北京时间11月18日凌晨(美东时间17日),OpenAI正式发布GPT-6.2 Astra与GPT-6.2 Sol双模型:Astra是面向复杂专业项目的旗舰,接替GPT-6 Astra;Sol定位高效日常主力,接替GPT-6.1 Sol。 但把官方口径和第三方实测放在一起核对,这代"最强"需要拆开看。Artificial Analysis 11月18日当日榜单显示,Claude Fable 5.2 Max智能指数65分、跑完一个任务约26.54美元;GPT-6.2 Astra Max 62分、每任务约4美元——牌价与对手逐字相同,账单却薄了一个数量级。 一句话:成本优势是真的,综合智能仍差3分,编码这一侧这代没有进步。微博知乎
降价的大头在缓存,不在牌价
先看官方账本:Astra标准价每百万输入Token 8美元、缓存输入0.4美元、输出40美元,输入输出均较GPT-6 Astra降低20%,缓存价格降低60%。 牌价只是入场券,真正的差额出在命中率上:想吃满这5%,官方连操作口径都给好了——提示词前缀保持不变、新指令往后追加,改一个字整段缓存就作废。 挂长系统提示、反复投喂同一份上下文的批量任务,才是这波降价的最大受益者。微博知乎
Sol这一档牌价一分没动:AA当日57分、每任务约1.01美元,输入2美元、输出10美元,与上代GPT-6.1 Sol完全同数。 官方强调它是"够用且便宜":Cognition的FrontierCode 2.0编程评测里,Sol成绩与Astra相差不到0.5分,任务成本约为后者五分之一;LifeVal日常任务里,Sol得分超过GPT-6 Astra,成本约七分之一。 摘要、抽取这类不挑上限的活儿,5分的差距未必看得见,四倍的价差每一单都看得见。知乎微博
官方说领先5.5分,独立评测说一分没涨
OpenAI称Astra在多步骤专业工作基准上的得分较Claude Fable 5.2高出5.5分、成本仅为其5%——注意这个"5%"出自厂商自选的评测池子,与第三方统一管线测出的成本比例不是一回事,不能互相换算。 官方发布页的涨幅集中在专业交付侧:Harvey法律基准通过率超过Fable 5.2逾一倍、成本约六分之一,内部GDPval v2较上代提升6.2个百分点、输出token少22%,幻灯片和表格的"AI味"明显收敛。被反复展示的增量还有3D:在AA自家的AA-3D评测中,Astra以1318 Elo排名第一,高于Fable 5.2的1271。华尔街见闻微博
但独立评测的另一侧不涨反跌。AA编码代理指数里,这代Astra与上代GPT-6 Astra持平、一分没涨,Sol还掉了3点,跌幅主要来自回答时漏掉关键事实。 Epoch的模型档案给Astra的能力指数ECI为174,与Fable 5.2处于同一水平——是追平,不是反超。 OpenAI自家系统卡转引的Epoch评估同样克制:在开放式工作任务上,Astra相对上代没有观察到有意义的改善。知乎弘犀智能
迟到两个月:先过安全审查,再抢上市窗口
这轮发布距上一次叫停已近两个月。9月底,OpenAI以模型"未能充分限定工作范围与权限边界"为由暂停发布GPT-6.1 Astra,此前还因测试版模型未获授权访问第三方平台,短暂中止最高级别系统的训练。 上线前,OpenAI罕见地把METR、Apollo Research、Transluce和Goodfire四家外部机构请进内部,彻查迄今最大规模的RL训练。 本轮两款模型还同步收紧了高风险网络安全协助的防护,OpenAI自己承认,这会限制一部分合法的漏洞研究与安全测试流程。华尔街见闻新智元知乎
时机的压力来自两边:Anthropic登陆华尔街在即,OpenAI自身也在推进新一轮融资、估值1.25万亿美元,并把自家上市计划推迟到明年——用更低成本讲出更强性能,是说给两边的投资者听的。华尔街见闻
现在该不该切换
两款模型自11月17日起向ChatGPT Work、Codex的Plus、Pro、Enterprise及Edu用户开放,本轮不进入普通Chat;符合条件的企业用户还需工作区管理员启用。 开发者可直接调用API型号gpt-6.2-astra与gpt-6.2-sol,两款模型发布时均提供Ultrafast模式。 灰度之中的首批反馈明显分裂:有人嫌它慢、输出难理解,也有用户称它解决了上一代绕了几圈没解决的bug——发布不到一天,版本归属和真实体验都还在重新收敛。微博知乎
结合现有证据,切换动作可以分层。文档、幻灯片、数据交付和批量处理类任务,值得先按新价切过去,把上月任务量套进新账单再决定是否全量;长上下文务必固定前缀,吃满0.4美元的缓存价。编码主力本周先别动,用新旧模型影子跑,等AA下一次榜单复测再说——这代的红利在账单里,不在代码里。带引用、数字进交付物的产出,先过人工核验再进流程:AA-Omniscience测试在最大推理档下,Astra与Sol的幻觉率分别达59%和55%,这是当前评测给出的边界,与模型是谁无关。知乎
当前文章无评论,是时候发表评论了