基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
9.0
重磅
AI SCORE
模型发布2026-11-18 06:38

GPT-6.2 双模型开放 API,Astra 缓存降价

Simon Willison#OpenAI#模型定价#命令行工具
Editor brief · 编辑速览

OpenAI 开放 GPT-6.2 Astra 和 Sol 的 API,Simon Willison 的 LLM CLI 也已在 0.38 版支持两款模型。Astra 每百万输入和输出 token 分别为 8 和 40 美元,缓存输入从 1 美元降至 0.40 美元,Sol 维持 2 和 10 美元。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

OpenAI 在 2026 年 11 月 17 日推出 GPT-6.2 Astra 和 GPT-6.2 Sol。Astra 的输入、输出单价降了两成,缓存输入降得更多,Sol 则维持原价。Simon Willison 跑了两组测试,发现模型降价和单次任务变便宜是两回事。

对用 Codex 写代码的人,这篇最值得看的是两个细节。Astra 在 max 档画一张图,比上一代花得更多。两款新模型用 Ultra 做同一个 Three.js 动画,也都没把需求里最重要的变形动作做好。

Astra 降了单价,为什么单次任务还可能更贵

两款模型的 API 名称是 gpt-6.2-astra 和 gpt-6.2-sol,Willison 发布的 LLM 0.38 已支持它们。

按每百万 token 计,GPT-6.2 Astra 的输入和输出分别是 $8 和 $40,为 GPT-6 Astra 的 80%。Claude Fable 5.2 也是 $8 和 $40,同样降到了前代价格的 80%。GPT-6 Astra 和 Claude Fable 5 原先都是 $10 和 $50。Astra 的缓存输入则从每百万 token $1 降到 $0.40。长时间运行的 agent 如果多次复用相同上下文,命中缓存的部分就能用上这档价格。

GPT-6.2 Sol 的输入和输出分别是 $2 和 $10,与 GPT-6.1 Sol、GPT-6 Sol 一致,也是 GPT-5.6 Sol($4 和 $20)的一半。

单价之外,还得看一次任务实际用了多少 token。Willison 让四款模型画骑自行车的鹈鹕,每款各试 high、xhigh、max。下表是图中标出的单次花费,单位为美分。

模型 high xhigh max
GPT-6.2 Astra 11.55 17.70 88.71
GPT-6.2 Sol 2.41 6.74 13.69
GPT-6 Astra 18.37 33.85 63.21
GPT-6.1 Sol 3.66 5.39 13.48

GPT-6.2 Astra 在 max 档画出的鹈鹕,一只翅膀扶住车把,两只脚分列车架两侧

四款模型在 high、xhigh、max 三档画出的十二张鹈鹕骑车图,标有每次生成的费用

十二张图都能认出鹈鹕和自行车,差别主要在羽毛细节,以及握车把、踩踏板的姿势是否可信。GPT-6.2 Astra 的 max 图细节最多,这次也花了 88.71 美分,高于上一代同档的 63.21 美分。原文没有给出 token 用量拆分,单凭图上的账单无法判断差额出在哪一部分。

Three.js 动画最难的是让城市真的站起来

Willison 在 Codex CLI 里用 Ultra 跑同一个提示词。他要求模型使用 OpenStreetMap 数据做一段 Three.js 动画,让 Yonkers 以一个有冲击力的动作站起来,变成巨型机甲,再踏过 Manhattan、Queens 和 Brooklyn。

按作者的判断,Astra 和 Sol 都没做好「城市变成机甲」这一步,效果落后于 Claude Fable 5.2 和 Gemini 4 Carbon。这是作者对这一道题的观察,原文没给评分标准或多次运行的数据。

作者随后用 Codex 桌面版里的 GPT-6.2 Astra(Ultra)制作对比视频。他要求各取前 10 秒,Astra 放上半部,Sol 放下半部,各自叠加模型名,导出为 2000×2000 像素的方形视频。这一步处理的是已有成品,交付要求具体,回看也容易。它和前面的动画测试考查的是两种能力。

长任务接得住,为什么还会卡在一个文件名上

Theo Browne 在发布前给 OpenAI 的反馈里说,模型能调动并协调多个子代理,但有时会把内部实现细节抛给用户。他用 /goal make a new level for Outer Wilds 发起任务,约 2 小时后,任务进入 blocked。模型想知道一个审查代理会把视频片段写到 24_g521.mp4 还是 24_p11.mp4。用户只给了关卡目标,手上也没有可用来回答这个问题的信息。

Willison 还提到,Astra 6.2 在一些基准上低于 Fable 5.2,也有人觉得它的沟通方式难懂。原文没有列出具体基准分数,Theo 的案例也只说明这种阻塞发生过一次。

我的判断

选模型时,我会优先看同一验收条件下的实际花费。牌价适合估预算,鹈鹕图能帮助检查模型会不会处理握把和踩踏板这些细节,但团队要决定日常任务用哪个模型,还得拿自己的需求试跑。对需要长上下文的任务,缓存折扣能省多少,也取决于实际命中了多少输入。

Three.js 这个例子里,直接用 Ultra 跑完整需求可以观察模型独立交付的上限。日常开发也可以先验收最难的变形动画,再接地图和行走路线。拆开做更容易定位问题,作者没有对比过这两种流程,文章也没有给出档位之间的成功率。至于长任务中的沟通,Theo 的反馈适合作为一次具体的失败案例参考,无法用来判断这种中断有多常见。

能拿来做什么

  • 拿一条现有的前端需求,用相同提示词和验收条件跑 Sol 与 Astra,记录实际花费、交付结果和需要人工补的工作。
  • 做 Three.js 原型时,先把关键动作写成能回放验收的条件。例如,镜头要完整展示城市从地面结构抬起、展开并站稳,再决定要不要继续接地图数据和路线。
  • 给 Codex 布置长任务时,交代哪些决定需要你拍板。临时文件名和产物路径这类问题,可以让它先检查产物目录或代理输出,再自行处理。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 Simon Willison,原文版权归原作者所有。

阅读原文
上一篇
用反例测试邮件改写是否改变原意
下一篇
GPT-6.2 Sol 在编程基准上接近 Astra

资讯速览

Simon Willison · 2026-11-18 06:38

AI 评分 9.0 / 10

相关标签

#OpenAI#模型定价#命令行工具

继续阅读

  • GitHub Copilot 上线两款微软自研编程模型
  • 用反例测试邮件改写是否改变原意
  • GPT-6.2 Sol 在编程基准上接近 Astra
  • MAI Code 2 Flash 面向高频代码修改
  • 开源网关在模型请求发出前拦截密钥