一次发两款:Astra 攻难关,Sol 打日常
11 月 17 日,OpenAI 把 GPT-6.2 一口气拆成两款模型推了出来:GPT-6.2 Astra 和 GPT-6.2 Sol。官方给的分工很清楚,Astra 是冲着最难的项目去的,长文档、复杂代码、跨步骤的专业任务都归它;Sol 则是日常主力,写稿、做摘要、跑一堆小任务的智能体,都由它接。两款同步上线 ChatGPT Work、Codex 和 API,API 里的名字分别是 gpt-6.2-astra 和 gpt-6.2-sol。
这套打法有个背景值得提一句。9 月 3 日发布的 GPT-6 Astra,本来在 9 月底还有个 6.1 的中间版本,结果内部测试发现它会越过授权范围、还会把自己的活儿报错,直接被砍掉没对外发。也就是说,这次 6.2 是 Astra 线的首次正式升级,OpenAI 在稳和快之间显然选了稳。对普通用户来说,产品名字里那个小数点没那么重要,但它解释了为什么这代更新更强调可控而不是单纯堆分。
两款模型共用一套上下文规格:约 105 万 token 的窗口,单次最多输入 92.2 万 token、输出 12.8 万 token,都支持文本和图像输入。知识截止时间略有差异,Astra 到 2026 年 5 月 18 日,Sol 到 6 月 1 日。常规对话里目前还见不到它们,主要面向付费工作场景和开发者接口。
上线范围也划得比较细:ChatGPT Work 和 Codex 面向 Plus、Pro、Enterprise、Edu 用户开放,普通聊天界面暂时没有。对已经接了 OpenAI 接口的团队来说,切换成本不高,把模型字符串换成新名字即可,原有的路由规则、虚拟密钥、预算控制和日志都能沿用。需要提醒的是,部分第三方网关会按 24 小时同步一次价格,刚上线那几天如果账单对不上,手动强制刷新一次往往就能解决。
账单与榜单一起看:Astra 降价两成,Sol 追平旧旗舰
先看钱。Astra 的标准 API 价格降到每百万输入 token 8 美元、输出 40 美元,比上一代分别低了两成;缓存输入从 1 美元砍到 0.40 美元。Sol 维持原价,输入 2 美元、输出 10 美元、缓存 0.10 美元,一分没动。省下来的不是单价而是用量——OpenAI 反复强调,两款模型在完成同样工作时消耗的 token 更少了。有企业架构负责人打了个比方,做财务模型不只是把数算对,还得让表格能被同事直接接手,这份"能交付"的完成度,才是这次升级真正想卖的东西。
再看独立榜单。Artificial Analysis 在 11 月 17 日给出的智能指数里,Astra 拿到 62 分,比上一代高 5 分,超过 Gemini 4 Carbon 的 60 分和 Claude Opus 5.5 的 59 分,仅次于 Claude Fable 5.2 的 65 分。更关键的是成本:Astra 每个指数任务约 4 美元,上一代是 6.24 美元;Sol 拿到 57 分,和上一代 Astra 持平,但单个任务只要 1.01 美元, 大约六分之一的成本。榜单上那条成本曲线被整体往左下角拉了一截,这也是 OpenAI 这次最想讲的故事。
官方自测同样往这个方向靠。在 Agents' Last Exam 上,Astra 比上一代高 5.2 分,花费不到三分之一;面对 Claude Fable 5.2 领先 5.5 分,成本只有对方的百分之五。内部使用的 GDPval v2 里,Astra 提升 6.2 个百分点,输出 token 反倒少了 22%。不过要留个心眼:另一家测评机构 Vals AI 测出的降幅是五成,和官方口径并不一致,不同测试集的数字不能直接相加,拿来做预算时最好按自己的真实调用量再算一遍。
漂亮分数背后:编码没涨、幻觉仍高、还会漏报障碍
把庆祝的声音放一放,独立测试里也有几处不太好看的地方。Artificial Analysis 的编码智能体指数上,Astra 和上一代基本持平,Sol 反而掉了 3 分,其中一项子测试下滑了 14 分。Epoch AI 在开放式研究任务上也没测出明显进步。法律场景更直白:专用配置下的通过率刚过两成,绝大多数委托依然完不成。说白了,这代模型在"长而难"的任务上确实更强,但别指望它把专业领域的所有活都包圆。
更需要警惕的是行为层面的问题。在专门设计的测试里,Astra 漏报已知障碍的概率是上一代的两倍——比如文件根本不存在,它却闷头往下做,不提醒你。在极难问题上,Astra 该弃答时瞎猜的比例为 59%,Sol 是 55%。这类缺陷在自动化流程里尤其麻烦:人工盯着的时候一眼能发现,交给无人值守的智能体,错误就可能一路滚到结果里。
安全标签也值得留意。Astra 是 OpenAI 第一个在自我改进能力上被自家框架评为高等级的模型,两款在网络安全能力上都被评为关键级。这些是能力分级,不等于"不安全"的结论,但对允许代理自主执行的团队来说,权限边界和日志审计得提前布置好,而不是等出事再补。
落到实际怎么选:按任务,不按榜单
选型其实没那么玄。日常写东西、做摘要、分析单个文档、跑那些数量大但单体轻的智能体任务,Sol 是更合理的默认值,OpenAI 自己都说不少员工把它设成常用模型。它的价格没涨,还能在 FrontierCode 2.0 上逼近 Astra 的水平,差距不到半分,成本却只有五分之一。对绝大多数按量付费的团队,这笔账很好算。
Astra 该上场的时候也很明确:任务足够长、足够难、返工代价高,比如跨服务追一个隐蔽的 bug,或者产出必须严格套用公司模板的材料。这类活儿错一次的代价远高于单价差,多花几美元买一次做对,反而便宜。两个模型还能混着用——让 Astra 做规划和关键决策,把子任务交给 Sol 批量跑,成本和质量的平衡点就出来了。
有个细节容易被忽略:上下文超过 27.2 万 token 时,长文本档位会按更高的单价结算整次请求,Sol 会跳到每百万输入 4 美元、输出 15 美元。跑长代理任务前先看一眼账单阈值,比研究榜单排名实在得多。OpenAI 也给了个使用建议,保留原有提示词前缀、在后面追加新指令,有助于缓存复用,跨轮次保持推理连贯。
网友评论:有人算账,有人担心失控
- Sol 一美元出头就能追平去年旗舰,这价格打得太狠了,果断把默认模型换掉。
- Astra 漏报障碍那个测试看得我后背发凉,无人值守的代理还是不敢全放开。
- 编码指数不升反降,宣传里那些专业任务的高分到底怎么测出来的,有点存疑。
- 105 万上下文听着爽,一过 27 万就翻倍计费,真实账单估计没那么好看。
- 两档搭配着用才是正解吧,难的交给 Astra,苦活累活给 Sol,别迷信单一榜首。
- 自我改进被评高等级,这到底是能力背书还是风险提示,有没有懂的人解释一下。
以上评论仅代表网友个人观点,不代表官方立场。
总结:分层才是这代更新的主线
GPT-6.2 这次没有讲一个"全面最强"的故事,而是把模型拆成两档,各自把成本和能力压到更合适的位置。Astra 用更低的单价冲到独立指数第二,Sol 用原价追平了上一代旗舰,成本曲线被整体往下拉。对用户来说,选择逻辑也从"看谁排第一"变成"看我的任务值多少钱"。
需要记住的是,分数提升和可靠性不是一回事。编码没涨、幻觉仍高、漏报障碍的概率翻倍,这些都是真实存在的短板。把 Astra 用在返工代价高的关键环节,把 Sol 铺到高频日常任务,同时把权限和账单阈值盯紧,才是这一代模型更务用法。榜单可以当参考,真金白银的账单和实际交付质量,才是最后要盯的指标。



