GPT-6.2 Sol 在编程基准上接近 Astra
两款模型均已进入 Codex 并开放 API。作者据发布数据指出,GPT-6.2 Sol 在 FrontierCode 2.0 上仅落后 Astra 0.5 分,价格约为其五分之一,文章未包含作者实测。
AI 深度解读
据原文,OpenAI 在 2026 年 11 月 17 日发布了 GPT-6.2 Astra 和 GPT-6.2 Sol。对每天用 Codex 改代码的人,最值得看的数字是 0.5 分。Sol 在 FrontierCode 2.0 上只落后 Astra 0.5 分,原文给出的成本却只有 Astra 的五分之一。
作者建议日常任务先用 Sol,难题再交给 Astra。作者没有上手测试过两款模型,这个建议来自发布数据。真正决定要不要换默认模型的,是你自己的仓库里,一次改动从发出请求到通过验收要花多少钱、耗多少时间。
日常改代码,0.5 分的差距够小吗?
FrontierCode 2.0 看的是代码改动能否达到真实项目的质量门槛。这个问题比模型能不能写出一个孤立函数,更接近程序员在 Codex 里的日常工作。比如修一个公共组件,补丁写得出来只是第一步,还得看它能否通过类型检查、保住调用方依赖的行为,并通过仓库已有的测试。
按原文引用的成绩,Sol 与 Astra 在这项基准上只差 0.5 分,成本低 80%。但 0.5 分是整套题目的分差,无法告诉你差距落在哪类任务上。如果两款模型在单文件修复上表现接近,主要差在跨模块排障,按任务切换就有意义。如果 Sol 经常在你的项目里选错改动范围,重新跑一轮、人工收尾,单次使用的价格优势就会被吃掉。OpenAI 还称,GPT-6.2 Sol 比 GPT-6.1 Sol 更聪明、更高效,同档套餐能做更多任务。原文没有给出作者自己的验证结果。
Astra 的成绩也得找准参照物。OpenAI 报告称,它在测试多步专业工作流的 Agents' Last Exam 上,比上一代 GPT-6 Astra 高 5.2 分,成本不到上一代的三分之一。这个成绩可以用来观察法律、金融、会计和科研等复杂任务上的代际变化。至于一次棘手的前端回归值不值得换 Astra,还得看两款模型在这类任务上的实际表现。
单价降了,跑完一个任务能省多少?
原文给了两组价格变化。GPT-6.2 Astra 的输入和输出价格比 GPT-6 Astra 低 20%,缓存输入低 60%。GPT-6.2 Sol 则沿用 GPT-6.1 Sol 的价格。Astra 的标价与 Claude Fable 5.2 持平,后者在一周前降价 20%。原文没有列出每百万 token 的具体报价,也没有给出团队跑同一批任务的账单。
OpenAI 的说法是,两款新模型都能用更少的输出 token 完成任务。落到代码库里,还得算上反复读取上下文、修正失败补丁的用量,以及人工复核的时间。原文还提到,从 12 月起,Plus、Pro 和 Business 将按 token 计量,在 ChatGPT 和 Codex 间共用一份额度。对于白天用 ChatGPT、晚上用 Codex 跑任务的人,两边的用量要合起来算。实际能做多少任务,原文没有给出足够的细则。
发布时,两款模型面向 Plus、Pro、Enterprise 和 Edu 用户进入 ChatGPT Work 与 Codex,普通 Chat 暂未开放。Enterprise 和 Edu 需要工作区管理员启用,原文也没有交代免费账号或地区限制。API 模型 ID 是 gpt-6.2-astra 和 gpt-6.2-sol,两者首发都支持 Ultrafast。Pro 500 可在两款模型上使用 Ultrafast,Pro 200 首次获得这个模式,从 Sol 开始。
综合榜和安全评级各能说明什么?
在独立机构 Artificial Analysis 的 Intelligence Index 上,Astra 得到 62.1 分,排第二,落后于 Claude Fable 5.2,领先于 Gemini 4 Carbon 和 Claude Opus 5.5。GPT-6 Astra 此前在同一指数上是 57 分,Sol 在最高推理档位拿到 57.3 分。这组分数反映的是综合基准表现,可以看出 Astra 的代际变化。要核实 FrontierCode 2.0 的 0.5 分差距,仍需要独立的代码评测。
安全评级来自 OpenAI 自己的 Preparedness Framework。两款模型的网络安全能力均为 Critical,生物与化学能力均为 High。Astra 还是 OpenAI 首个公开发布、在 AI 自我改进能力上达到 High 的模型。OpenAI 同时报告,Astra 在 ExploitBench Internal Port 上比 GPT-6 Astra 高 22 分。两款模型上线时加强了对高风险网络安全请求的限制,OpenAI 也计划通过 Daybreak 向经过审核的安全研究人员提供访问。原文没有实测这些限制在日常工作流里会如何表现。
模型迭代之间还有一个空档。GPT-6 Astra 在 9 月发布,GPT-6.1 Sol 几周后在 DevDay 推出。原文转述称,GPT-6.1 Astra 在 9 月因未达到 OpenAI 的安全门槛而撤回,因此 GPT-6.2 是 Astra 线自 GPT-6 Astra 以来的首次公开升级。
我的判断
我认同作者把「一次验收通过的改动」当成比较单位。团队实际买的是修好的 Bug、能合并的补丁和可复核的结果。FrontierCode 2.0 足以给 Sol 一个试用机会,但把它设成全团队默认模型,目前仍是经验判断。作者没做上手测试,也没有提供同一仓库、同一批任务的成功率、返工次数和总成本。综合榜有独立成绩,代码基准里的半分差距还缺独立验证。
一直用 Astra 的好处是流程简单,团队少做一层模型选择。Sol 优先、遇到难题再升级的做法,适合有明确验收步骤、失败后能低成本重跑的任务。若第二轮经常要重新读仓库、重新解释问题,升级本身就有成本。接触生产环境的 agent 还要单独考虑权限。模型评级和平台限制会影响请求能否完成,凭据访问和生产写入则由你给 agent 的权限决定。
能拿来做什么
- 从最近完成的前端或 Node 任务里挑一批,例如组件回归、类型报错和测试修复。用同样的仓库快照、提示词和验收命令分别跑 Sol 与 Astra,记下首次通过率、返工次数、总 token 和人工复核时间。
- 先在验收标准明确的任务上试用 Sol。遇到补丁反复失败、问题横跨多个模块,或定位过程迟迟收敛不了,再用 Astra 跑同一任务,看看升级是否真的节省时间。
- 如果团队同时重度使用 ChatGPT 和 Codex,按一周记录两边的 token 用量和完成的任务数。等 12 月共享额度生效后,用相近任务复测,再决定默认模型和 Ultrafast 的使用范围。
- 如果 agent 能访问生产系统,先看 GPT-6.2 system card,再用现有的只读和审批流程验证日常任务能否顺利跑完。把平台限制导致的中断记入工作流评估。