GPT-6.2双模型发布,Sol性能接近旗舰
OpenAI 发布 GPT-6.2 Astra 和 Sol。报道认为 Sol 的性能接近旗舰,但所给材料未列出评测项目或分数。
AI 深度解读
GPT-6.2 Astra 和 GPT-6.2 Sol 同时发布,量子位把最吸睛的 3D 演示放在前面。对程序员来说,更直接的看点是两款模型的分工:Sol 在一项编程评测里只落后 Astra 0.5 分,单任务成本约为它的五分之一。Astra 的升级则更多体现在复杂任务执行、科研和 3D 设计上。
如果你在 Codex 里经常让模型改代码,或者在用 API 批量跑任务,这组成绩可以用来决定先试哪个模型。真正要算的是交付一份能合并的改动要花多少钱,模型单价只是其中一项。
日常改代码,Sol 值得先试吗?
在 Cognition 的 FrontierCode 2.0 中,GPT-6.2 Astra 拿到 44.2%,比 GPT-6 Astra 高 1.4 个百分点。Sol 只落后 Astra 0.5 分,单任务成本约为它的五分之一。在日常任务评测 LifeVal 中,Sol 还超过了 GPT-6 Astra,成本约为后者的七分之一。Artificial Analysis 的综合智能指数也给出了相似的代际位置:Astra 得 62 分,比前代高 5 分,Sol 得 57 分,追平上一代旗舰。
API 按每百万 Token 计费,Astra 输入 8 美元、输出 40 美元,原文称价格下降 20%,缓存输入价格下降 60%。Sol 维持原价,输入 2 美元、输出 10 美元。按普通输入和输出的单价看,Sol 都是 Astra 的四分之一。评测里的五分之一用的是单任务成本口径,原文没有展开具体用量和计费细节。按原文,两款模型均已登陆 ChatGPT Work、Codex 和 API,Plus、Pro 等订阅用户可用。
旗舰的优势体现在哪些任务?
在复杂专业任务评测 Agents’ Last Exam 中,Astra 比前代高 5.2 个百分点,任务成本降至前代的三分之一以下。它比 Claude Fable 5.2 高 5.5 个百分点,单任务成本约为后者的 5%。在 Terminal-Bench-Science 0.1 中,Astra 比前代高 9 个百分点,成本也降至三分之一以下。Vals Science Index 则考察模型能否读懂真实生物数据、设计实验,再根据结果推断模拟系统的规律。OpenAI 据此给出了「全球最强科学家模型」的定位。
3D 也有第三方成绩。Artificial Analysis 的 AA-3D 榜单上,Astra 以 1318 Elo 排第一,Claude Fable 5.2 和 Sol 分别为 1271 和 1259。Elo 是相对评分,能用来看参评模型之间的名次。OpenAI 展示了一条具体的制作流程:Astra 先建汽车 3D 模型,再用 Python 模拟轮胎与悬挂系统的运动,最后用 Blender 生成动画,把行驶画面、悬挂动作和轮胎受力同步呈现。原文还提到,两款模型均达到 OpenAI 的最高网络安全风险等级。DeepBinary 给 Astra 发现的漏洞估算了超过 100 万美元的赏金,前代约为 44 万美元。
表格和幻灯片的改进能看出来吗?
在 GDPval v2 专业工作评测中,Astra 和 Sol 分别比各自前代高 6.2 和 5.3 个百分点,Astra 的输出 Token 减少了 22%。OpenAI 还让新旧 Astra 做了同一道 Excel 题。新版把收入预测、企业估值、每股价值和不同假设下的估值变化放在同一页,方便复核。PPT 示例里,新版给 4 个团队做了 8 款动物主题周边设计,另一份市场分析还补进了 6 款代表性连衣裙的图片和售价。
我的判断
这篇报道最能指导模型选型的是同一项编程评测里的分数和成本。Sol 和 Astra 的差距足够小,可以把「日常任务默认用 Sol,卡住再升级」当成一个待验证的方案。和所有任务直接交给 Astra 相比,这个方案更看重首次通过率。如果 Sol 经常需要重跑、接手或升级,差价会被返工吃掉。原文没给前端或 Node 仓库的分项成绩,也没给两种用法在团队里的返工对照。OpenAI 员工把 Sol 当默认模型,属于内部使用经验。
3D 和办公案例来自 OpenAI 的展示。它们说明模型可以交付什么形态的文件,但文章没给重复运行的成功率。汽车动画能帮助讨论设计思路,悬挂参数和受力结果仍需单独校验。量子位这篇报道也没有提供独立复测。
能拿来做什么
- 在 Codex 里挑几条已经验收过的组件修改、测试补齐或 Node 缺陷修复任务,用同样的仓库上下文分别跑 Sol 和 Astra,记录测试通过情况、人工修改次数和单任务成本。
- 对同一工作流试一次「全程用 Astra」和「Sol 先跑,失败再升级」,把重跑成本和复核时间都计入,看看哪种方式更快交付可合并的改动。
- 需要给前端页面做可交互的 3D 原型时,可以让 Astra 先做模型和交互,再在目标设备上检查加载时间、帧率和操作是否顺手。