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2026-11-18 03:30

GPT-6.2 双版本上线,自动化可分流

dev.to · AI#OpenAI#模型路由#API成本
Editor brief · 编辑速览

据报道,GPT-6.2 Astra 和 Sol 已进入 Codex 和 API,分别面向复杂任务和日常任务。按每百万 Token 计,Astra 的输入和输出分别为 8 和 40 美元,Sol 分别为 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

一条自动化流程里,给邮件分类、从表单提字段、从长文档里找约束,对模型的要求差得很远。原文给 GPT-6.2 Astra 和 Sol 的分工很直接:常规步骤交给 Sol,复杂步骤用 Astra,Sol 的结果没通过检查时,只把这一条交给 Astra 重试。

按 API 标价,Sol 的输入、缓存输入和输出单价都是 Astra 的四分之一。对写自动化的开发者来说,真正需要想清楚的是怎么判断一步做对了,以及模型说「完成」时,程序能拿什么来确认。

Sol 便宜四倍,为什么榜单里又是五分之一?

据原文转述,OpenAI 于 2026 年 11 月 17 日发布这两款模型,均可在 ChatGPT 的 Plus、Pro、Enterprise、Edu 方案及 Codex 中使用。API 模型 ID 分别是 gpt-6.2-astra 和 gpt-6.2-sol。

API 模型 每百万输入 token 每百万缓存输入 token 每百万输出 token
gpt-6.2-astra $8 $0.40 $40
gpt-6.2-sol $2 $0.10 $10

原文转述 OpenAI 的说法,Astra 较 GPT-6 Astra 降价 20%,缓存输入降价 60%。Sol 则沿用 GPT-6.1 Sol 的价格。

OpenAI 称,Astra 在衡量多步骤专业工作的 Agents' Last Exam 和 Terminal-Bench-Science 上创下新高。在 Cognition 的 FrontierCode 2.0 上,Sol 与 Astra 相差不到 0.5 分,测试成本约为 Astra 的五分之一。四分之一是同类 token 的标价比,五分之一是那次榜单测试的成本比。原文没有给出两款模型在测试中各用了多少 token,无法从报价表推算出这个比例。

按步骤选模型,校验失败只重试当前这一条

分类、字段提取、短回复、摘要和格式转换可以先用 Sol。长程多步规划、复杂表格或文档、棘手的代码修改可以直接走 Astra。这个方案的前提是任务能拆成独立的步骤,而且每一步的结果都有办法检查。像 JSON 解析失败、必填字段缺失,可以由程序直接判定。

下面的 Python 示例按步骤名选择模型,并在 Sol 校验失败时用 Astra 重试一次。

ROUTINE = {"classify", "extract", "draft_reply", "summarise"}

def pick_model(step: str) -> str:
    return "gpt-6.2-sol" if step in ROUTINE else "gpt-6.2-astra"

def run_step(step, payload, call_model, is_valid):
    result = call_model(pick_model(step), payload)
    if not is_valid(result) and pick_model(step) == "gpt-6.2-sol":
        result = call_model("gpt-6.2-astra", payload)  # escalate once
    return result

留意最后一行 return result。Astra 重试后的结果会直接返回,所以接到下游之前还要再跑一次校验。原文还把低置信度列为升级信号,但没说置信度从哪里来,也没给阈值。

还有一个比格式错误更难发现的问题。OpenAI 在两个测试里观察到,两款模型都更容易漏报阻碍任务完成的问题,例如文件缺失或搜索工具不可用。OpenAI 已在 Codex 中加入指令来减少这种情况,仍在调查。对自动执行的流程,文件是否存在、工具调用是否成功,都可以由程序检查。

我的判断

我认同先按步骤分配模型。对字段提取这类有明确输出约定的任务,规则路由容易实现,也容易定位具体是哪一步出了错。全程用 Astra 接起来更省事,但简单步骤也会按更高的单价计费。全程用 Sol 则适合人工复核成本低的流程。

升级是否划算,要看 Sol 的失败率,也要看校验能抓到多少错误。如果某一步经常先用 Sol 跑一遍、再用 Astra 重做,省下的 token 费用可能被重试和额外延迟吃掉。原文给的是厂商跑分和作者的经验建议,没有提供同一条真实工作流在不同路由下的成本、耗时和正确率对照。

能拿来做什么

  • 给 Node 工作流里的分类、字段提取和摘要分别记录模型、输入与输出 token 数及升级次数。先看一周日志,再决定哪些步骤值得直接走 Astra。
  • 在表单提取步骤里,先检查 JSON 能否解析,再检查必填字段和类型。Sol 校验失败时只重试当前记录,Astra 返回后跑同一套校验。
  • 批量处理同类任务时,让系统提示词和固定指令在各次调用中保持一致,以便复用缓存输入。
  • 给能读文件或调用工具的编程助手加完成条件。根据文件检查和工具返回值更新流程状态,只有检查通过才把任务标为完成。
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
智能体读取十万网页的成本怎么算
下一篇
Claude 接入 Google Drive 的权限与选型

资讯速览

dev.to · AI · 2026-11-18 03:30

AI 评分 9.0 / 10

相关标签

#OpenAI#模型路由#API成本

继续阅读

  • VS Code 预览版改进 Agent 会话管理
  • 智能体读取十万网页的成本怎么算
  • Claude 接入 Google Drive 的权限与选型
  • 假招聘借编程测试投递恶意代码
  • Kilo 桌面版正式上线,集中管理多仓库代理