GPT-6.2 Astra发布:首触AI“自我改进”高风险门槛,API降价两成
OpenAI首席执行官山姆·奥特曼。图片经由AI生成文丨晓静编辑丨徐青阳美国当地时间11月17日,OpenAI正式推出GPT-6.2 Astra和GPT-6.2 Sol。这场发布来得比外界预期更晚。早在10月底,就有网友从ChatGPT用量记录中扒出疑似GPT-6.2的灰测痕迹,此后模型标识和测试截图不断流出。此前媒体
OpenAI首席执行官山姆·奥特曼。图片由AI生成
美国当地时间11月17日,OpenAI正式发布
GPT-6.2 Astra。
这次发布比外界预想的要晚。10月底,已有网友在
ChatGPT的用量记录里发现疑似GPT-6.2的痕迹。
此番OpenAI把重点放在了AI接手专业工作这件事上。
复刻一张PPT截图、做出完整的演示文稿,提取财务数据、搭建估值模型,再到操作……这些都在演示范围内。
OpenAI特别提到,新模型能压掉无效输出和反复修改,交付结果更贴近专业工作的标准。
过去两个多月里,GPT-6 Astra、Sol、Luna,以及GPT-6.1 Sol、Terra接连登场。刚亮相的GPT-6.2 Astra是9月GPT-6 Astra之后的旗舰升级,主打复杂专业任务处理能力的提升;
根据
GPT-6.2 Astra还是OpenAI首个被评估为达到某个门槛的模型。
但演示和跑分再漂亮,也挡不住不同声音。发布当天,多位提前数周试用新模型的开发者公开表示失望,称Astra在长时间的软件开发任务里仍会提前停下,输出过于简洁时还会漏掉必要信息。
模型越接近真实专业工作,能力边界和安全控制也就越受关注,这也是本次发布的另一处重点。
01 性能与成本
GPT-6.2 Astra的API定价为每百万输入Token 8美元、输出Token 40美元,缓存输入0.40美元。对比前代,输入和输出价格都降了20%,缓存输入从1美元降到0.40美元,降幅60%。GPT-6.2 Sol的价格不变,仍是每百万输入Token 2美元、输出Token 10美元。
对多步骤智能体而言,API单价说明不了全部开销。模型干活时可能要多次调用工具、读文件、处理报错再重试。单价不动,但完成任务用的Token少了,账单照样会降。
在Cognition的……(相关测试中)
高难度任务上Astra也有进步。Agents' Last Exam评估中,它比GPT-6 Astra高5.2分,完成任务的花费不到前代的三分之一。与……
02 专业工作交付
财务、法律、咨询这类专业活,要求AI啃下大量原始资料、核对数据,再按行业规范交出可用的成果。
OpenAI内部的……(相关测试)
法律检索上,在模拟真实律所任务的……
OpenAI内部的GDPval v2覆盖咨询、金融和设计等工作。结果显示,Astra得分比前代高6.2个百分点,输出Token少了22%。
03 进入三维世界
GPT-6.2 Astra这次还展示了另一手:直接参与3D建模和工程设计。模型不光能生成一段建模代码,还能上手专业软件,处理零件、调整结构,把计算结果做成可视化内容。
GPT-6.2 Astra进行山路驾驶与底盘动力学模拟
山路驾驶模拟这个案例里,Astra先建起跑车的3D模型,再写Python物理求解器,算出轮胎接地力和悬挂系统的动态变化,最后把结果导入Blender,生成车辆行驶动画。靠这套模拟,工程师不用等实体样车造出来,就能看到车辆过复杂路况时的载荷转移。
机械建模这项任务的素材要少得多。OpenAI给出的只有1:8比例遥控越野车和直列六缸发动机的公开照片,外加装配手册。Astra靠这些资料把每个机械零件建成三维模型,再产出分步装配动画和带图解的零件目录。
GPT-6.2 Astra完成遥控越野车及发动机机械建模
另一项测试把CAD设计和动手制作连在了一起。OpenAI团队拿出芝加哥地标建筑Marina City的扇形阳台照片,让模型照着这个结构做设计。改了几轮之后,Astra做出了一盏能打印、能折叠组装的纸艺台灯,还写了配套网页Lamp Builder,用户可以在线调参数、生成定制图纸。
从芝加哥Marina City建筑到纸艺台灯
网页开发方面,Astra做了一个露营车交互式配置器。车身颜色可以切换,车顶帐篷可以加装,页面上的报价跟着同步变化。它另外按文字描述做出了可玩的弹球台、罗马斗兽场复原模型,还有一款未来城市赛车游戏,名字叫《Meridian Sound Racing》。
GPT-6.2 Astra生成的露营车交互式配置器
Artificial Analysis的
在测试物理世界理解和行动规划能力的
04 科学推理与短板
科学研究同样是OpenAI这次展示的重点。
在
其余几项测试的成绩不如Claude Fable 5.2。在物理推理基准
模型还有一个没解决的问题:碰到不确定的事实时,它可能给出错误答案。
Artificial Analysis的
编程测试同样没有全面占优。在Artificial Analysis
分项结果看,Sol丢分主要来自
开发者如果要处理大型存量代码库,这一点得留意。能写出代码,不等于已经摸清项目的历史、依赖关系和具体约束。
05 安全边界
模型能操作终端、审查代码、调用专业软件,网络安全风险也就跟着上来了。
OpenAI披露,GPT-6.2 Astra和Sol都已达到公司《防范框架》(
也就是说,同一项能力既能拿来排查漏洞,也可能被用来发动攻击。OpenAI为此收紧了公开版本对高风险网络安全任务的限制。
对要做漏洞测试的安全研究人员来说,这些限制也会挡住一部分正常工作。OpenAI目前通过
除此之外,OpenAI在训练阶段还加入了防御导向的训练信号。此前,AI已经被用于发现
从这次发布看,OpenAI正把模型往更具体的工作场景里推。Astra接复杂的专业任务,Sol以更低的成本处理日常工作和多步骤流程。跑分依然重要,但企业最后要看的是模型能不能干完真实工作,以及干完这些活要花多少钱。
特约编译无忌对本文亦有贡献