l’altra e comprime le conversazioni lunghe, così il modello riusa il lavoro già fatto invece di rifarlo. Con quell’adattatore le prove sono state 3,66 volte più veloci e hanno consumato il 49% di token in meno.

Nessuno dei tre numeri è falso. Ma citare solo il 99,9% e tacere il 62,7% racconta una storia diversa da quella reale, e il salto rispetto al modello precedente resta comunque enorme anche prendendo il numero più basso: 62,7% contro il 7,8% di GPT-5.6 Sol.

Cosa dice chi ha costruito il test

Sui social il lancio è stato raccontato come l’inizio ufficiale dell’era dell’AGI, l’intelligenza artificiale generale. Vale la pena leggere cosa scrive ARC Prize, che quel benchmark lo ha creato: pur riconoscendo un progresso significativo verso la generalizzazione, dichiara esplicitamente di non sostenere che si tratti di AGI. E aggiunge che saturare il test non costituirebbe la prova di averla raggiunta, perché ARC-AGI-3 ha un ambito volutamente ristretto, fatto di ambienti chiusi e deterministici che non rappresentano la complessità del mondo reale.

Detto in modo semplice: chi ha costruito il metro dice che il metro non misura quello che il titolo sostiene. È un’informazione che vale più di dieci commenti entusiasti, e stranamente non compare quasi da nessuna parte.

Gemini 3.8 Flash: la strategia opposta

Il 2 settembre, un giorno prima, Google ha lanciato Gemini 3.8 Flash con una scommessa diversa: non essere il più bravo, ma essere abbastanza bravo a una frazione del prezzo. Costa 0,75 dollari per milione di token in ingresso e 3,75 in uscita, contro i 5 e 25 di Claude Opus 5. Sono circa sei o sette volte meno.

Attenzione a un dettaglio che nei post non compare: quello è un prezzo promozionale. Dal 1 gennaio 2027 raddoppia, passando a 1,50 e 7,50 dollari. Resta comunque il più economico del gruppo, ma se stai facendo i conti su un progetto che dura più di quattro mesi, i numeri da mettere nel foglio sono quelli nuovi.

Gemini 3.8 Flash contro Opus 5: dove la promessa regge e dove no

La frase che gira è “è al livello di Opus 5”. Guardando la tabella pubblicata da Google, è vera su alcune prove e clamorosamente falsa su altre:

Prova	Gemini 3.8 Flash	Claude Opus 5	Chi vince
Compiti da analista finanziario (Vals Finance Agent v2)	61,4%	58,6%	Gemini
Flussi legali complessi (Harvey’s Legal Agent)	10,0%	6,7%	Gemini, quasi il doppio
Video lunghi (LVBench, modalità agentica)	87,8%	75,4%	Gemini
Lettura di grafici complessi (CharXiv Reasoning)	86,2%	83,7%	Gemini
Coding da terminale (Terminal-bench 2.1)	89,4%	89,1%	Sostanziale parità
Ingegneria del software (DeepSWE v1.1)	73,7%	74,0%	Sostanziale parità
Lavoro di conoscenza (GDPVal-AA v2, punteggio Elo)	1545	1824	Opus 5, nettamente
Capacità agentiche generali (Terminal-bench 4.0)	19,1%	51,8%	Opus 5, quasi il triplo

Il quadro è chiaro: su compiti circoscritti e ben definiti Gemini 3.8 Flash regge il confronto e a volte vince. Sui compiti agentici lunghi, dove il modello deve tenere il filo per molti passaggi, il divario è enorme. E siccome è esattamente lì che si concentra il lavoro che si fa pagare, la frase “al livello di Opus 5” va presa per quello che è: vera in una casella, falsa in un’altra.

Una nota di metodo che serve sempre: ogni azienda pubblica i benchmark che ha eseguito lei, con le proprie impostazioni. Su Terminal-Bench 4.0 la tabella di Google assegna a Opus 5 il 51,8%, quella di OpenAI il 52,3%. Sono differenze piccole, ma spiegano perché due tabelle sullo stesso modello non coincidono mai del tutto.

Astra contro Gemini 3.8 Flash: il confronto che conta davvero

Confronto dei prezzi per milione di token tra GPT-6 Astra, Claude Fable 5.1, Claude Opus 5, GPT-5.6 Sol e Gemini 3.8 Flash — Elaborazione grafica sui listini ufficiali dei tre fornitori

Metterli uno contro l’altro sui punteggi ha poco senso, perché non giocano lo stesso campionato. Il confronto utile è questo:

	GPT-6 Astra	Gemini 3.8 Flash
Prezzo per milione di token	10 in ingresso, 50 in uscita	0,75 e 3,75, poi 1,50 e 7,50 dal 2027
Differenza di prezzo	riferimento	circa 13 volte meno in ingresso al prezzo promozionale
Punto di forza	Uso del computer e compiti lunghi in autonomia	Costo e velocità su compiti definiti
Dove crolla	Sul conto, se lo usi per lavori semplici	Sui compiti agentici lunghi
Uso sensato	Il lavoro complesso che prima richiedeva una persona per ore	Volumi alti di operazioni ripetitive e definite

Tradotto per chi deve decidere: se hai molte operazioni semplici, classificare messaggi, estrarre dati, riassumere documenti, il modello caro non ti serve e stai buttando soldi. Se hai pochi compiti complessi che prima occupavano una persona per mezza giornata, il modello economico non ce la fa e il risparmio si trasforma in lavoro rifatto.

La misura indipendente: Astra non è primo su tutto

Qui arriva il dato che ribalta il racconto trionfale, e viene da chi misura i modelli per mestiere senza venderli. Secondo Artificial Analysis:

Nel loro indice di intelligenza generale Astra segna 61, esattamente come la generazione precedente, mentre in testa resta Claude Fable 5.1 con 66.
Nell’indice sugli agenti di programmazione Astra arriva a 67, alla pari con Opus 5, mentre Fable 5.1 guida con 70.
Sul codice è il 70% più efficiente nei token rispetto al modello precedente, ma costa il 75% in più per compito sull’indice generale, perché il listino è salito di due volte e mezzo.

Non è una bocciatura: sull’uso del computer e sull’autonomia il salto è reale e misurato. Ma “il modello che inaugura l’era dell’AGI” e “pari alla generazione precedente nell’indice di intelligenza generale” sono due frasi che descrivono lo stesso modello, e solo una delle due sta nei comunicati.

Sicurezza: la soglia Critical, per la prima volta

Questa è la parte che merita attenzione più dei benchmark. OpenAI ha classificato Astra al livello Critical per le capacità di cybersicurezza secondo il proprio quadro di valutazione dei rischi: è la prima volta per un modello rilasciato dall’azienda. Il 100% su ExploitBench non è un punteggio come gli altri: misura la capacità di costruire catene di attacco funzionanti.

Per questo le capacità offensive non sono aperte a tutti, ma passano da un programma di accesso controllato. E per rispondere al dubbio che i punteggi fossero gonfiati da vulnerabilità già viste in addestramento, OpenAI ha costruito una prova nuova su falle del periodo giugno-agosto 2026. È un’accortezza metodologica seria, e va riconosciuta.

Prezzi, versioni e dove si usano

GPT-6 Astra: 10 dollari per milione di token in ingresso, 50 in uscita, con tariffe separate per la cache. Esiste una modalità veloce che raddoppia la velocità raddoppiando il prezzo.
Dove: rilascio graduale su ChatGPT nei piani Plus, Pro, Business ed Enterprise, più API, Microsoft Azure e Amazon Bedrock. Chi ha Pro, Business o Enterprise accede anche alla versione Pro. Nelle aziende è disattivato di default al lancio, lo attiva l’amministratore.
Gemini 3.8 Flash: 0,75 e 3,75 dollari per milione di token, che diventano 1,50 e 7,50 dal 1 gennaio 2027.

La mia opinione

Da oltre dieci anni lavoro con siti web, contenuti e posizionamento, e questi strumenti li uso tutti i giorni, non li studio da lontano. Il modello è uscito ieri, quindi non ho niente da raccontarti sul campo e non te lo invento: quello che c’è qui sono i numeri ufficiali e le verifiche di chi li misura per mestiere.

Detto questo, due cose mi sembrano già chiare. La prima è che il salto vero non è sull’intelligenza ma sull’autonomia: il modello che tiene il filo per ore senza perdersi cambia il lavoro molto più di due punti in più su un test di ragionamento. La seconda è che con questi prezzi la scelta del modello diventa una decisione di budget, non di tifo: mettere Astra su un compito che Gemini Flash risolve a un tredicesimo del costo è un errore che si paga in fattura, e chi costruisce sistemi con questi strumenti dovrebbe ragionare per livelli, come spiego nella guida completa agli agenti IA.

La terza cosa la dico da persona che legge titoli tutto il giorno: quando l’azienda che vende dice “AGI” e l’organizzazione che ha costruito il test dice “non è AGI”, conviene fidarsi della seconda. Sul fronte Anthropic il confronto lo trovi nell’articolo su Claude Fable 5.1, che resta in testa agli indici indipendenti.

In conclusione

Due lanci in due giorni che raccontano due strategie: OpenAI spinge sull’autonomia e alza il prezzo, Google spinge sul prezzo e accetta di non vincere ovunque. I benchmark ufficiali sono veri, ma vanno letti sapendo in quali condizioni sono stati ottenuti, e le verifiche indipendenti ridimensionano parecchio l’annuncio dell’era dell’AGI. Se devi scegliere, non guardare chi ha il punteggio più alto: guarda che tipo di lavoro devi far fare e quanto sei disposto a pagarlo.

Domande frequenti

GPT-6 Astra è davvero AGI?

No, e a dirlo è proprio chi ha costruito il test più citato. ARC Prize riconosce un progresso significativo verso la generalizzazione ma dichiara esplicitamente di non sostenere che si tratti di AGI, precisando che il benchmark ha un ambito limitato e ambienti deterministici.

Perché su ARC-AGI-3 circolano numeri diversi?

Perché sono tre misure dello stesso modello in condizioni diverse: 62,7% con l’ambiente di prova standard, 98,6% con l’adattatore di OpenAI a sforzo massimo e 99,9% con lo stesso adattatore a sforzo alto. L’adattatore conserva lo stato di ragionamento tra le richieste, cosa che l’ambiente standard non fa.

Quanto costa GPT-6 Astra?

10 dollari per milione di token in ingresso e 50 in uscita, con tariffe separate per la cache. La modalità veloce raddoppia velocità e prezzo. È lo stesso listino di Claude Fable 5.1 e circa due volte e mezzo il prezzo della generazione precedente.

Gemini 3.8 Flash è davvero al livello di Opus 5?

Su alcune prove sì, e in qualche caso lo supera: compiti da analista finanziario, flussi legali, video lunghi e lettura di grafici. Su altre no: sulle capacità agentiche generali Opus 5 fa quasi il triplo, e sul lavoro di conoscenza il distacco resta ampio.

I prezzi di Gemini 3.8 Flash restano questi?

No. Sono prezzi promozionali che raddoppiano il 1 gennaio 2027, passando da 0,75 e 3,75 a 1,50 e 7,50 dollari per milione di token. Resta comunque il più economico tra quelli confrontati, ma i conti su un progetto lungo vanno fatti con le cifre nuove.

Cosa significa la classificazione Critical sulla sicurezza?

Che secondo il quadro di valutazione dei rischi di OpenAI il modello raggiunge la soglia più alta sulle capacità di cybersicurezza, per la prima volta su un modello rilasciato. Le funzioni offensive non sono aperte a tutti ma passano da un programma di accesso controllato.

Quale conviene scegliere?

Dipende dal tipo di lavoro. Per grandi volumi di operazioni semplici e ben definite conviene il modello economico, perché il costo per operazione fa la differenza. Per pochi compiti lunghi e complessi che richiedono autonomia, il modello caro si ripaga con il tempo che libera.

Fonti

OpenAI: l’annuncio ufficiale di GPT-6 Astra con le tabelle dei benchmark, i prezzi e la disponibilità.
ARC Prize: i tre punteggi su ARC-AGI-3, la differenza tra gli ambienti di prova e la posizione sull’AGI.
Artificial Analysis: la valutazione indipendente su intelligenza, agenti di programmazione e costo per compito.
Simon Willison: l’analisi tecnica del lancio, con i caveat sui benchmark.
The New Stack: la lettura dei benchmark e dell annuncio sull era dell AGI.

Daniele Forciniti

Sono Daniele Forciniti, un esperto di web design e SEO con oltre 10 anni di esperienza e diverse certificazioni professionali. Mi specializzo in HTML e CSS, utilizzo CMS come WordPress. Sono il maggior esperto in Italia di WIX e WIX Studio, mi occupo anche di SEO posizionamento web nei motori di ricerca e digital marketing. Sono appassionato del mio lavoro e continuo ad aggiornare le mie competenze per fornire soluzioni innovative e di alta qualità ai miei clienti.