GPT-6.2发两款模型,Astra降价两成
据报道,OpenAI 于 11 月 17 日发布 GPT-6.2 Astra 和 Sol,Astra 的 API 价格降至每百万输入和输出 token 分别 8 美元和 40 美元。Astra 在 Artificial Analysis 智能指数中排名第二。
AI 深度解读
OpenAI 把 GPT-6.2 分成了两档。Astra 接手复杂的多步任务,Sol 面向高频日常工作。对开发者来说,最值得算的一笔账是完成一次任务要花多少钱。Astra 的普通输入和输出单价都降了 20%,而 Sol 在 FrontierCode 2.0 上只差 Astra 不到半分,测试成本约为它的五分之一。
选模型时还得看另一组数字。Astra 在 3D 榜上拿了第一,两款模型的编程代理分数却都没有提升,Sol 还掉了 3 分。写一段代码、生成一个界面和跑完整个改库流程,需要分开算账。
Astra 降价 20%,为什么每次任务可能省得更多?
两款模型已经通过 OpenAI API 提供,模型 ID 分别是 gpt-6.2-astra 和 gpt-6.2-sol。它们都是闭源模型,原文列出的使用入口还有 ChatGPT Work 和 Codex。Astra 接替 GPT-6 Astra,知识截止于 2026 年 5 月 18 日。Sol 接替 GPT-6.1 Sol,知识截止于 2026 年 6 月 1 日。
| 每 100 万 token | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| 普通输入 | $8.00 | $2.00 |
| 缓存输入 | $0.40 | $0.10 |
| 输出 | $40.00 | $10.00 |
Astra 的缓存输入较上一代便宜 60%,Sol 沿用上一代定价。OpenAI 还称两款模型完成任务需要更少的输出 token,其中 Astra 在内部 GDPval v2 上少用了 22% 的输出 token,分数高出 6.2 分,Sol 则比上一代高 5.3 分。调用单价和实际用量一起下降,才解释了为什么某些测试的单次成本降幅会超过 20%。
两款都接收文本和图像,返回文本。上下文窗口是 1,050,000 token,最大输入 922,000,最大输出 128,000。长上下文要单独算钱。输入超过 272K token 时,普通输入和缓存输入按 2 倍计价,输出按 1.5 倍计价。Batch 是标准价的 50%。Ultrafast 到 2027 年 2 月 28 日为止按标准价的 3 倍收费,之后是 6 倍。
Sol 写代码接近 Astra,为什么代理分数还降了?
在 OpenAI 报告的 FrontierCode 2.0 上,Sol 与 Astra 相差不到 0.5 分,成本约为五分之一。编程代理指标给出了另一面,两款都没进步,Sol 的 Coding Agent Index 还下降了 3 分。对日常开发来说,单次代码题答得好,能说明模型有机会写出合格的实现。交给代理处理整个仓库,还要看它能否持续读对文件、执行工具并根据测试结果修正。
Astra 的进步更多体现在部分长流程评测上。OpenAI 报告称,Astra 在 Agents’ Last Exam v1.1 比 GPT-6 Astra 高 5.2 分,成本不到三分之一。相较 Claude Fable 5.2,它高 5.5 分,成本为对方的 5%。在 Terminal-Bench-Science 0.1 上,它比上一代高 9 分,成本也不到三分之一。这些比例对应各自的评测条件,原文没有给出普通团队迁移之后的任务成本。
综合榜第二、3D 榜第一,能说明什么?
Artificial Analysis 的独立评测里,Astra 在最高推理档拿到 62 分,每道 Intelligence Index 任务成本是 $4.00。Claude Fable 5.2 以 65 分居首,Gemini 4 Carbon 是 60 分,Claude Opus 5.5 是 59 分,Sol 是 57 分。Sol 追平 GPT-6 Astra,单任务成本约为后者的 15%。AA-3D 上,Astra 以 1,318 Elo 排第一,高于 Fable 5.2 的 1,271 和 Sol 的 1,259。
OpenAI 还称 Astra 能做出更符合模板的幻灯片、表格和文档,以及更好的前端、游戏和 3D 场景。3D 榜给了场景生成一个独立参照,原文没有给出常规前端项目的对照数据。可靠性也要单独看。Astra 在 AA-AnalystAgent 中有 62.5% 的问题连续 5 次答对,但 AA-Omniscience 测得 Astra 和 Sol 的幻觉率分别为 59% 和 55%。这两项衡量的是不同任务上的表现。
我的判断
我会把 Sol 放进日常代码任务的候选名单,把 Astra 用在确实需要多轮推理的任务上。依据是 Sol 在 FrontierCode 2.0 上的成本差距,以及 Astra 在两项长流程评测里的收益。普通团队是否该切换,还得用现有模型做一轮对照。原文给了榜单数据和厂商测试,没有给真实仓库里的通过率、返工次数和人工接管时间。
比起全量切到 Astra,按任务难度分流更容易做小规模验证。对前端项目,3D 榜可以帮助挑选做场景原型的模型。做业务页面、跨文件重构或修构建问题时,我会优先看项目自己的验收结果,再看一次过关的总成本。
能拿来做什么
- 从近期的前端或 Node 任务里挑几道有明确验收条件的题,用当前模型、Sol 和 Astra 跑同一批任务,把重试、人工修正和测试通过情况一并记下来。
- 接入前检查推理档配置。两款模型都不接受
reasoning effort: none。多轮会话里,把稳定的系统提示和项目规则留在前缀,把新指令追加到末尾,按 OpenAI 的建议提高缓存复用。 - 给整仓分析或长日志排障单独统计输入量和缓存命中情况,尤其要把超过 272K token 的请求纳入成本核算。可延后交付的批量任务可以按 Batch 价格试算。