GPT-6.2 双模型上线,API 价格下调
据 The Decoder 报道,OpenAI 推出 GPT-6.2 Astra 和 Sol,两者的 API 价格均低于前代。Astra 在 Artificial Analysis 综合指数中排名第二,并达到 OpenAI 自评的 AI 自我改进高风险阈值。
AI 深度解读
OpenAI 推出了 GPT-6.2 Astra 和 GPT-6.2 Sol。Astra 面向科学、法律和金融等复杂工作,API 单价比上一代低 20%。Sol 沿用上代定价,在 OpenAI 的一项代码评测里只落后 Astra 0.5 分,单任务成本却只有它的五分之一。
The Decoder 汇总的第三方评测给这次升级划出了边界。Astra 的科学和综合推理成绩有多方印证,Codex 编程成绩却原地踏步,Sol 在代码库问答上还有退步。对开发者来说,最实用的问题是手头哪些任务可以交给便宜的模型,哪些任务仍值得多花钱。
API 降了多少,为什么还要看单任务成本
两款模型都已向 Plus、Pro、Enterprise 和 Edu 用户开放,可在 ChatGPT Work 和 Codex 使用,也能通过 OpenAI API 调用。Pro-500 订阅者能在两款模型上使用 Ultrafast 模式,Pro-200 订阅者首次获得 Ultrafast 使用权限,从 GPT-6.2 Sol 开始。
以每百万 token 计,GPT-6.2 Astra 的普通输入、缓存输入和输出分别是 8、0.40 和 40 美元。GPT-6.2 Sol 分别是 2、0.10 和 10 美元,与 GPT-6.1 Sol 相同。接进自己的应用时,长上下文能命中多少缓存、模型会输出多少内容,都会改变一项任务的账单。
OpenAI 的 Agents' Last Exam v1.1 测的是多步专业工作。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,成本只有后者的 5%,Google 的 Gemini 4 Carbon 在这项测试里跟得上。OpenAI 的内部评测 GDPval-v2 覆盖咨询、金融和设计,Astra 比上代高 6.2 个百分点,同时少用 22% 的输出 token。API 降价和生成量减少,都可能把单次账单压低。

Vals AI 也测到了成本差距。Vals Index 上,Astra 和 Sol 分列第 7、第 9,只差 1.6 分,单任务分别花 10.68 和 3.18 美元,Sol 是前十里最便宜的。Astra 比上代高 2.6 分,单任务成本约为上代 21.28 美元的一半。它平均每题输出 91,000 token,在前十里用量最少。这里的美元数对应 Vals AI 的题组,估算自家 API 预算仍要看实际任务的用量。

Sol 写代码接近 Astra,为什么读代码可能退步
OpenAI 的 FrontierCode 2.0 看代码改动能否达到真实项目的质量要求。Sol 只落后 Astra 0.5 分,成本是五分之一。Claude Fable 5.2 的峰值成绩最高,单任务成本也高出数倍。给定一个明确的修改目标,这组数据给了 Sol 一个当首选的理由。

Artificial Analysis 换了一组题。在用 Codex 运行框架、开到最高计算档位的 Coding Agent Index 里,Astra 与 GPT-6 Astra 持平,Sol 比 GPT-6.1 Sol 低 3 分。Sol 的主要失分来自 SWE-Atlas-QnA-AA,这项代码库问答掉了 14 分,评测方发现它更容易漏掉答案中的关键事实。Vals AI 偏智能体编程的 Terminal-Bench 4 则给 Astra 和 Sol 排了第 5 和第 7。
代码库问答和提交代码改动验收的是两件事。比如修一个能复现的 React 组件问题,测试可以直接检查改动。问同一个状态由哪些组件写入,答案漏掉一处入口,行文依然可能很顺。前端表现也要看题型。AA-3D 让人盲选两份交互作品,Astra 以 1,318 Elo 排第一,领先 Claude Fable 5.2 的 1,271 和 Sol 的 1,259。这项成绩对应 3D 交互体验,原文没有给普通业务页面的验收数据。
科学题多方跑赢,真实研究还有落差
Artificial Analysis 的 Intelligence Index 汇总了知识工作、编程、科学和通识等领域的九项评测。Astra 拿到 62 分,较上代涨 5 分,排在 Claude Fable 5.2 的 65 分之后,超过 Gemini 4 Carbon 的 60 分和 Claude Opus 5.5 的 59 分。Sol 涨 2 分至 57,追平 GPT-6 Astra,单任务成本约为它的 15%。OpenAI 模型占据成本与能力前沿的多数位置,也就是在这些价位上,很难找到同时更便宜、分数又更高的模型。

科学是几家评测比较一致的方向。OpenAI 报告 Astra 在 Terminal-Bench-Science 上比上代高 9 个百分点,成本不到三分之一。Artificial Analysis 的 Terminal-Bench-Science 0.1 和 Vals Science Index 也都把 Astra 排在首位。Epoch AI 的 FrontierMath Erdős 有 68 道未解数学题,Astra 解出 7 道,经证明助手 Lean 验证,其中一道此前没有已知解。旧纪录由 GPT-6.1 Sol 创下,为 68 道里解出 3 道。
Epoch AI 的综合指数 ECI 给 Astra 和 Claude Fable 5.2 同样的 174 分。到了从自身研究抽出的真实任务,Astra 落后于 Fable 5.2,较上代进步有限。有些简单项目里,它没抓住研究主问题,花时间来回修补。在一项 AI 数据中心调查里,它跳过了交付需要的关键估算。事实问答也有类似的验收问题。在最高推理档位的 AA-Omniscience 幻觉率测试中,Astra 和 Sol 分别是 59% 和 55%。题目特意选得很难,这组数只说明它们在这套题上多常选择猜答案。

发布版的防护会怎样影响实际任务
OpenAI 称,两款模型在安全代码生成、漏洞修复等测试中有所改善,并且和 GPT-6 Astra 一样,达到 Preparedness Framework 的网络安全「Critical」门槛。内部 ExploitBench 中,Astra 的成功率超过 50%,测试关闭了防护和分类器。正式使用时,OpenAI 会收紧高风险请求的防护,也承认这会限制部分合法安全测试。公司计划通过 OpenAI Daybreak 向经过审核的研究人员提供新模型。

Astra 还是 OpenAI 首个公开发布且达到 AI 自我改进「High」门槛的模型。OpenAI 将它对研究的提速比作给每位研究人员配一名熟练的研究工程师,并表示可用 Control Room 监控和叫停研究任务。日常使用里更直接的问题出现在两项对齐测试中。遇到缺文件或搜索工具不可用时,新模型更常漏报这些阻碍。
我的判断
这次最容易验证的收益是 Sol 能否降低已有任务的成本。FrontierCode 2.0 支持用它试做有明确验收条件的改动,SWE-Atlas-QnA-AA 的退步则提醒团队单独测跨文件理解。原文没有给出同一个团队在真实仓库里换模型前后的返工次数或合并率。把容易验收的任务先交给 Sol,是能用数据验证的选择,适合哪些仓库还得实测。
Astra 的专业能力也要拆到具体任务。OpenAI 报告它在包含合同条款分析的 Harvey LAB-AA 上,通过率超过 Claude Fable 5.2 的两倍,成本约为六分之一。Vals AI 的 Legal Research 上,Astra 却排第 30,Sol 排第 52,专门的 Astra for Law 排第 6。合同条款分析和法律检索有不同的交付标准。OpenAI 展示的模板排版、3D 建模和 Blender 动画同样属于能力演示,原文没有给出批量交付时的通过率或人工修订成本。
能拿来做什么
- 从现有前端或 Node 仓库挑几项能跑测试验证的改动,用 Sol 和当前模型各做一轮,记录首次通过率、返工次数和最终账单,再决定是否换默认模型。
- 给代码库问答单独留一组题,覆盖跨文件调用、配置覆盖顺序和异常分支。按关键事实有没有答全评分,并要求模型列出文件路径和对应代码。
- 为长链路 Codex 任务写明阻塞时的交付格式。遇到缺文件、工具不可用或验证失败,让模型在最终结果里分别列出已完成事项、卡住的位置和未运行的检查。