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2026-11-19 16:36

OpenAI 发布 GPT-6.2 Astra 与 Sol

dev.to · AI#OpenAI#模型定价#基准测试
Editor brief · 编辑速览

据报道,OpenAI 于 11 月 17 日推出 GPT-6.2 Astra 和 Sol,Astra 每百万输入和输出 Token 的标价分别为 8 和 40 美元。发布前流传的部分跑分仍未获证实。

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

AI 深度解读

GPT-6.2 Astra 和 GPT-6.2 Sol 在 11 月 17 日发布。回头看,泄露截图猜中了型号,传得最广的 89% 跑分却没有公开证据。对写代码的人来说,更实际的变化是 GPT-6.2 Astra 和 Claude Fable 5.2 的输入、输出标价已经相同,真正的价差要看一项工作做成要花多少钱。

原作者用一次发布、几组公开评测和一笔假设账单,讲清了怎么比较模型。最容易带回团队的做法是留一组能自动验收的真实任务,换模型时重跑一遍,同时看通过率和每次成功的成本。

哪些传闻等到了证据?

从内部模型跑分到 GPT-6.2 发布的时间线

11 月 1 日前后,有用户贴出 Codex 用量页面截图,里面多了 gpt-6.2-astra。11 月 3 日,OpenAI 自己给出了更扎实的线索。BenchCAD 2.0 图表里,一个未命名的内部模型拿到 0.875,当时的 GPT-6 Astra 是 0.594。11 月 16 日汇总的用量截图和云配额条目未经认证,但指向了同一组型号。11 月 17 日,ChatGPT Work、Codex 和 API 上线新模型,API 名称为 gpt-6.2-astra 和 gpt-6.2-sol。

型号猜对了,内部模型的身份仍然空着。正式上线的 GPT-6.2 Astra 在 BenchCAD 2.1 上是 0.825,榜单明确说两个版本的分数无法直接比较。用 0.875 和 0.825 推断模型发布前后退步,缺了同版本测试这个前提。

另一条传闻借用了一个真实数字。11 月 6 日发布的 BioBasicsBench 包含 100 道湿实验数据解读任务,GPT-6 Astra 在 xhigh 推理设置下获得 66.7% 的分数。网传截图把它写成 67%,再附上一行声称 GPT-6.2 Astra 拿到 89%。公开表里只有七个模型,没有 GPT-6.2。Vals AI 的 Science Index 确实把 Astra 排在第一,但那是另一套题。至于来源不明的 Minecraft 风格演示,原作者没有找到可复核的测试条件。

两家旗舰同价,为什么账单还能差三成?

不同模型的输入、缓存和输出标价对比

按原文截至 2026 年 11 月 19 日的口径,每百万 token 的价格如下,单位为美元。

模型 输入 缓存读取 输出
GPT-6.2 Astra $8 $0.40 $40
Claude Fable 5.2 $8 $0.20 $40
GPT-6 Astra 旧价 $10 $1 $50
Claude Opus 5.5 $4 $0.20 $20
GPT-6.2 Sol 和 Claude Sonnet 5.5 $2 $0.10 $10

11 月 9 日,Anthropic 把 Fable 从 $10 / $50 下调 20%。11 月 17 日,OpenAI 跟进同幅降价,缓存读取单价也从 $1 降到 $0.40,降幅 60%。此前有人期待 Astra 做到 $6 / $30、缓存折扣至少 95%。这个愿望只实现了一半,$0.40 相对 $8 刚好便宜 95%,上一代的折扣是 90%。

缓存读取便宜,实际省多少还要算写入。Fable 5.2 的缓存写入按每百万 token 收费,保留 5 分钟是 $10,保留 1 小时是 $16。上下文也有单独的口径。原文援引 Anthropic 文档称,Fable 5.2 的 900K 和 9K token 请求按同一档单价计费。GPT-6.2 Astra 延续 272K 门槛、跨过后整笔请求按更高费率计费,则来自第三方整理,原文未给出官方确认。

客服代理的单次尝试和解决成本示例

原作者假设处理一张客服工单要调用模型 10 次,每次发送 40,000 个输入 token,其中 90% 命中缓存,再生成 1,500 个输出 token。合起来是 360,000 个缓存输入、40,000 个新输入和 15,000 个输出。按标价算,新 Astra 花 $1.06,旧 Astra 花 $1.51,Fable 5.2 花 $0.99。若把 Fable 的新输入写进 5 分钟缓存,示例账单还要加 $0.08。

把成功率放进去,差距立刻更大。每次尝试都花 $1.06,100 次里做成 85 次和做成 65 次,平均每次成功分别花 $1.25 和 $1.64,后者高约 31%。如果输出增加 60%,从 15,000 涨到 24,000 token,单次尝试就会升到 $1.42,贵约 34%。

每项成功任务的成本等于平均尝试成本除以成功率。

实际评测里也能看出用量差异。OpenAI 的 BioBasicsBench 表中,同一推理设置下 GPT-5.2 每题输出 27,620 token,得分 31.2%,GPT-6 Astra 用 4,704 token 拿到 66.7%。Vals AI 则报告,新 Astra 在其指数里平均每项任务花 $10.68,旧 Astra 花 $21.28。新 Astra 平均输出 91,000 token,在该指数前十名中用量最低。这些结果各有自己的任务集,客服工单那笔账则是用标价推算的例子。

怎么把换模型变成一次可重复的测试?

用统一接口对多个模型运行同一组任务

原作者建议把模型名、base URL 和 API key 放进配置,将提示词、工具调用和输出处理的差异集中起来。然后拿 20 到 50 个真实任务,每个任务写一个自动检查。脚本通过 client.chat.completions.create 调用同一个 OpenAI 兼容端点,RUNS = 3,每个案例跑三次。示例从 .env 读取 RELAYROUTER_API_KEY 和 RELAYROUTER_BASE_URL,模型名用的是端点实际接受的 gpt-6.2-astra 和 claude-fable-5-2。

下面这段把每次请求的用量累加起来,再按通过次数摊出成本。

usage = reply.usage
cost += (usage.prompt_tokens * price_in + usage.completion_tokens * price_out) / 1e6
passed += bool(check(reply.choices[0].message.content or ""))
attempts += 1
per_pass = cost / passed if passed else float("inf")

第二行只按输入和输出两档计价,前面算过的缓存写入、缓存命中和长上下文费率都没进来。最后一行应在循环结束后执行,分母为零时用 float("inf") 表示没有成功样本。原文贴出的完整片段还用到了 os.environ 和 os.getenv,但缺少 import os。示例用子串匹配判断金额和情感分类,本来要求只输出一个数字或单词,这种检查连带解释的回答也可能放过。

我的判断

这篇最有用的地方是把「哪个模型最好」落到了团队能重跑的任务上。Artificial Analysis 综合指数里,Astra 拿到 62,高于 Claude Opus 5.5 的 59,低于 Fable 5.2 的 65。Epoch AI 给 Astra 和 Fable 5.2 都打了 174,真实研究任务上却发现 Astra 更弱。BenchCAD 2.1 的自定义运行框架榜上,三者分别是 0.825、0.653 和 0.835,而且各用各家的运行框架。对前端和全栈团队来说,更直接的是 Artificial Analysis 的编程代理指数里,新 Astra 和上一代持平。

OpenAI 报告称,Astra 在 Agents’ Last Exam 上领先 Fable 5.2 约 5.5 分,成本约为对方的 5%,在 Harvey LAB-AA 上的通过率超过两倍,成本约为六分之一。这是厂商在两套特定评测里的报告。Vals AI 把 Astra 排在综合第七,两项法律测试分别排第 11 和第 30。Artificial Analysis 的高难事实题也显示,在最高推理力度下,Astra 和 Sol 分别有 59% 和 55% 的时候选择猜答。这些比例只适用于那组难题,无法拿来估算日常编码中的出错率。

「一个下午接完」是作者的经验判断。原文给了示例脚本,没有提供作者在自家生产任务上的对照结果,也没有测量网关和直连的迁移成本。直连各厂商 SDK,能按各自接口记录用量和工具行为。走网关,接入代码可以少一些,但模型别名、费率和数据处理多了一层。原文的 RelayRouter 段落含推荐返利,是否选它,得看团队实际使用的端点和账单。

能拿来做什么

  • 从编程代理处理过的真实需求里选 20 到 50 个案例。前端改动用组件测试或关键交互验收,Node 接口变更用契约测试校验响应。每个案例跑三次,保留失败结果。
  • 给每次运行记录模型、端点、输入输出量、可见的缓存用量、重试次数和最终结果。把失败与重试产生的费用也加进总成本,再除以做成的任务数。
  • 在 Node 服务里把模型名、base URL 和密钥放进配置,把工具参数和输出校验放在同一处维护。切换前,用生产实际会调用的端点重跑案例,账单按该端点的费率核算。
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
让智能体把一次纠错保存到下个会话
下一篇
排查 Claude Code 与 Codex 额度消耗

资讯速览

dev.to · AI · 2026-11-19 16:36

AI 评分 9.0 / 10

相关标签

#OpenAI#模型定价#基准测试

继续阅读

  • 用线程安全熔断器应对慢接口
  • 让智能体把一次纠错保存到下个会话
  • 排查 Claude Code 与 Codex 额度消耗
  • OpenVINO 提供跨硬件推理优化方案
  • AI 提交门禁为何漏过失败测试