GPT‑6.2 两款模型的成本与编程实测
Astra 较上一代的输入和输出单价均降 20%,缓存输入单价降 60%,Sol 延续前两代定价。两款模型都未做好 Three.js 测试中城市变形成机甲的关键动画,结果仅适用于该任务。
AI 深度解读
GPT‑6.2 Astra 的输入、输出和缓存输入都降价了,Sol 则沿用前两代的定价。作者用骑自行车的鹈鹕、Three.js 城市变形动画和 Codex 长任务举例,发现档位拉高能改善一些画面细节,但两款模型都没做好城市变成机甲的关键一幕。
如果你正在给团队挑日常编程模型,或者想把耗时较长的任务交给 Codex,可以从这篇拿走三个评估维度:一次任务花多少钱,关键需求有没有做到,以及中途需要人接手几次。
Astra 的缓存输入便宜了 60%,一趟任务能省多少?
GPT‑6.2 Astra 面向复杂项目,API 标识为 gpt-6.2-astra。GPT‑6.2 Sol 面向日常工作,强调效率和通用性,API 标识为 gpt-6.2-sol。LLM 命令行工具从 0.38 版开始支持这两款模型。
和 GPT‑6 Astra 相比,GPT‑6.2 Astra 的输入、输出单价各降 20%,缓存输入单价降 60%。缓存输入指命中缓存后按对应费率计价的输入 token。一个长任务里,这部分 token 占比越高,缓存降价对账单的影响就越大。要算整趟任务能省多少,得把各类 token 的实际用量乘以对应单价,再加起来。
Sol 延续前两代的定价,输入、输出单价都是 GPT‑5.6 Sol 的一半。原文的价格表有些项目标为「未列出」,能确认的只有价格信息缺失,缓存是否支持、怎么收费仍需另外确认。
档位拉高后,画面细节和关键动作各改善了多少?
「鹈鹕骑自行车」测试比较了 high、xhigh 和 max。high 的细节较少,骑车动作仍然看得清。max 多了有层次的羽毛、飘动的红围巾,也画出了翅膀扶车把的姿态。max 和 xhigh 的踩踏更像真的,两只脚一高一低,一侧翅膀向前伸。
换到 Three.js,验收条件更具体。作者在 Codex CLI 里用 Ultra 档位,要求模型用 OpenStreetMap 数据把扬克斯市变成一台巨型机甲,让它有表现力地站起来,再穿过曼哈顿、皇后区和布鲁克林。两款模型都没做好「城市变成机甲」的过程。只看这个效果,作者给出的评价低于 Claude Fable 5.2 和 Gemini 4 Carbon。
作者还用 GPT‑6.2 Astra 在 Codex 桌面应用里制作对比视频,要求输出 2000 × 2000 像素的方形视频,时长从 10 秒改为 20 秒。这个案例涉及素材编排、文字叠加和输出规格调整。原文列出了要求,没给出足以判断最终成片质量的对照结果。
能调度子智能体,为什么任务还会停下来?
原文提到一条反馈。制作游戏关卡约两小时后,模型询问用户,某个审查子任务应该把片段写进哪个内部文件。随后它进入等待,任务也停了下来。
对长任务来说,这类问题的成本来自等待。只要那个文件名可以按项目约定决定,用户就没必要中途回来看一眼。这个案例说明内部决策也可能卡住长任务,原文没有给出复现次数,发生频率仍不清楚。
我的判断
Three.js 这个例子最有参考价值的地方,是它有一个能直接检查的验收点。播放动画,看看城市有没有在镜头里变成机甲,就能定位模型漏掉了什么。只看最终截图,或者给几种不同类型的产物打一个总分,这个问题很容易被画面细节盖过去。
鹈鹕的例子适合看看同一提示词下各档位具体改了什么。至于换模型后能省多少、长任务会不会少打断人,原文没给同任务的完整费用对照,也没有多轮人工介入记录。这些是任务样本和个案观察,离团队选型还差一轮贴近自身工作的对照。
能拿来做什么
- 用团队已有的一个代表性长任务对比 Astra 和 Sol,记录模型标识、运行档位、输入与输出 token、缓存命中的输入量,以及最终费用。
- 给 Three.js 动画写清楚必须在镜头里完成的动作,用同一份提示词和验收条件比较模型,单独检查最难的过渡过程。
- 把内部文件命名等可逆决定交给 Codex 按项目约定处理,跑完后记录它在哪一步请求人工介入、当时缺的到底是什么信息。