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 01:45

GPT-6.2 Astra 与 Sol 登陆 Codex

OpenAI News#OpenAI#Codex#AI 编程
Editor brief · 编辑速览

OpenAI 发布 GPT-6.2 Astra 和 Sol,覆盖 ChatGPT Work、Codex 和 API。据官方介绍,新模型改善了专业任务输出、编程及计算机操作能力,并提升效率、降低成本。

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

AI 深度解读

OpenAI 把 GPT-6.2 分成两档。Sol 主打日常编程和多步任务,Astra 主打复杂改动、专业文档和交互设计。对开发者来说,最有参考价值的是两组数字。Sol 在真实仓库的代码评测里只落后 Astra 0.5 分,成本约为后者的五分之一。Astra 则在跨文件、跨工具的长任务里同时提高了分数、压低了成本。

选模型时,可以把账算到一次任务真正交付为止。除了 API 账单,还要看测试是否通过、人工改了几轮,以及模型卡住时有没有说清楚。

日常改代码,Sol 能做到哪一步?

Cognition 的 FrontierCode 2.0 用真实代码库出题,看提交的改动能否达到维护者的合并标准。GPT-6.2 Sol 和 GPT-6.2 Astra 都开到 max 时,Sol 只差 0.5 分,单任务成本约为 Astra 的五分之一。这个评测离日常开发比较近,因为它考的是能不能在现有项目里把事情做完。原文只给了总体差距,没给分任务结果,因此看不出 Sol 在哪些改动上容易掉队。它在 LifeVal 的高难度日常任务中也超过了 GPT-6 Astra,成本约为七分之一。

Astra 的优势更多体现在长流程。Agents’ Last Exam 考的是多步骤专业工作。GPT-6.2 Astra 比 GPT-6 Astra 高 5.2 分,成本不到三分之一。它比 Claude Fable 5.2 高 5.5 分,成本是对方的 5%,但后者的榜单成绩排除了 9 道使用备用模型的任务。至于 Astra 能把复杂代码改得更干净、测试写得更聚焦、返工更少,原文给的是早期试用反馈,没有量化到代码审查环节。

模板和交互是 Astra 的两项强项

OpenAI 内部的 GDPval v2 取材于咨询、金融和设计的真实多步任务,并提供当时团队收到的文件和消息。GPT-6.2 Astra 比 GPT-6 Astra 高 6.2 个百分点,输出 token 少了 22%。GPT-6.2 Sol 比 GPT-6.1 Sol 高 5.3 分。演示文稿是一个直观例子。原文称,给 Astra 原文件或截图,它能沿用版式、颜色和字号,也能把原稿的写作风格带进新页。ClickUp 在应用、仪表盘和幻灯片的盲测中报告,Astra 略胜其生产模型,token 用量约少 40%,复审轮次约少 30%。

交互设计的证据来自 Artificial Analysis 的 AA-3D。评委体验同一提示生成的两个匿名作品,再投票选出更喜欢的一个。Astra 以 1,318 Elo 排第一,Claude Fable 5.2 为 1,271,Sol 为 1,259。这组排名反映的是评委对成品体验的偏好。原文还演示了 Astra 建汽车底盘的 3D 模型、用 Python 写轮胎和悬架的求解器,再把结果放进 Blender 做动画。演示交代了流程能走到哪一步,没给仿真误差。

API 怎么计费,接入时还有哪些变化?

Astra 的标准 API 费率按每百万 token 计,输入 $8、缓存输入 $0.40、输出 $40。相较 GPT-6 Astra,普通输入和输出单价各低 20%,缓存输入单价低 60%。Sol 沿用 GPT-6.1 Sol 的费率,三项依次是 $2、$0.10、$10。OpenAI 建议两款模型都保持提示词前缀不变,把新指令追加到对话里,以提高缓存复用率、降低延迟和费用,并保留跨轮推理。

按公告,两款模型面向 Plus、Pro、Enterprise 和 Edu 用户开放,可在 ChatGPT Work 和 Codex 使用。Pro 500 两款都能开 Ultrafast,Pro 200 首批支持 GPT-6.2 Sol,符合条件的 Enterprise 和 Edu 用户需要管理员启用。API 模型 ID 是 gpt-6.2-astra 和 gpt-6.2-sol,两款在发布时都支持 Ultrafast。

接入自动化时还有一处容易漏看。两款模型在模拟办公任务中较少采取不当操作,却在两项测试中更容易省略阻塞信息,例如缺文件或搜索工具不可用。OpenAI 称,给 Codex 增加指令后,这类遗漏明显减少。安全相关任务也有测试口径差异。公告里的网络安全评测关闭了防护和分类器,正式版本则收紧了高风险请求的限制,部分合法研究和测试流程也会受到影响。

我的判断

FrontierCode 2.0 的结果足以支持把 Sol 放进日常编码的首轮试跑。和全程用 Astra 相比,先用 Sol、遇到明确失败再升级,适合有自动测试和验收条件的团队。升级也会重复读取上下文,有时还得重做一轮。原文没有比较过这两种工作方式,也没有给出同一仓库的合并率、审查耗时或重试分布。五分之一是榜单里的单任务成本,拿来做团队预算还差一轮自己的测量。

Astra 更适合优先试在返工代价高、交付样式又明确的任务上。给它一份合格样稿,比只说「做得专业一点」更容易验收。ClickUp 的盲测给了复审轮次这个实际指标,但原文没公开生产模型或任务分布。早期用户对代码风格和文档观感的评价仍是经验之谈。AA-3D 的名次也只能回答评委更喜欢哪个成品,要上线的前端还得另测键盘操作、移动端布局和渲染性能。

能拿来做什么

  • 从近期 PR 里挑几项能复跑的任务,例如 Node 接口修复、组件重构和跨模块改动。让两款模型用同一提交、任务说明和测试命令跑一遍,记录合并前的人工修改量、耗时与总费用。
  • 做交互原型时,给两款模型同一份设计参考、组件规范和可操作的验收条件。评审时直接体验页面,再检查响应式布局、交互状态和键盘操作,把首稿观感与上线前的返工分开记。
  • 给多轮 API 请求保留固定前缀,把本轮需求和新约束追加到对话末尾。对比调整前后的缓存输入用量、单任务费用和延迟。
  • 让编码代理在交付时列出实际运行的检查、失败的步骤和缺失的依赖。CI 可以根据真实的命令退出状态决定是否进入下一步,避免把代理的一句「已完成」当作测试结果。
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 OpenAI News,原文版权归原作者所有。

阅读原文
上一篇
GPT-6.2 双模型发布引发社区讨论
下一篇
从内存读取成本理解行存与列存

资讯速览

OpenAI News · 2026-11-18 01:45

AI 评分 9.0 / 10

相关标签

#OpenAI#Codex#AI 编程

继续阅读

  • 实测 Rust 开源模型网关 Respan
  • GPT-6.2 双模型发布引发社区讨论
  • 从内存读取成本理解行存与列存
  • Agent 追踪中为何会重复统计令牌
  • 用 AST 提前发现 FastAPI 循环导入