GPT-6.2 Sol 编程跑分接近 Astra
据文章转述的 Cognition 测评,GPT-6.2 Sol 在 FrontierCode 2.0 上与 Astra 相差约半分,单个完成任务的成本约为后者的五分之一。文章称 Astra 的每百万输入和输出 Token 分别为 8 和 40 美元,较上代下降 20%,Sol 则维持 2 和 10 美元。
AI 深度解读
2026 年 11 月 17 日,GPT-6.2 Astra 的 API 单价比上一代低了 20%。同一天发布的 GPT-6.2 Sol 更值得做代码智能体的团队关注。按 AI Weekly 转述的 Cognition 评测,Sol 在 FrontierCode 2.0 上只落后 Astra 约半分,完成一项任务的成本却约为 Astra 的五分之一。
如果你在给代码智能体选模型,这组结果足以把 Sol 排到试用名单前面。真正要算的是,在自己的仓库里交付一个可合并的补丁,两档模型分别要花多少钱,以及 Astra 多解决了哪些问题。
Astra 降价 20%,为什么还要先测 Sol?
据原文援引的 AI Weekly 报道,GPT-6.2 Astra 和 GPT-6.2 Sol 同时上线 ChatGPT Work、Codex 和 API。对用 API 跑自动化的团队来说,先看这三项单价。
| 模型 | API 模型 ID | 输入/百万 token | 输出/百万 token | 缓存输入/百万 token |
|---|---|---|---|---|
| GPT-6.2 Astra | gpt-6.2-astra |
8 美元 | 40 美元 | 0.40 美元 |
| GPT-6.2 Sol | gpt-6.2-sol |
2 美元 | 10 美元 | 0.10 美元 |
Astra 相比 GPT-6 Astra 降价 20%,Sol 沿用上一代定价。按表里的三项费率,同样的 token 用量、同样的缓存命中量,Astra 的账单是 Sol 的 4 倍。
Cognition 报告的约 5 倍差距,衡量的是「完成一项任务花了多少」,和单价表的口径不同。代码智能体修一个 bug,可能要反复读文件、改代码、跑测试,再把失败日志送回模型。调用轮次、每轮输入输出的长度、缓存命中都会改变账单。原文没有给出 Cognition 的用量明细,无法判断是哪一项拉开了差距。半分也是整套评测的分差,原文没交代两档模型分别在哪些题上失败。
这笔账主要关系到直接调用 API 的团队,尤其是批量修复、自动化或代码智能体产品。ChatGPT 订阅用户的价格和体验并不由这张 token 费率表直接决定。
榜单名次和幻觉率,能指导选型吗?
独立评测平台 Artificial Analysis 对 Astra 给出了两份口径未对齐的记录。一份把它列为 Intelligence Index 第 2 名,同时给出 Agents' Last Exam v1.1 约 78%、每项约 3 美元,以及 BenchCAD 2.1 Core 约 83%、每项 5.50 美元。另一份把它列为智力榜第 3 名,得分 62/92,成本效率排在 91 个模型中的第 62 位,单项成本为 4 美元。
原文说,发布报道没有解释这两份记录为何不同。榜单样本、评分方法和计费口径只要有一项发生变化,排名就可能跟着变。光看这些数字,既不能确定差异来自哪里,也不能把三个单项成本当作同一种任务的报价。
The Decoder 还转述了独立评测方给出的 59% 幻觉率。原文没有找到同批发布报道中的交叉印证,也没有给出足以判断适用范围的测试细节。把它直接理解成「每 100 次代码修改有 59 次会编造」会把指标用错。OpenAI 关于 Sol 在特定内部评测中超过竞品的说法,同样只有放回对应题目和评测条件里才有意义。
单价继续下探,靠什么撑住?
这轮降价有前例。据原文援引的 Unite.AI 报道,2026 年 9 月发布的 GPT-6 Sol 和 Luna,比 GPT-5.6 的促销价低 50%。InfoWorld 则报道,Claude Opus 5.5 的定价比 Opus 5 低 20%,据称运行成本低 40%,并能在大多数工作中达到 Claude Fable 5.1 的水平。定价是公开报价,运行成本和能力齐平则是报道转述的说法。

Forrester 把降价归因于推理效率、缓存和模型优化。Gartner 的判断是,通用模型的能力逐渐接近,标准推理服务越来越难靠能力差异维持高价。Greyhound Research 补了一个条件:更低的 token 价格能带来更多调用量,服务成本也得继续降,才有机会弥补单个 token 收入的减少。价格越便宜,用量反而越大,这就是原文提到的杰文斯悖论(Jevons paradox)。
Tom's Hardware 从支出端提出质疑。据其报道,OpenAI 到 2030 年的算力承诺约为 6000 亿美元,其中包括与 Oracle 的 3000 亿美元协议。总投入和单次推理成本可以朝不同方向走。要判断降价能持续多久,还得看实验室是否披露单位服务成本下降,Anthropic 和 Google 是否继续调低中档价格,以及下一版 Astra 能否在第三方评测里重新拉开与 Sol 的差距。
我的判断
先用 Sol 建基线,再用同一批任务验证 Astra 的溢价。
Cognition 的结果是原文里和代码智能体选型最直接相关的数据。它来自第三方的同一项编码评测,还给了单任务成本。它的局限也很具体:原文没有提供题型分布、各类任务的失败率,或智能体的运行配置。某个模型在基准题上只差半分,到了需要横跨多个包、兼顾兼容性和回归测试的改动里,仍可能出现不同结果。作者让团队重复跑自己的评测,这是一条经验建议,原文没有给出普通团队采用这套策略后的对照数据。
直接统一使用 Astra,省去了给任务分档的工作,是否划算取决于它能节省多少返工和审核时间。统一使用 Sol,账单更容易预测,但也可能让少量难题在多次重试后吃掉节省的费用。还有一种做法是让 Sol 处理常规任务,只把它未通过验收的任务交给 Astra。这个方案也得算上前一轮失败的成本。团队最该比较的是每个通过验收的补丁花了多少钱,以及有多少任务最后仍需人工接手。
能拿来做什么
- 从近期前端或 Node 工单里选一批真实任务,覆盖局部修复、跨模块修改和测试回归。在同一仓库快照上,用相同的工具权限和验收条件分别跑
gpt-6.2-sol和gpt-6.2-astra,记录两者实际用掉的调用轮次与 token。 - 把失败尝试和重试的费用计入每个通过验收的补丁,并单独记录人工返工时间。碰到需要带上大量文件或日志的长请求,核对实际适用的费率。原文提到可能有单独的加价档位,但没给出触发阈值。
- 如果 Sol 在常规任务上达到团队的验收要求,就用它做默认档。对 Sol 反复卡住的任务,用历史样本验证 Astra 能否提高通过率,并把这些样本留作下一次模型升级的回归集。