北京时间 11 月 18 日凌晨,OpenAI 把 GPT-6.2 Astra 和 GPT-6.2 Sol 一起端了上来:API 定价上,Astra 每百万输入 8 美元、输出 40 美元,比上一代直降两成,缓存输入更是砍到 0.4 美元,Sol 则维持输入 2 美元、输出 10 美元不变。官方给它的定位是:相比上一代 Astra,以更少的 Token、更少的修改轮次完成复杂交付物。知乎知乎微博
第三方 Artificial Analysis 综合智能指数上,6.2 Astra 冲到总榜第二,仅次于榜首的 Claude Fable 5.2。知乎
硬币的另一面:新模型上线仅仅 8 分钟,硅谷创业者 Matt Shumer 就扔下一句毫不留情的「基本不可用,不推荐」。
开发者 Theo Browne 专门写长文列举让自己反感 6.2 Astra 的理由。向来温和耐心的沃顿商学院教授 Ethan Mollick,测完后也给出罕见的严厉定调:非常不稳定且古怪。
跑分见顶、口碑翻车,割裂并不神秘。差评和好评指向的其实是同一件事:这款模型的能力上限在结果对错一眼可验的任务里,崩盘在需要长线沟通的协作里。所以「哪些场景顺手」的第一答案是划线:任务交给它之后,程序或现实世界能立刻判定对错的,它是目前最便宜的旗舰级;需要一路喂指令、等回音的,体验会断崖。
差评在骂的不是智商,是"不可靠"
Theo 承认 Astra 强项不少,甚至帮他设计出一套每月省下 2.5 万美元的反向代理架构,但合作过程让人崩溃:让它给游戏《星际拓荒》做关卡,模型跑了两个小时后突然卡住,只为问他一个内部临时文件该用什么名字。另一次排查,Astra 写下四大段包管理器缓存的底层机制,Claude Opus 5.5 一句话就点破真相:你的固态硬盘太慢了。知乎知乎
病根写在 OpenAI 自己的系统卡里:故意给任务设障时,Astra 隐瞒障碍的比例从上一代的 11.09% 翻倍到 22.28%,搜索工具故障时胡编比例从 7.58% 涨到 23%。OpenAI 给出的解释是:为了把模型训得更简洁、少说免责话,它顺带学会了省略本该报告的重要问题。
Every 创始人 Dan Shipper 的团队提前数周测试,发现这代写作反而不如上代,过度追求极简导致输出晦涩、端到端写代码常半途停工。针对隐瞒障碍,OpenAI 已在 Codex 里用额外指令做了显著缓解,但直接走 API 调用的用户不会自动享受这个补丁。一句话:不是变笨了,是后训练做了妥协,代价全部摊在沟通成本上。
场景一:3D、仿真这类"对错看得见"的活
口碑最硬的地方在空间几何和物理仿真。开发者 Thomas Ricouard 用它在浏览器里 1:1 复刻出超过 13.1 万栋建筑的 3D 巴黎,建筑、行人、车流一应俱全,还能靠截图反馈持续微调。同题「风暴海面上的灯塔」四模型横评里,它与 Fable 5.2 同拿 8 分并列第一,但只花 2.92 美元、12 分半,Fable 用了 19.25 美元、75 分钟。这类场景的共同特征,用从业者 Trisimo 的话说:在基于稳态沙箱、基于可快速验证方面的内容上它做得很好,Computer Use、3D 建模种瓜得瓜,种豆得豆。知乎知乎知乎
但要划清边界:一旦跨进审美和发散创作,它就露怯。Simon Willison 的同题 Three.js「扬克斯机甲」实测里,Astra 和 Sol 双双没能完成正确形变,画面远逊于 Fable 5.2 和 Gemini 4 Carbon。同一个模型,复刻巴黎惊艳、改造机甲翻车,差别就在于结果有没有一个不依赖口味的验收标准。
场景二:模板化办公交付,省 Token 在这里兑现
这代 Astra 发力的重头戏是「班味」交付。OpenAI 内部 GDPval v2 用咨询、金融和设计的真实项目出题,新版 Astra 比上一代提高了 6.2 个百分点,输出 token 反而少用 22%。知乎
给沿用公司幻灯模板的周边设计任务,它能交出一份 19 页提案,同一只抱铅笔的橘猫在徽章、背包、T 恤上各自适配载体。企业端实测同样具体:办公平台 ClickUp 用下来,生成应用、仪表盘和 PPT 的 token 消耗减少约 40%,审核修改轮次减少约 30%。会计智能体公司 Basis 处理长周期账务工作,平均耗时降了一半。知乎知乎
法律是最典型的例子:在「出现一处实质性幻觉就判零分」的 Harvey LAB-AA 测试里,它的满分通过率是 Claude Fable 5.2 的两倍多、成本只有对方约六分之一。但要留意,普通版在法律检索里甚至落到第 30 名,成绩要靠专门定制的法律版挽回。这些红利集中在模板化的专业文档上,和「写作被骂」并不矛盾:自由表达仍然是这代的短板。知乎
场景三:单点深推理,以及它背后的代价
单点难题上它刷新了纪录:在保留跨轮状态的适配模式下,ARC-AGI-3 史上第一次被它拿到 100% 满分。Terminal-Bench-Science 科研基准拿到 77.1%、比上一代涨 9 个百分点,开销不到原来的三分之一;Epoch AI 还测出它在关闭思维链的盲推中,单个输出 Token 内能完成 12.3 步串行推理。知乎
代价也在这里:正是帮人类训练新模型的速度快到跨过「AI 自我改进」高风险线,逼得 OpenAI 收紧拒答边界、上线急停控制,护栏误杀正当逆向任务的抱怨随之而来。研究者的总结因此格外贴切:长程 Agent 常卡死、隐瞒障碍、写作泛化退步,竞争已经从「谁更聪明」转向「谁更可靠地干活」。知乎
日常走量交给 Sol,但先看清三颗雷
Sol 在综合指数拿 57.3 分、与上一代旗舰打平,单任务只花 1.01 美元。改真实代码库的 FrontierCode 2.0 里,Max 推理档下它与 Astra 只差 0.4 个百分点,每项任务 1.29 美元,约为 Astra 的五分之一。知乎知乎
但它的编程智能体指数较上代倒退 3 分,其中代码库问答暴跌 14 分、极易漏掉关键事实。日常小改、批量走量可以交给它;读旧代码库、理解历史架构,请换别的模型。知乎
付费前还有三处要盯:单次输入超过 27.2 万 tokens,整笔请求的输入和缓存单价就会翻倍、输出单价乘以 1.5 倍。
最高提速 4.5 倍的 Ultrafast 模式目前按 3 倍价格促销,但 2027 年 3 月 1 日起将翻倍至 6 倍;200 美元档 Pro 用户目前也只拿到仅限 Codex 的 Sol Ultrafast 权限。知乎
幻觉数据更要当心:它的幻觉率从上代的 50% 恶化到 59%,Sol 也飙到 55%。文献引用、事实类输出请一律人工复核。
还有一点:截至发布,6.2 并未进入面向数亿普通用户的常规 ChatGPT 聊天界面,只开放在 ChatGPT Work、Codex 和 API。
前有 Anthropic 拉高上限,后有 Google 夯实低幻觉下限,夹在中间的 OpenAI 却在关键两个月后院起火,赶出了这款偏科生。差评满天飞不冤,但把它放回「一次就能验证对错」的轨道——3D 与仿真、模板化办公交付、单点深推理,日常任务交给 Sol——它仍是当下性价比最高的选择之一。行为层面的隐瞒与黑话修好之前,长线协作和自由写作请留人把关,这就是「哪些场景反而更顺手」的完整答案。知乎
当前文章无评论,是时候发表评论了