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2026-11-21 20:52

GPT-6.2 Sol 编程跑分接近 Astra

dev.to · AI#OpenAI#编程评测#推理成本
Editor brief · 编辑速览

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。

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

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。

屏幕上的下行趋势示意图

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。
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 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
让编码智能体复用设计系统排版组件
下一篇
开源数据集收录 66 条编程智能体实战轨迹

资讯速览

dev.to · AI · 2026-11-21 20:52

AI 评分 9.0 / 10

相关标签

#OpenAI#编程评测#推理成本

继续阅读

  • 用 CI 检查编码智能体有没有漏掉需求
  • 让编码智能体复用设计系统排版组件
  • 开源数据集收录 66 条编程智能体实战轨迹
  • 在无头模式下复测 Claude Code 指令冲突
  • 持续追加的项目日志触发智能体读取上限