OpenAI 发布 GPT-6.2 Astra 与 Sol,API 降价并公布多项基准表现
OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol 两款模型,已在 ChatGPT Work 和 Codex 向 Plus、Pro、Enterprise、Edu 用户开放,并可通过 API 调用。
汇总了 OpenAI 两款新模型的定价、多项第三方基准与安全门槛,可对比其与前代及 Claude、Gemini 的成本性能差异。
The Decoder:AI News· Matthias Bastian·2026-11-18 04:30· 2 小时前同事件AI 评分85
OpenAI launches GPT-6.2 Astra and Sol with lower API prices and some benchmark gains
AI 导读
OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol 两款模型,面向专业与日常场景,已在 ChatGPT Work 和 Codex 向 Plus、Pro、Enterprise、Edu 用户开放,并可通过 API 调用。
同一件事,精选收录的是《OpenAI 发布 GPT-6.2 Astra 与 GPT-6.2 Sol》
OpenAI 发布两款新语言模型。GPT-6.2 Astra 面向高要求的专业工作,GPT-6.2 Sol 则面向日常使用。OpenAI 称两款模型在基准测试中都优于前代,运行成本也更低。
GPT-6.2 Astra 和 Sol 现已面向 ChatGPT Work 和 Codex 中的 Plus、Pro、Enterprise 和 Edu 用户开放。Pro-500 订阅用户可在两款模型上使用 Ultrafast 模式。Pro-200 订阅用户也首次获得 Ultrafast 权限,先从 GPT-6.2 Sol 开始。
开发者可通过 OpenAI API 访问这两款模型。OpenAI 称 GPT-6.2 Astra 的 API 价格比前代便宜 20%,每百万输入 token 8 美元、缓存输入 0.40 美元、每百万输出 token 40 美元。GPT-6.2 Sol 维持 GPT-6.1 Sol 的定价:每百万 token 输入 2 美元、缓存输入 0.10 美元、输出 10 美元。
OpenAI 称 Astra 是“全球最适合科学家的模型”,并强调其幻灯片制作水准
OpenAI 训练 GPT-6.2 Astra 更可靠地处理法律、金融、会计等领域的专业惯例。该公司称,演示文稿会从模板中提取版式、配色和字体,并精确匹配字号。幻灯片标题要抓住页面要点,正文则聚焦关键细节。
OpenAI 的发布公告重点强调其模型的性价比。据 OpenAI 称,在测试多步骤专业工作流的基准 Agents' Last Exam 上,GPT-6.2 Astra 比前代 GPT-6 Astra 高 5.2 分,成本却不到三分之一。它领先 Anthropic 的 Claude Fable 5.2 达 5.5 分,成本仅为后者的 5%。在该基准上,只有谷歌的 Gemini 4 Carbon 能与 Astra 匹敌。

据 OpenAI 称,在涵盖合同条款分析等任务的法律基准 Harvey LAB-AA 上,GPT-6.2 Astra 的通过率是 Claude Fable 5.2 的两倍多,成本约为后者的六分之一。在包含咨询、金融和设计任务的内部基准 GDPval-v2 上,OpenAI 称 Astra 比前代提升 6.2 个百分点,同时输出 token 用量减少 22%。
OpenAI 称,计算机操作能力本就是前代的强项,这次又有提升。据称在测试中,该模型搭建了一个 3D 汽车模型,用 Python 编写了物理求解器,并在 Blender 中为结果制作了动画。在另一个演示中,它逐个部件地建模了一个遥控车零件,并生成了动画装配指南。
OpenAI 还声称在网页设计方面取得进展。在 3D 基准 AA-3D 上,由人工评委对两个盲测的交互体验进行比较。GPT-6.2 Astra 以 1,318 Elo 分位居第一,领先 Claude Fable 5.2 的 1,271 分和 GPT-6.2 Sol 的 1,259 分。
据 OpenAI 称,在测试终端中科学工作流的基准 Terminal-Bench-Science 上,该模型比 GPT-6 Astra 高 9 个百分点,成本同样不到三分之一。OpenAI 还表示,Astra 在衡量模型解读生物数据和运行实验能力的 Vals Science Index 上创下新高。
Sol 以极低成本几乎追平原版 Astra
OpenAI 表示,GPT-6.2 Sol 面向希望用一款快速、通用模型处理日常任务的用户。在编程基准 FrontierCode 2.0 上,该测试考察代码改动是否达到真实项目的质量标准,Sol 仅落后 Astra 0.5 分,成本却只有后者的五分之一。OpenAI 称,这款模型处理非工作类任务同样出色。

据 OpenAI 介绍,GPT-6.2 Astra 和 Sol 在网络安全方面也有所提升。它们能更有效地发现并利用漏洞,编写更安全的代码,修复缺陷的效果也更好,在多项测试中 token 效率明显更高。两款模型都达到了 OpenAI Preparedness Framework 中网络安全的“Critical”门槛,与之前的 GPT-6 Astra 相同。
作为应对,OpenAI 正针对可能带来风险的网络安全请求增加更严格的防护措施。OpenAI 表示,这些措施会让滥用更难,但也会限制合法的漏洞研究和安全测试。

OpenAI 计划通过 OpenAI Daybreak 提供这两款新模型,该渠道已让经过审核的安全研究人员使用其他防护较少的模型。公布的网络安全基准数据来自关闭防护措施和分类器的内部测试。OpenAI 在随附的安全报告中说明了方法。
Astra 在 Artificial Analysis 智能指数中排名第二
在汇总知识工作、编程、科学和常识等九项评估的 Artificial Analysis 智能指数中,GPT-6.2 Astra 排名第二,仅次于 Anthropic 的 Claude Fable 5.2。据 Artificial Analysis 数据,Astra 比 GPT-6 Astra 提升 5 分,超过谷歌 Gemini 4 Carbon(60 分)和 Anthropic 的 Claude Opus 5.5(59 分)。GPT-6.2 Sol 提升 2 分达到 57 分,与 GPT-6 Astra 持平,而每项任务成本仅约为后者的 15%。
据 Artificial Analysis 数据,OpenAI 占据了成本与性能的帕累托前沿,即没有其他模型能同时做到更便宜且更好。只有 Anthropic 和 Meta 的模型也位于这一前沿。在按每项任务输出 token 衡量的效率方面,OpenAI 同样占据大多数领先位置。Claude Fable 5.2 是唯一上榜的外部模型。

Artificial Analysis 的数据支持了 OpenAI 在科学和事实知识方面的说法。GPT-6.2 Astra 在 Terminal-Bench-Science 0.1 上领先,在物理推理测试 CritPt v2、事实知识基准 AA-Omniscience 和知识基准 HLE-Diamond 上均排名第二,仅次于 Claude Fable 5.2。Astra 还在 3D 设计(AA-3D)和机器人(AA-Robotics v0.1)方面领先,机器人得分 79 分,Sol 为 78 分,Claude Fable 5.2 为 75 分。
不过编程是另一回事。据 Artificial Analysis 称,两款模型在编程方面都停滞不前。在 Coding Agent Index 中,用 Codex harness 在最大算力下测得,GPT-6.2 Astra 与 GPT-6 Astra 持平。GPT-6.2 Sol 则比 GPT-6.1 Sol 下降了 3 分。这一退步来自 SWE-Atlas-QnA-AA 上 14 分的下滑——该模型比前代更频繁地在回答中遗漏关键事实。
Artificial Analysis 还指出幻觉率偏高。在最大努力模式下,GPT-6.2 Astra 的幻觉率为 59%,Sol 为 55%。该指标名为 AA-Omniscience Hallucination Rate,衡量的是模型在事实性问题上不承认自己不知道、而是靠猜的频率。这些问题异常困难,因此这些数字并不反映日常的幻觉率。
Epoch AI 认为 Astra 与 Fable 5.2 相当,但在真实任务上更弱
研究机构 Epoch AI 在发布前测试了 GPT-6.2 Astra,用的是自家基准。该模型在 Epoch Capabilities Index(ECI)中得分 174,与 Anthropic 的 Fable 5.2 持平。据 Epoch AI 称,两款模型都超过了 Astra 之前推理模型趋势线所预测的水平。
在取自 Epoch AI 自身研究的真实任务上,Astra 落后于 Fable 5.2,相比 GPT-6 Astra 也几乎没有提升。据 Epoch AI 称,该模型在较简单的研究项目中抓不住核心问题,还会在试图修补时原地打转。在一项关于研究 AI 数据中心的任务中,Astra 过于求稳,跳过了关键估算——Epoch AI 表示,任何承包商这么做都过不了关。Epoch AI 评价 Astra 的写作相比其他受测模型相对较强,但仍低于其自身标准。

有一点很突出:Astra 能在单个输出 token 内完成复杂推理,且没有可见的思维链。Epoch AI 测得 Astra 的串行步骤为 12.3 步,高于 GPT-6 Astra 的 10.5 步和 Claude Fable 5.1 的 4.2 步——后者是当时最强的非 OpenAI 模型。能以这种方式推理却不展示过程的模型更难被监控,这一安全隐忧在初代 Astra 模型上就已出现。
在 FrontierMath Erdős 这个由未解数学题组成的基准上,GPT-6.2 Astra 解出了 68 道题中的 7 道,每道都在证明助手 Lean 中经过形式化验证。此前的纪录是 68 道中 3 道,由 GPT-6.1 Sol 创造。这 7 道题中有一道此前没有已知解法。
Vals AI 将 Astra 和 Sol 列入前十,但发现法律领域的薄弱点
在 Vals Index 中,GPT-6.2 Astra 排名第 7,GPT-6.2 Sol 排名第 9,两者仅差 1.6 分。但价格差距很大。据 Vals AI 称,Sol 每项任务花费 3.18 美元,不到 Astra 10.68 美元的三分之一,是前十名中最便宜的模型。Astra 也比前代更便宜:得分比 GPT-6 Astra 高 2.6 分,每项任务成本约为其 21.28 美元的一半。Vals AI 表示,Astra 在前十名中输出 token 最少,平均每项任务 91,000 个。

Vals AI 支持 OpenAI 关于其在 Vals Science Index 上排名第一的说法。Astra 在该榜单上领先,并在 Terminal-Bench Science 和 VCB 1–100 上排名第一,成本约为 GPT-6 Astra 的一半,运行时间也约为一半。Sol 在 Terminal-Bench Science 上排名第三,成本约为 Astra 的四分之一。在更广泛的智能体编程基准 Terminal-Bench 4 上,Astra 位列第五,Sol 位列第七。
据 Vals AI 称,法律类测试是这些模型的短板。在 HLAB 基准上,Astra 和 Sol 的得分是前代模型的两倍,但仅排名第 11 和第 21。在法律研究基准上,排名下滑更明显,Astra 位列第 30,Sol 位列第 52。Vals AI 表示,这些模型的工具调用次数几乎是前代的两倍,但给出的答案更短。
9 月,OpenAI 发布了一款名为“Astra for Law”的专用产品。它在法律研究基准上的表现明显优于基础模型,排名达到第 6。Vals AI 在 100 万 token 上下文窗口、128,000 最大输出 token、完整推理强度下测试了这两款模型。
GPT-6.2 Astra 是首个达到 OpenAI 人工智能自我改进“High”阈值的已发布模型
据 OpenAI 称,GPT-6.2 Astra 是首个达到人工智能自我改进“High”阈值的外部发布模型。OpenAI 表示,该模型能显著加速 AI 研究,效果相当于为每位 OpenAI 研究员额外配备一名高技能研究工程师。
OpenAI 明确将此列为风险。能够帮助构建未来 AI 系统的模型,可能推动该领域发展快于安全措施和人类监督所能跟上的速度。业界目前正在“RSI”这一标签下应对这一问题。
作为应对措施,OpenAI 提到在研究环境中加强管控,以及其监控系统 Control Room,后者可以跟踪研究任务并在需要时将其关停。该公司还表示,已扩大监控范围,审查模型的推理和行动方式,并自动标记未经授权的行为。
在对齐方面,即模型遵循用户指令和坦诚沟通的程度,OpenAI 称新模型与前代相当。然而,在两项测试中,它们更常未能指出阻碍工作的障碍,例如文件缺失或搜索工具不可用。
来源:The Decoder:AI News · the-decoder.com
事件后续 · 2
来源:RadarAI · aihot.news