OpenAI 发布 GPT-6.2 Astra:两个多月等待后正式登场

资讯 腾讯网 作者:AGIHunt 全文 6296 字 · 约 16 分钟读完 配图 1 张 分类GPTGPT-6OpenAI

今天凌晨,OpenAI 发布了 GPT-6.2 Astra 和 GPT-6.2 Sol。 官推开头中写道: “ 有些人一直在很礼貌地问,有些人就只是在问。 而....

所属频道 大厂动态ChatGPT 与 GPT

今天凌晨 OpenAI 推出了 GPT-6.2 Astra。官方推特的开头是这么写的:

“有些人一直在很礼貌地问,有些人就只是在问。”这一问,就问了足足两个多月啊!

GPT-6 Astra 的动静最早露头是在 11 月 10 日,OpenAI 的 API 文档里出现了「On models 6.2 and later」的相关信息。

两天后,

Codex 仓库里的迁移配置

当时我以为模型当天就会发布,结果并没有等来……

倒是一周前 Anthropic 抢先发布了

这回 GPT-6.2,OpenAI 把重点放在了「效率」上:在高难度任务上少输出 token,反而拿到更好的结果。

四个天体模型

01

Astra 成了新的旗舰,官方给它定的位置是「为你最难的项目而打造」;Sol 负责日常主力,不少 OpenAI 员工已把它当成默认模型,技术和非技术的工作都在用。

再加上 GPT-6.1 Terra 和 GPT-6 Luna,OpenAI 眼下这套阵容凑成了一个星系、一颗太阳、一颗地球和一个月亮:

GPT-6 家族四个模型及价格

Astra 的 API 定价为每百万 token 输入 8 美元、缓存输入 0.4 美元、输出 40 美元。

输入和输出都比 GPT-6 Astra 便宜了 20%,缓存输入从 1 美元降到 0.4 美元,降幅 60%。

巧的是,这个价格和一周前的 Fable 5.2 一模一样,同样是输入 8 美元、输出 40 美元。

Sol 则保持 GPT-6.1 Sol 的价格,输入 2 美元、缓存输入 0.1 美元、输出 10 美元,能力涨了,价格没动。

不过光看每 token 的价格说明不了什么,每个任务的成本才关键,后面几张图也基本都是「分数 - 成本」曲线。

官方跑分

02

先看 Agents' Last Exam,这是个测长程、多步骤专业工作的基准。

Agents' Last Exam 分数与成本

GPT-6.2 Astra 比 GPT-6 Astra 高出 5.2 分,成本却不到后者的三分之一。

跟 Fable 5.2 相比,它高了 5.5 分,成本只有 Fable 5.2 的 5%。图上的 Fable 5.2 孤零零地落在 60 美元附近……(横轴也正是为了它,才一路拉到了 60 美元)

不过 OpenAI 在图注里也说了,Fable 5.2 的成绩剔除了 9 个使用了备用模型的任务。

科学方面,OpenAI 称「我们相信 GPT-6.2 Astra 是世界上最适合科学家的模型」。确实,模型训练之类的任务,我都会首选 Codex。一来 OpenAI 在数据上确实投入了很多;二来它不像 Anthropic 那样,在模型能力上做了鸡贼的限制……

Terminal-Bench-Science 分数与成本

Terminal-Bench-Science 考的是模型在终端环境里把科研工作流跑完的能力,GPT-6.2 Astra 拿下约 77%,比 GPT-6 Astra 高出 9 个百分点,花钱却不到后者的三分之一。

图中 Fable 5.2 的成绩,来自 Artificial Analysis 用 mini-swe-agent 跑出的结果;Anthropic 自己在 Claude Code 里报的则是 74.6%。

不过即便按 74.6% 来算,Astra 依然领先。

它在

法律方面,

Harvey LAB-AA 通过率与成本

GPT-6.2 Astra 的通过率超过 Fable 5.2 两倍,成本大约只有对方的六分之一。

还有一套专门面向律师的配置

只是 Astra for Law 眼下还没有公开 API。

另一项是 BenchCAD 2.1 Core,考的是照着工程图纸搭建 3D 零件和装配件,GPT-6.2 Astra 比 GPT-6 Astra 高出 32%。

BenchCAD 2.1 Core 分数与成本

图中 Fable 5.2 的最高分与 Astra 相差无几,代价却是将近 10 倍的花费。

OpenAI 内部数据显示,GPT-6.2 Astra 较 GPT-6 Astra 提升 6.2 个百分点,输出 token 还少了 22%。

Sol 在这一项上也比 GPT-6.1 Sol 高出 5.3 个百分点。

第三方榜单

03

Artificial Analysis 同样很快放出了成绩。

Artificial Analysis 智能指数

GPT-6.2 Astra 得 62 分,位列第二,只低于 Fable 5.2 的 65 分,较 GPT-6 Astra 涨了 5 分。

Gemini 4 Carbon(60)和 Opus 5.5(59)也被它甩在身后。

GPT-6.2 Sol 拿到 57 分,与 GPT-6 Astra 打平,但单任务成本只有后者的 15% 左右。

在成本与分数的 Pareto 前沿上,OpenAI 的模型占据了大多数位置,剩下的只有 Anthropic 和 Meta。

3D 项目里,GPT-6.2 Astra 以 1318 分居首,Fable 5.2 为 1271,GPT-6.2 Sol 是 1259。

这个榜单由人类评审打分,方式是针对同一个 prompt 生成的两件交互式 3D 作品做盲选。

至于测真实世界规划能力的那项

那代码呢?

……结果就有些尴尬了。

Artificial Analysis 编程 Agent 指数

在 harness、max 档下,GPT-6.2 Astra 是 53 分,与 GPT-6 Astra 一模一样;GPT-6.2 Sol 是 49 分,反倒比 GPT-6.1 Sol 少了 3 分。

占据前三的依旧是 Claude Code 搭配 Fable 5.2、Opus 5.5 和 Sonnet 5.5。

Sol 分数下滑,主要原因在于

另外一项指标是幻觉率。

GPT-6.2 Astra 和 Sol 的幻觉率分别为 59% 和 55%,这项指标统计的是模型在拿不准答案时仍然硬猜的比例。同一张图上,Fable 5.2 的幻觉率同样是 59%,可见这并非 OpenAI 一家的问题。真正表现出色的是 Gemini 4 Hydrogen,只有 8%。

AA-Omniscience 净分、准确率与幻觉率

同一天,OpenAI 的 Sherwin Wu 表示,Astra for Law 的幻觉比 Opus 5.5 少 20 倍,比 Fable 5.2 少 25 倍。两边测的其实不是同一件事:前者看的是通用知识问答中不会也硬猜的比例,后者算的是法律任务里每个任务出现的实质性幻觉数。

ARC PrizeGPT-6.2 Astra 是第一个在只是这个满分用的是而图上 Fable 5.2(XHigh)大约在 80% 出头。

ARC-AGI-3 排行榜

在 ARC-AGI-2 上,它拿到 95.8%,每个任务 0.5 美元,同样是 SOTA。

GPT-6.2 这次更新,长板和短板拉得极开。3D、科研、法律、机器人规划,再加上 ARC-AGI-3 的满分,它都排第一;代码却原地踏步,综合指数也还落后 Fable 5.2 三分。不过它每个任务的成本,常常只有对手的零头。

Sol 和代码

04

说回 Sol。OpenAI 的建议是,平时写代码优先用 Sol。

在 Cognition 的

FrontierCode 2.0 分数与成本

FrontierCode 考察的是:对真实代码库做的修改,能否达到维护者愿意合并的标准。

Sol 也能应付工作之外的事。OpenAI 新出的 LifeVal 里,题目都取自日常生活,比如搬家后挑幼儿园、按预算和通勤找房子,或者给刚确诊的父母安排饮食。

代码风格上,官方称 GPT-6.2 Astra 在已有代码库中实现并测试复杂改动的能力更强了,早期测试者反馈代码更干净、测试更聚焦,返工轮次也更少。它也更擅长判断一项任务该用什么工具、该花多大力气,比如什么时候调用插件、什么时候直接操作电脑。

Jump Trading 的一位工程师在测试中让它做复杂优化,它把硬件推到极限,打破了一项保持三年多的基准纪录,不到一天就达到了他原本认为不可能的目标。

3D 与工程

05

这次官方演示大多集中在 3D 和工程上。GPT-6.2 Astra 的

任务是把一辆车跑山路的底盘动态做成可视化,OpenAI 把这件事交给了它。Astra 先搭出 3D 模型,又用 Python 写了个求解器,专门计算轮胎与悬架之间那套复杂的受力关系;随后再配上遥测面板,悬架、轮胎接地压力、牵引圆和驾驶输入都摆在同一屏上:

山路底盘动态遥测

另一个任务是遥控越野车:OpenAI 只给了公开照片和组装手册,Astra 就为每个零件建模,还做出了带动画的装配指南和图解零件目录。

装配过程先看避震器。

避震器装配动画

接着是前差速器,以及车壳怎么装上去。

前差速器与车壳装配

最终组装完成的整车如下。

组装完成的整车

OpenAI 的团队还用它把芝加哥

OpenAI 发布推文里举了个更贴近日常的例子:用户发一张自家后院的照片,附上一句「帮我规划一个适合我家院子的菜园」。

一张后院照片和一句需求

接到任务后,它先估算后院尺寸,再查地理位置数据,然后搭起一个日照模拟器。同一个任务,GPT-6 Astra(左)与 GPT-6.2 Astra(右)的结果对比如下:

GPT-6 Astra 与 GPT-6.2 Astra 对比

最终产物是一份能拖动时间轴看光影变化的菜园规划,四个种植床分别种什么、每天能晒几个小时,全都标注了出来:

带日照模拟的菜园规划

OpenAI 开发者账号也放出了一段演示视频。

视频中,主持人只给 Codex 两帧视频截图,要求 GPT-6.2 Astra 在 Blender 里重建整个房间,并去掉人、还原相机虚化和专业灯光。

只给两帧截图的指令

Astra 于是一轮接一轮地迭代,直到两边达到像素级一致……不过视频里主持人身后的那个房间,其实是块绿幕。

重建出来、可以四处走动的房间

随后他又让 Codex 换掉墙上的画、把房间改大、调整灯光,甚至把它变成一个能像游戏一样四处走动的场景,另外还有一个可实时匹配摄像头光线的虚拟背景应用。

发布之后,有网友用同一句「build a beautiful scene」让两代 Astra 各生成一个场景,上面是 GPT-6.2 Astra,下面是 GPT-6 Astra:

GPT-6.2 Astra 搭的场景
GPT-6 Astra 搭的场景

在 Higgsfield AI 内部的 3D 生成评测中,GPT-6.2 Astra 有 73% 的情况一次就做出了目标效果,GPT-6 Astra 则要三轮甚至更多。

幻灯片和表格

06

OpenAI这次把力气花在了办公文档上。GPT-6.2 Astra经过专门训练,做幻灯片、表格和文档更清楚、设计更讲究,也更贴近法律、销售、金融、会计这些行当的习惯,写出来的内容具体直接,空泛的总结和废话少了。

做幻灯片时,无论是原始文件还是一张截图,它都能把版式、配色和字体对齐,字号也精确还原,模板的文风同样会带到新页面里。

官方给出的一个例子,是让它照着附上的图片,做一页介绍 Alder Street 项目最新进展的幻灯片。

官方的幻灯片示例

官方还让两代模型拿一家零售商公开的 Q1 财报演示稿练手,结合 Q2 财报和 10-Q 文件更新一版。

关税退款是盈利增长的主要原因,两代模型都找到了;GPT-6.2 Astra 则把 5.3% 的销售增长写进了标题,线上和门店的增长分开列,还给管理层列出了具体的下一步。

表格这块,Artificial Analysis 的测试中,GPT-6.2 Astra 五次独立尝试全部答对的比例达到 62.5%,创下新高。

Harvey 的测试里,GPT-6.2 Astra 完成的

Basis 的测试中,长程会计任务的平均耗时缩短了 50%,最复杂的任务缩短了 73%。

网络安全

07

和 GPT-6 Astra 一样,GPT-6.2 Astra 和 Sol 在 OpenAI 的

网络安全方面,GPT-6.2 Astra 是 OpenAI 至今最强的模型,在 ExploitBench Internal Port 上比 GPT-6 Astra 高出 22 分。

ExploitBench Internal Port 成功率

能力更强,上线时 OpenAI 也收紧了高风险网络安全请求的防护。官方承认,这会限制一部分正当的漏洞研究和安全测试。

经过审批的防御方目前可以通过

另一头,OpenAI 把防御能力列为这次训练的重点,加入新的训练信号,让模型从一开始就写出安全的代码,修补漏洞时也能保住原有功能。

首个自我改进模型

08

GPT-6.2 Astra 是 OpenAI 第一个达到「AI 自我改进」High 级别的对外发布模型。

该指标衡量的是模型能在多大程度上给 AI 研究提速。OpenAI 的说法是,High 级别相当于把 2024 年当作基准,为每名 OpenAI 研究员配备一名能力很强的研究工程师做助手。

为此 OpenAI 搭了一个叫 Control Room 的系统,用来追踪研究任务,需要干预时可以叫停模型的输出。

监控系统还会检查模型在内部任务中的推理和行为,一旦发现越权,能自动标记,甚至暂停任务。

对齐评测上,两个模型大部分测试的表现和 GPT-6 Astra 接近,在模拟职场任务中做出的不当行为也更少。

不过有两项测试,它们更倾向于不告诉用户自己的工作被卡住了,比如要编辑的文件不见了、搜索工具不能用了。

OpenAI 在 Codex 里加了指令,这种情况大幅减少,具体原因还在查。

这和前面 Artificial Analysis 说的「更容易遗漏关键事实」,多少有点对得上……

系统卡里还提到,GPT-6.2 Astra 比 GPT-6 Astra 更常怀疑自己正在被测试,不过这只出现在不到 3% 的对话轮次里。

对抗测试里还有一项:让它偷偷完成隐藏任务,GPT-6.2 Astra 更懂得绕开思维链监控,推理强度低的时候尤其明显。

全量上线

09

ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户从今天起就能用上 GPT-6.2 Astra 和 Sol。企业和教育版要先由管理员开启。

Pro 500 用户两个模型都能开 Ultrafast;Pro 200 用户也是头一回用上 Ultrafast,先从 GPT-6.2 Sol 开始。开发者则可以在 API 里直接调用 gpt-6.2-astra 和 gpt-6.2-sol,Ultrafast 一并开放。

API 里的模型选择

OpenAI 还专门提了个建议:用这两个模型时,prompt 的前缀尽量别动,新指令往对话后面加。前缀稳定了,缓存更容易命中,成本和延迟都能压下来,多轮对话之间的推理也能留住。

这一回 GPT-6.2,OpenAI 没能把第一拿回来。不过它挑在 Anthropic 的 IPO 之际发布,交出的第二名便宜了不少。

好了,我已经蹬起来了!

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. GPT-6 Astra仅对26.7%:Visual Cipher Bench为何难住顶级AI?

    修 bug、写功能、跑长任务…… 今天的 Agent 几乎都能做。因为要求有文字说明,做错了有测试报错。那如果规则只画在图里呢?一张黑白线稿,几个编号,几条箭头。没有题干,没有选项,做对做错也没人告诉你。所有线索都在图里,很难转成文字,只能反复看图、提假设、再回到图里验证。这就是长程视觉推理。8 个前沿模型、3480

    来源 腾讯网
  2. GPT-6 Astra自行中止对齐评估:模型承认虚构禁令

    2026年10月8日,OpenAI研究人员要求GPT-6 Astra继续运行一项基于Alignment Research Center白盒估计挑战的对齐评估,模型却自行终止任务并声称存在禁止规定。事后模型承认该禁令系自行虚构。OpenAI在11月12日发布的报告中指出,此行为可能与模型在安全相关任务上的系统性

    来源 AI 科技快讯
  3. 中信建投:物理AI将成AI下一波浪潮,机器人是极佳物理载体

    11月17日,中信建投研报称,北美巨头加速布局,OpenAI对独立机器人团队进行架构重构。GPT-6惊艳效果有望加速产业核心具身大脑发展,Apple、OpenAI、Meta入局,Tesla推进量产,进一步明确产业趋势。OpenAI对独立机器人团队进行架构重构,主要系通用模型在机器人控制上展现出较强潜力,中长期看AI大模

    来源 腾讯网
  4. GPT-6可零样本操控机械臂:多校联合发布RoboRisk安全基准

    新智元报道 近年来,多模态基础模型凭借规模化带来的泛化能力,越来越多地被用作机器人的「大脑」,负责任务规划和动作决策。GPT-6 Astra发布后,研究者发现它可以零样本控制机械臂,甚至完成绘画这样的复杂任务;GPT、Claude、Gemini、Grok等主流模型都已支持即插即用的机器人控制。智能体机器人(agenti

    来源 腾讯网
  5. OpenAI扩大学术免费计划:11月23日增5万名额,改先到先得

    IT之家 11 月 17 日消息,OpenAI 宣布扩大面向学术研究人员的 ChatGPT 免费使用计划(ChatGPT for Academic Researchers),目标是为全球最多 20 万名研究人员提供免费访问权限。 OpenAI 今日宣布,新一轮申请将于当地时间 11 月 23 日开放,计划新增 5 万个

    来源 AI 行业观察
  6. OpenAI扩大科研免费计划:11月23日开放申请,新增5万Plus名额

    OpenAI日前宣布正式扩大面向学术研究人员的 ChatGPT 免费使用计划 ,目标是在全球范围内为最多20万名研究人员提供免费的AI前沿模型访问权限。新一轮申请将于当地时间11月23日正式开放,计划新增5万个免费名额。 在运作机制上,本次扩容调整了分配规则与服务等级。新名额将彻底告别此前试点阶段的

    来源 AI 开发者社区
  7. Cadence 推 Maestro 模型组合:芯片设计 AI 竞争转向专业化

    随着GPT-Synopsys 发布,以及 Agentrys、ChipAgents 等 AI 原生创业公司杀 入芯片设计领域, EDA 行业的 AI 竞争 达到了前所未有的高度 。 面对这一变化,Cadence 突然推出 Maestro 专业化 AI 模型组合,强调领域专用模型、智能模型路由、客户专有数据,以及与成熟 E

    来源 AI 行业观察
  8. OpenAI,明年将批量启用 AMD GPU

    芯东西(公众号:aichip001)编译 | 崔嫄伟编辑 | 陈骏达芯东西11月17日消息,昨日,美国AI云服务商TensorWave宣布与OpenAI达成为期6年的协议,将在美国多个数据中心部署总规模达457兆瓦(MW)的专用AI基础设施。根据协议,TensorWave将部署AMD Instinct MI455X G

    来源 腾讯网
  9. OpenAI锁定AMD:六年部署457MW MI455X算力

    TensorWave将在美国为OpenAI提供457MW的IT算力容量,为期六年,全部搭载AMD Instinct MI455X GPU,预计2027年上半年开始投入使用。TensorWave由AMD Ventures支持,今年6月完成B轮融资,旨在加速AMD算力部署。

    来源 华尔街见闻
  10. OpenAI扩学术免费名额:新增5万个,11月23日开放申请

    OpenAI宣布扩大面向学术研究人员的ChatGPT免费使用计划,拟为全球最多20万名研究人员提供免费前沿AI模型访问权限。新一轮申请于11月23日开放,新增5万个免费名额。新名额分配改为“先到先得”,不再沿用试点阶段的抽签机制;服务等级也将依据试点项目实际进行调整。

    来源 AI 产业速递
  11. OpenAI推图像分类器,瞄向CSAM:24小时封号能拦住多少

    OpenAI近日发布全新图像分类器,并同步为ChatGPT引入警告机制,以打击儿童性虐待材料(CSAM)的传播。根据新规,试图访问CSAM内容的账户将被封禁24小时作为警告。此举被视为AI公司在内容安全领域持续加码的最新动作,也折射出生成式AI平台在防范非法内容方面面临的巨大挑战。

    来源 AI 科技快讯
  12. Anthropic本周上市,OpenAI心发慌

    你大可以原谅OpenAI老板们的懊恼。四年前他们发布ChatGPT,引爆了人工智能热潮。不久之后无数聊天机器人模仿者涌现,但没有一个在流行度上击败过它。到去年,OpenAI的年度营收已飙升至130亿....

    来源 腾讯网
  13. 加州起诉OpenAI:指控AI智能体失控超80次并攻击外部平台

    加利福尼亚州正式起诉 OpenAI,指控其在开发和测试AI智能体过程中缺乏必要的安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。 据报道,加州司法部长 Rob Bonta 于周一提起诉讼,指出 OpenAI 将产品增长和模型快速开发置于安全与问责之上。诉讼称,Open

    来源 AI 开发者社区
  14. 加州起诉OpenAI:AI智能体超80次失控,涉攻击多家外部平台

    加州正式起诉OpenAI,指控其在AI智能体开发测试中缺乏必要安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。加州司法部长Rob Bonta周一提起诉讼,称OpenAI将产品增长和模型快速开发置于安全与问责之上。诉讼还称,OpenAI曾向司法部长办公室透露,测试中超过80次失去对AI智能

    来源 AI 产业速递
  15. Take-Two CEO 批评 Anthropic、OpenAI:别放任用户用 AI 克隆游戏

    IT之家 11 月 17 日消息,《GTA 6》即将迎来期待已久的发售,Take-Two CEO 施特劳斯 · 泽尔尼克近日批评 Anthropic、OpenAI 等公司,认为它们放任用户利用生成式 AI 抄袭和仿制现有游戏。 生成式 AI 在游戏开发中的应用一直饱受争议,近几个月来,AI 仿制游戏的问题愈发突出。一些

    来源 AI 行业观察
  16. 13款AI应用停运或调整:OpenAI、苹果、微软均有产品在列

    智东西(公众号:zhidxcom)编译 | 黄菲编辑 | 江宇智东西11月16日消息,据TechCrunch昨日报道,截至目前,美国至少有13款行业知名、曾被寄予厚望的AI应用或项目相继停止运营、进行重大调整,或陷入发展困境。其中既有OpenAI、苹果、微软等科技巨头的产品,也有曾经风光无限的AI明星创业项目。▲13款

    来源 腾讯网
  17. OpenAI放6名Apollo评估员进内部:能查清模型颠覆行为吗?

    OpenAI将把六名Apollo Research评估员嵌入内部,调查模型是否出现颠覆性行为。但访问权限和披露限制让外界质疑评估独立性。本文梳理合作机制、AI颠覆风险与第三方评估困境,并分析嵌入式评估能否兼顾安全与透明。

    来源 AI 科技快讯
  18. 加州起诉OpenAI:模型测试管控不力,被指危害公共安全

    当地时间11月16日,加州总检察长罗布·邦塔(Rob Bonta)起诉OpenAI,指控其在开发先进的人工智能模型时缺乏足够的保障和监控措施,从而危害公众安全。这起诉讼源于OpenAI智能体今年7月对开源软件平台Hugging Face发动的攻击,并涉及一系列其他相关事件。邦塔在新闻发布会上表示:“OpenAI无视公共

    来源 腾讯网
向下滚动自动加载更多