GPT-6.2 双模型开放 API,Astra 降价
OpenAI 推出面向高难任务的 GPT-6.2 Astra 和面向日常任务的 Sol,两者均已开放 API。Astra 每百万输入和输出 token 分别为 8 美元和 40 美元,缓存输入为 0.40 美元,Sol 延续 GPT-6.1 的定价。
AI 深度解读
GPT-6.2 Astra 和 Sol 这次更新,最值得关注的是完成任务的成本:原文称,新模型能用更少的输出 token 处理复杂工作,Sol 在部分测试里还能以更低成本接近 Astra。但官方成绩与独立体验并不完全一致,尤其是沟通方式和动画生成表现。
对程序员来说,这篇资讯的价值是提供选型线索:日常任务是否可以交给 Sol,复杂任务是否值得升级 Astra,长时间运行的 agent 又能省下多少。下面的发布信息和成绩均按所给原文转述,未另行核验。
价格降了,但要分清省的是哪笔钱
据原文,OpenAI 于 2026 年 11 月 17 日发布两款模型:GPT-6.2 Astra 面向最困难的任务,GPT-6.2 Sol 面向日常工作。API 标识分别是 gpt-6.2-astra 和 gpt-6.2-sol,Simon Willison 发布的 LLM 0.38 已支持它们。
Astra 的输入、输出价格分别为每百万 token $8/$40,比 GPT-6 Astra 低 20%;缓存输入为每百万 token $0.40,原文称缓存价格降幅为 60%。Sol 则维持 GPT-6.1 的 $2/$10 定价。
这里有两条省钱路径。一条是单价降低,另一条是完成同样的工作需要更少的输出 token。OpenAI 还据此宣称,用户可以在相同订阅额度内完成更多任务,但原文没有提供具体的额度消耗对照。
对 agent 开发者,缓存输入可能更有吸引力。多轮任务常常反复携带相同上下文,命中缓存后,这部分输入可以按更低价格计费。不过,原文没有交代缓存命中条件、有效期,以及 60% 降幅的具体比较基准,不能直接拿它估算自己的账单。
应该比较的是完成一次合格任务的总成本,token 单价只是其中一项。
官方跑分很强,为什么实际评价仍然分裂
OpenAI 给 Astra 的主要证据来自复杂任务测试。在 Agents' Last Exam 上,它比 GPT-6 Astra 高 5.2 分,成本不到后者的三分之一;比 Claude Fable 5.2 高 5.5 分,成本为后者的 5%。在 Terminal-Bench-Science 0.1 和 Vals Science Index 上,OpenAI 也称其刷新成绩,并将它定位为面向科学家的最强模型。
这些属于官方测试结论,原文没有展开任务配置和成本计算方法。这里的「成本」也不能直接等同于 API 单价。
Sol 的数据更贴近日常选型。在 Cognition FrontierCode 2.0 上,它只落后 Astra 0.5 分,成本约为五分之一;在 LifeVal 上,它超过 GPT-6 Astra,成本约为七分之一。OpenAI 还称,许多员工已经把 Sol 作为技术与非技术任务的默认模型,但这只能说明内部使用偏好,不能替代外部评测。
独立反馈给出了另一面。按原文转述,Willison 指出 Astra 在不同基准上并非总能超过 Claude Fable 5.2;他的动画提示词测试中,两款 6.2 模型都落后于 Fable 5.2 和 Gemini 4 Carbon。用户还反馈沟通风格令人困惑,Theo Browne 提到,模型使用子代理时会询问一些古怪的内部实现问题。
这对前端开发尤其有参考意义。科学任务成绩高,并不能保证动画效果、视觉表达或协作过程同样出色。
还有一处比较口径需要保留:Willison 指出,Fable 5.2 的榜单成绩排除了九个使用备用模型的任务。这个脚注说明比较条件存在差异,但原文没有给出统一口径后的结果,无法据此重新判定胜负。
我的判断
我更认可把 Sol 纳入日常任务候选,再验证哪些工作确实需要 Astra。原文提供的成本差距足够支持试用,却不足以支持全面迁移。
Astra 的优势证据集中在特定基准;Sol 接近 Astra 的结论,也只在列出的测试中成立。它们能否稳定修改现有项目、减少返工、顺畅执行子代理任务,原文都没有充分回答。
相比「直接选旗舰」,按任务选择模型更符合这些数据。但这仍是选型推断,原文没有提供团队长期使用的对照数据。动画测试也只能作为一个具体反例,不能扩展成对全部前端能力的排名。
能拿来做什么
- 为现有 AI 编程流程准备一组真实任务,让 Sol 和 Astra 分别处理同类修改,记录验收结果、重试次数、耗时和总费用,再决定默认模型。
- 如果正在开发多轮 agent,先检查重复上下文是否实际命中缓存,再估算每百万缓存输入 token $0.40 能节省多少费用。
- 涉及动画或视觉交互时,用项目自己的提示词和验收标准比较模型;原文的动画测试已经提示,通用榜单不能代替这类验证。
- 使用 LLM 工具的开发者可以关注 0.38 的支持,并在调用配置中区分
gpt-6.2-astra与gpt-6.2-sol,方便比较同一任务的结果。