OpenAI 更新 GPT-6.2 系列:Astra 冲最难项目,Sol 做日常主力

OpenAI 将 GPT-6.2 分成 Astra 与 Sol 两条线:前者面向最难项目和长任务,后者面向日常编程与高效工作。价格与实测表现也提示开发者,选模型正在变成选工作流。

一次按任务难度拆分的模型更新

2026年11月17日,开发者 Simon Willison 在博客中记录了 OpenAI 推出的两款新模型:GPT-6.2 Astra 与 GPT-6.2 Sol。按照 OpenAI 的说法,Astra 是面向“最难项目”的新前沿模型,Sol 则是面向日常工作的高效、多功能模型。两款模型已进入 API,名称分别为 gpt-6.2-astra 和 gpt-6.2-sol。Simon Willison 也表示,其工具 LLM 已在 0.38 版本中支持这两款模型。

这次更新并不是单一旗舰模型的替换,而是一次更明确的产品分层:Astra 负责高难度、长链路、复杂工程任务;Sol 负责日常编程和高频工作负载。对于需要在成本、速度和能力之间做选择的开发团队,OpenAI 给出的答案不是“用一个模型覆盖所有场景”,而是让两类任务分别有对应入口。

价格与 API:Astra 降档,缓存价格更利于长任务

从素材给出的价格看,GPT-6.2 Astra 的 API 定价为 $8/MTok 输入和 $40/MTok 输出,相当于上一代 6 Astra 的 80%。此前 6 Astra 的价格为 $10/$50。与之类似,Claude Fable 5.2 的价格也为 $8/$40,并且同样被描述为其前代产品的 80%。

更值得关注的是缓存价格。素材称,新模型的缓存价格为 $0.40/million,而旧模型为 $1/million。对于长时间运行的 agent 会话、需要反复读取长上下文或保持任务状态的应用,这类价格变化会直接影响使用成本。

GPT-6.2 Sol 的价格没有继续下探,而是维持了 Sol 系列近期的低档位:$2/$10。素材提到,这一价格与 6.1 Sol 和 6 Sol 相同,而 GPT-5.6 Sol 的价格为 $4/$20。换言之,Sol 线在当前价格上保持了稳定,并与更早一代形成了明显价差。

  • GPT-6.2 Astra:$8/MTok 输入,$40/MTok 输出;缓存价格 $0.40/million,旧模型为 $1/million。
  • GPT-6.2 Sol:$2/$10;GPT-5.6 Sol 为 $4/$20。
  • API 模型名:gpt-6.2-astra、gpt-6.2-sol。

实测与争议:复杂 3D 动画未占优,沟通方式引发讨论

Simon Willison 还发布了针对两款模型的对比图和完整对比网格。他用自己的基准提示测试了这两款模型:在 Codex CLI 的 “Ultra” effort levels 下,让模型制作一段 three.js 动画,要求 Yonkers 以大型机甲形态站起,并在 Manhattan、Queens 和 Brooklyn 区域活动,同时使用 OpenStreetMap 地图数据。结果显示,Sol 和 Astra 在“将 Yonkers 变成大型机甲”这一关键效果上都没有做得足够好;至少在他的对比中,Claude Fable 5.2 和 Gemini 4 Carbon 表现更好。

为了展示差异,他用 GPT-6.2 Astra(Ultra)在 Codex 桌面应用中生成了一段并排视频:上半部分播放 Astra 结果,下半部分播放 Sol 结果,并加上标签;视频被要求为方形、2000×2000 像素,随后又延长到 20 秒。这个过程本身也说明,新模型可以被用于编排多步工具操作,但最终创意生成质量仍要按任务单独评估。

围绕新模型的反馈并不一致。Simon Willison 提到,目前外界讨论“喜忧参半”:Astra 6.2 在多项基准上的分数没有超过 Claude Fable 5.2 那样高;也有人抱怨其沟通方式令人困惑。开发者 Theo Browne 在一份发布于预发布阶段的反馈信中给出例子:模型在处理长任务时能够调用多个子代理并进行管理,但随后会向用户提出一些难以理解、也难以提供输入的内部实现细节问题。他提到,在让模型“为 Outer Wilds 做一个新关卡”的任务进行 2 小时后,模型因询问“r24 的 reviewer 是把 clips 写入 24_g521.mp4 还是 24_p11.mp4?”而处于阻塞状态。

对开发者意味着什么:选模型变成选工作流

这次 GPT-6.2 更新的重点,不只是新增两个模型名称,而是把“高难任务”和“日常工作”拆成两条更清晰的产品线。Astra 承载前沿能力和复杂项目,Sol 承载日常编程与效率场景;价格则分别对应不同预算与调用频率。

对于开发者,选择逻辑也随之变化:如果任务需要长链路推理、复杂代理协作或更高能力上限,可以优先评估 Astra;如果是高频代码补全、常规脚本、日常工作助手或成本敏感场景,Sol 更接近可用区间。缓存价格下降后,Astra 在长会话和重复上下文场景中的成本压力可能降低,但实际效果仍取决于具体任务。

从素材看,GPT-6.2 Astra 并非在所有场景中都表现出领先。复杂动画生成基准中的结果、与 Claude Fable 5.2 的基准分数对比,以及用户对其提问方式的反馈,都提醒团队在接入前进行自己的评估。模型矩阵更新带来的不是简单的“新版本更强”,而是更细分的选型问题:哪条线适合哪类任务,哪类成本结构适合哪种工作流。

原创文章,作者:点点,如若转载,请注明出处:https://www.dian8dian.com/openai-geng-xin-gpt6-2-xi-lie-astra-chong-zui-nan-xiang-mu

Like (0)
点点的头像点点
Previous 1天前
Next 17小时前

相关推荐