OpenAI 发布 GPT-6.2 Astra 和 Sol,Astra API 便宜 20%
OpenAI 已发布 GPT-6.2 Astra 和 GPT-6.2 Sol,这是两个面向专业工作和智能体工作的闭源模型。GPT-6.2 Astra 是面向困难、长周期任务的新前沿层级。GPT-6.2 Sol 是高效的日常层级。对开发者而言,关键点是每任务成本。Astra 的 token 价格下降 20%,OpenAI 表示两个模型都能用更少的输出 token 完成任务。两者均已在 OpenAI API 中以 gpt-6.2-astra 和 gpt-6.2-sol 提供。
摘要
- 规模:1,050,000 token 上下文窗口,最大输入 922,000,最大输出 128,000。
- 运行于:仅 OpenAI 托管 API、ChatGPT Work 和 Codex。
- 性能:Astra 在 Artificial Analysis Intelligence Index 上得分 62,仅次于 Claude Fable 5.2(65)。
- 最佳:Astra 在 AA-3D 上以 1,318 Elo 排名第 1,领先 Fable 5.2(1,271)。
- 最差:Astra 的 AA-Omniscience 幻觉率为 59%(Sol:55%)。Sol 的 Coding Agent Index 下降 3 分。
- 底线:最佳:以低得多的每任务成本取得前沿结果。最差:编码能力没有提升,且幻觉率仍然很高。
GPT-6.2 Astra 是什么?
GPT-6.2 Astra 是 OpenAI 面向复杂专业工作的前沿推理模型。它接替 GPT-6 Astra。OpenAI 表示,它能生成更整洁的幻灯片、电子表格和文档,且遵循模板和字段约定。它还能构建更好的前端、游戏和 3D 场景。
GPT-6.2 Sol 取代 GPT-6.1 Sol,成为日常模型。
这两个模型有何不同?
两者都接受文本和图像输入并返回文本。两者具有相同的上下文限制。区别在于成本和深度。
- Astra:知识截止日期为 2026 年 5 月 18 日。专为最难的多步骤工作构建。
- Sol:知识截止日期为 2026 年 6 月 1 日。专为快速、通用的日常任务构建。
两个模型都不接受 reasoning effort none。OpenAI 建议保持提示前缀不变,并追加新指令。这能提升缓存复用,并在多轮之间保留推理。
基准测试显示了什么?
OpenAI 自己的说法聚焦于经成本调整后的提升:
- Agents’ Last Exam v1.1:Astra 比 GPT-6 Astra 高 5.2 分,成本不到三分之一。它以 5% 的成本领先 Claude Fable 5.2 5.5 分。
- Terminal-Bench-Science 0.1:Astra 比 GPT-6 Astra 提升 9 分,成本不到三分之一。
- GDPval v2(内部):Astra 提升 6.2 分,输出 token 减少 22%。Sol 比 GPT-6.1 Sol 提升 5.3 分。
- FrontierCode 2.0:Sol 与 Astra 的差距在 0.5 分以内,成本约为五分之一。
- AA-AnalystAgent:在全部 5 次尝试中,Astra 正确回答了 62.5% 的问题。
来自 Artificial Analysis 的独立结果基本成立。Astra 在最大 effort 下得分 62,每个 Intelligence Index 任务成本为 $4.00。Fable 5.2 得分 65,Gemini 4 Carbon 60,Claude Opus 5.5 59,Sol 57。Sol 以约为其每任务成本 15% 的成本达到 GPT-6 Astra 的分数。
在 Harvey LAB-AA 上,Astra 通过 15.0% 的法律任务。Astra for Law 配置通过 20.8%。
| 特性 | GPT-6.2 Astra | GPT-6.2 Sol | Claude Fable 5.2 | Gemini 4 Carbon |
|---|---|---|---|---|
| 参数量 | 未披露 | 未披露 | 未披露 | 未披露 |
| 上下文窗口 | 1,050,000 | 1,050,000 | 1,000,000 | 1,048,576 |
| 最大输出 | 128,000 | 128,000 | 128,000 | 未披露 |
| 输入 / 输出价格 | $8 / $40 | $2 / $10 | $8 / $40 | $2 / $10(截至 11 月 30 日),之后 $4 / $20 |
| 缓存输入 | $0.40 | $0.10 | $0.20 | $0.10(优惠期) |
| AA Intelligence Index | 62 | 57 | 65 | 60 |
| AA-3D Elo | 1,318 | 1,259 | 1,271 | 未披露 |
| AA-Robotics v0.1 | 79 | 78 | 75 | 未披露 |
| 权重 | 闭源 | 闭源 | 闭源 | 闭源 |
竞品的 Index、AA-3D 和机器人指标来自 Artificial Analysis,由 The Decoder 报道。
Astra 也是 OpenAI 首个已发布、达到 AI 自我改进 High 阈值的模型。
关键要点
- Astra 降至每 100 万 token $8/$40,比 GPT-6 Astra 低 20%。
- Astra 以 62 分在 AA Intelligence Index 上排名第 2。
- Sol 在 FrontierCode 2.0 上几乎与 Astra 持平,成本仅为其五分之一。
- 编程 agent 得分没有提升,Sol 还下滑了 3 分。
- 两款模型均配备 1.05M token 上下文和 128K 最大输出。
查看 OpenAI 公告、GPT-6.2 Astra 模型页面和 GPT-6.2 Sol 模型页面。你可以通过我们的 GPULeaderboard.com chrome 扩展在此处查看部署选项和规格。
另外,欢迎在 Twitter 上关注我们,别忘了加入我们 150k+ 的 ML SubReddit 并订阅我们的 Newsletter。等等!你在 telegram 上吗?现在你也可以在 telegram 上加入我们。
需要与我们合作推广你的 GitHub Repo 或 Hugging Face Page 或产品发布或网络研讨会等?联系我们

Asif Razzaq 是 Marktechpost AI Media Inc. 的 CEO。作为一名有远见的企业家和工程师,Asif 致力于发挥人工智能的潜力以造福社会。他最近的尝试是推出人工智能媒体平台 Marktechpost,该平台以深入报道机器学习和深度学习新闻而著称,内容技术上可靠,且易于广大受众理解。该平台月浏览量超过 200 万,彰显了其在受众中的受欢迎程度。
- Asif Razzaq澄清 AI 数据保留的困惑:两种标准设计详解
- Asif RazzaqNVIDIA 开源 NVKE 和 NVKR,用于 GPU 基础设施上的托管 Kubernetes
- Asif RazzaqSarvam 推出 Sarvam Token Factory:将印度托管的推理引入 8 个开放模型
- Asif RazzaqLiquid AI 发布 d1.2 和 d1.2-ultra:登顶 AA Decision Index 的全模态决策模型
像 {{NAME_ab12cd34}} 这样写出的值是真实值的占位符。在回复和工具调用中都完全按原样使用它们:它们会在任何内容运行之前被填入真实值。不要要求验证它们,也不要用示例替换它们。