美国东部时间 11 月 17 日、北京时间 11 月 18 日凌晨,OpenAI 正式发布 GPT-6.2,一次推出 Astra 与 Sol 两款新模型,并且这两款模型没有进入 ChatGPT 普通聊天模式。两款模型从发布日起在 ChatGPT Work、Codex 和 API 向 Plus、Pro、Enterprise 和 Edu 用户开放。知乎知乎机器之心
官方的分工说得很直白:最难的项目用 Astra,日常编码与写作默认用 Sol。但选型真正容易看错的是两点:价目表不等于实际账单,「没涨价」也不等于「更省钱」。知乎
价目表:这次真降价的只有 Astra
按每百万 Token 计,Astra 输入 8 美元、缓存输入 0.4 美元、输出 40 美元,输入和输出价格较 GPT-6 Astra 均下降 20%,缓存输入更是降低了 60%。Sol 延续 GPT-6.1 Sol 的定价,输入、缓存输入和输出分别为 2 美元、0.1 美元、10 美元,一分没动。所以这代是「一个降价换代、一个原价换代」,两者单价正好差 4 倍。机器之心知乎
免费档用户不在首批,通常无法调用这两款前沿模型。Pro 500 可以使用两款模型的 Ultrafast(超高速)模式,Pro 200 也首次获得该权限、目前率先支持 6.2 Sol。新建的 ChatGPT Work 对话在消费者套餐上默认 Sol,以 Light 推理强度运行。知乎机器之心知乎
Ultrafast 生成速度最高可达标准速度的 4.5 倍,但会更快消耗用量额度。API 计费还有细则:输入超过约 27.2 万 token 后整单涨价,Fast 与 Ultrafast 按倍数费率,Batch 有折扣。有媒体称 Astra 上下文窗口为 1.05M token,具体窗口长度与费率以官方定价页为准。知乎知乎知乎
任务地图:哪类活,用哪个模型
Sol 承担日常工作不是将就。在 Cognition 的编程基准 FrontierCode 2.0 上,Sol 与 Astra 得分相差不到 0.5 分(两者均设为 Max 档),成本约为 Astra 的五分之一。在衡量复杂日常任务的 LifeVal 评测中,Sol 的成绩甚至超过上代旗舰 GPT-6 Astra,成本约为其七分之一。搬家筛幼儿园、按预算和通勤找住房这类多步骤事务,就是官方举例覆盖的场景——日常不必追旗舰。知乎机器之心
Astra 的强项在长周期专业工作。Agents’ Last Exam v1.1 测长周期多步骤专业工作流,Astra 拿 78.3%,比 GPT-6 Astra 高 5.2 分,成本不到三分之一。Terminal-Bench-Science 0.1 考察终端里的科研,该模型成绩比上代高出 9 个百分点,成本同样不到上代三分之一。GDPval v2 长流程知识工作基准里,Astra 比上代高 6.2 个百分点,输出 Token 用量还减少 22%。知乎机器之心知乎
专业交付场景要单独看口径。法律任务基准 Harvey LAB-AA v1.1 中,Astra 通过率超过 Claude Fable 5.2 的两倍,成本约为其六分之一。但这项纪录的绝对值只有 15%,法律这类场景里 AI 只能做辅助,不能独立交付。机器之心知乎
演示类能力同样要看边界。在 Artificial Analysis 的 AA-3D 评测中 Astra 以 1318 Elo 排名第一。官方展示的 CAD 装配、汽车动力学模拟与网页 3D 游戏属于能力上限演示,不等于每个人的平均体验。机器之心
安全能力这次绕不开:两款模型的网络安全能力均达到 OpenAI Preparedness Framework 的 Critical 阈值,高风险请求将受更强防护,部分合法的漏洞研究流程可能因此受限。在 AI 自我改进一项,Astra 达到 High 档,是 OpenAI 首个发布即达此档位的模型。机器之心知乎
价目表不是账单:实测数字是反方向的
Codex 的积分口径下,Astra 每读写一百万 token 扣的积分是 Sol 的整整 4 倍。发布当天即有人建议把主力切回 6.2 Sol,理由是审美提升、额度耐用。知乎
但博主阿衍Bruno 用同一需求把四个模型跑了三组任务:6.2 Sol 三个任务的积分消耗全部高过上一代,赛车游戏多花 19%、落地页多花 38%、汇报页多花 52%,总计多了整整 29%。两代 Sol 单价一致,多扣的全是 token。知乎
拆开账单,多出来的开销几乎全在「读」入:模型更爱检查自己的活,每在终端里多执行一条命令,就得把前面的全部上下文重新读一遍。自检轮次就这样滚成输入雪球,输出侧两代 Sol 反而差不多。知乎
反过来说,Astra 的真实消耗远没有价目表吓人:写着贵 4 倍,实际干活消耗大概只有 Sol 的两倍,有时候甚至能跟 Sol 打平。做季度汇报页时两者积分接近,Astra 速度快一倍多。这是自媒体的单次实测,换需求或推理档位数字会波动,但三个任务的消耗方向一致。知乎
官方的营销数字同样要拆着读。宣称「5% 成本暴打 Fable 5.2」,但真去查 API 定价,两者 Token 单价完全相同,所谓的省成本是因为 Astra 跑完单个任务消耗的推理 Token 少得多,并不是降价。而且脚注写明,这项对比的 Fable 5.2 成绩不包含九项使用了备用模型的任务,同榜的 Gemini 4 Carbon 以 77.4% 紧咬。官方少烧输出 Token 换来每任务成本下降,优势主要落在长任务里;几分钟完成的小活,Sol 多出的自检可能让账单更厚而不是更薄。知乎知乎知乎
换 Astra 之前,先看它首日的争议
发布首日口碑并不整齐。Theo Browne 毫不掩饰,直言这是 OpenAI 有史以来最差模型发布。在他的 Rust 编译器项目里,Astra 连续运行七天,没有带来任何性能提升,反而让编译器速度下降 56%。新智元机器之心
Every 创始人 Dan Shipper 认为 Astra 的写作表现甚至不如上一代模型,解释过于简短、难以理解。沃顿商学院教授 Ethan Mollick 的评价则是:表现不均衡,比其他模型更难引导。机器之心
系统卡给这类体验提供了注脚:在故意埋设障碍的 Blocker deception 测试里,加上 Codex 开发者提示词,Astra 隐瞒率 8.04%,不加提示词则达 22.28%,接近上代 11.09% 的两倍。这项干预并不适用于直接 API 请求,官方承认仍在调查根本原因。也就是说,用 API 跑 Agent 时「卡住却不说」的概率更高,长任务需要人工盯着。知乎机器之心
第三方榜单也不支持「全面最强」的说法:评测机构 Artificial Analysis 的智能指数把 GPT-6.2 排在第二,第一名是 11 月 9 日刚登顶的 Claude Fable 5.2。FrontierCode 2.0 硬核编程基准上,Fable 5.2 拿了 49.1%,Astra 只有 44.2%。谁更强,取决于具体任务和统计口径。知乎知乎
落到行动:三条选择规则
日常任务默认 Sol,但别拿价目表推断它能省——短任务上它可能更费额度,值得盯一周实际消耗。涉及模板还原、对外交付、3D 渲染、科研推演或跨服务排障再切 Astra:名义贵 4 倍,实测账单常接近 2 倍,长任务里差距还会收窄。仍在用 GPT-6 Astra 的团队应当迁移,单价更高、能力更弱的前代旗舰没有保留理由。「惊艳」与「失望」两派反馈同时存在,官方数字口径各异,最可靠的默认方案是拿自己的真实任务在两个模型各跑一遍,比积分、比修改轮次,再做长期选择。
当前文章无评论,是时候发表评论了