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 14:22

GPT-6.2 登陆 Codex,Astra 单价降两成

dev.to · AI#OpenAI#Codex#模型选型
Editor brief · 编辑速览

据文章报道,OpenAI 发布 GPT-6.2 Astra 和 Sol,两款模型均可通过 Codex 和 API 使用,前者面向复杂长程任务,后者面向日常和智能体任务。文章称 Astra 的输入和输出单价均下降 20%,Sol 延续 GPT-6.1 Sol 的定价。

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

AI 深度解读

OpenAI 在 2026 年 11 月 17 日发布 GPT-6.2 Astra 和 GPT-6.2 Sol。原文最值得看的是两笔账:Astra 在一项长任务评测里得分更高,输出 token 却少了 22%;Sol 在一项编程评测里只落后 Astra 不到 0.5 分,成本约为后者的五分之一。

如果你在给编程 Agent 或批处理服务选模型,可以先让 Sol 跑日常任务,再看 Astra 能否减少复杂交付的返工。比较时,把输入、缓存命中、输出和重跑都算进去,才能知道一次任务做完到底花了多少。

Sol 可以做默认,Astra 留给交付要求高的任务

Sol 面向日常任务和 Agent 工作流,原文建议优先用它跑批处理、分类和摘要。FrontierCode 2.0 上,Sol 与 Astra 的分差在 0.5 分以内,成本约为后者的五分之一。这个结果适合拿来决定先测谁,具体到你的仓库,还得看测试通过率和重跑次数。

Astra 面向耗时更长、交付要求更细的工作,包括文档、表格、幻灯片、CAD/3D 和计算机操作。原文提到,仅提供现有幻灯片的截图,Astra 就能按截图匹配布局、配色和字号。它也能操作 CAD 和仿真工具,检查零件如何配合、设计改动后载荷如何传递,并在制造前测试修订方案。它还能生成在浏览器里运行的交互式 3D 内容。

GPT-6.2 Astra 和 Sol 的定位与能力

两款模型从发布当天起就在 Plus、Pro、Enterprise 和 Edu 的 ChatGPT Work 与 Codex 中提供,Enterprise 和 Edu 需要管理员启用。API 模型 ID 分别是 gpt-6.2-astra 和 gpt-6.2-sol。Ultrafast 要单独看套餐,Pro 500 覆盖两款,Pro 200 起初提供 Sol。

输出少了 22%,能省多少钱还要看缓存

GDPval v2 是 OpenAI 用长周期、项目式任务做的内部评测。Astra 比 GPT-6 Astra 高 6.2 分,同时少用了 22% 的输出 token。这两项数据来自同一项评测,可以一起看。API 按每百万 token 计价,Astra 的普通输入和输出单价较 GPT-6 Astra 各降 20%,缓存输入单价降 60%。Sol 则沿用 GPT-6.1 Sol 的价格,评测得分有所提高。

GPT-6.2 Astra 和 Sol 的评测结果与 API 定价

按原文给出的 Astra 价格,每百万缓存输入 token 是 $0.40,每百万输出 token 是 $40.00,相差 100 倍。一条请求里,系统提示词、工具定义和固定上下文经常重复。把这些内容放在开头并保持稳定,将新指令追加到会话末尾,重复的前缀才有机会按缓存价计费。每次请求都改写开头,会让原来的前缀缓存失效。跨轮保留推理状态则要看所用 API 是否支持。

高风险安全测试可能遇到更严格的限制

按 OpenAI 的 Preparedness Framework,两款模型都达到网络安全的 Critical 阈值,以及生物和化学领域的 High 阈值。原文称,更高风险的网络安全请求会受到更严格的防护,部分漏洞研究和安全测试流程可能受限,但没有列出具体受影响的操作。Astra 也是 OpenAI 首个公开发布、达到 AI 自我改进 High 阈值的模型。

我的判断

按任务成本选模型,比按模型档位选更适合工程落地。原文引用了 OpenAI 公告及 Artificial Analysis、Cognition、Harvey 的公开评估,也提醒不同评估方的分数会有差异。GDPval v2 给出了同场评测里的分数和输出量,可以支持「Astra 在这组任务里用更少输出拿到更高分」。原文没有给出团队代码库里的对照数据,前端任务优先用 Astra 属于经验判断,尤其不能从幻灯片还原和浏览器 3D 的例子推断普通组件改动也能少返工。

全部用 Astra,接入简单,但重复任务也会按 Astra 的价格跑。先用 Sol、验收失败再升级,可以压低重复任务的开销,代价是升级的任务要多跑一轮。有明确验收条件的任务适合试这种路由。必须遵循模板、人工修订又费时的交付,可以直接测 Astra 是否节省总工时。

能拿来做什么

  • 在 Node 的分类和摘要管道里先用 gpt-6.2-sol 跑一批已有样本,记录格式校验通过率、重跑次数和每条验收通过的结果花了多少钱。
  • 给前端编程 Agent 挑几条真实工单,用同一套构建、测试和人工验收标准对比 Sol 与 Astra,再决定哪些任务一开始就该交给 Astra。
  • 把系统提示词、工具定义和固定上下文放在请求前缀,把工单内容和本轮指令追加到末尾。上线后按任务记录缓存命中和输出 token,确认实际账单有没有降。
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
测试全绿也要审查编程智能体的改动范围
下一篇
给 AI 智能体的知识库写入加一道审核

资讯速览

dev.to · AI · 2026-11-18 14:22

AI 评分 9.0 / 10

相关标签

#OpenAI#Codex#模型选型

继续阅读

  • AI 前台如何避免报出过期价格
  • 测试全绿也要审查编程智能体的改动范围
  • 给 AI 智能体的知识库写入加一道审核
  • 给支付智能体加五项独立校验
  • Pipecat 修复工具进度回调误取消超时