OpenAI发布GPT-6.2 Astra与Sol:同任务成本仅Claude Fable 5.2约5%
就在 Anthropic 敲钟上市的同一天,OpenAI 端出了它的“贺礼”。 11 月 18 日凌晨消息,OpenAI 正式发布 GPT-6.2 Astra 和 GPT-6.2 Sol 两款新模型:在复杂专业任务上,GPT-6.2 Astra 的得分超过 Claude Fable 5.2,而单任务成本只有后者的约 5
11 月 18 日凌晨,OpenAI 正式推出
GPT-6.2 Astra 和 GPT-6.2 Sol 两款新模型,发布时点恰逢 Anthropic 敲钟上市的同一天。在复杂专业任务上,GPT-6.2 Astra 的得分压过 Claude Fable 5.2,单任务成本却只有后者的约 5%。

长程专业工作流评测 Agents' Last Exam 里,GPT-6.2 Astra 拿到 78.3%,比上一代 GPT-6 Astra 高出 5.2 个百分点;完成同一评测任务的平均成本为 2.89 美元,
Claude Fable 5.2 则要 60.05 美元,两者差距超过 20 倍。
另一款 GPT-6.2 Sol 主打日常工作,API 定价与上一代 Sol 持平,但在部分编程和日常复杂任务上已经追平、甚至反超此前的旗舰 Astra。
官方同步公布的安全评估显示,GPT-6.2 Astra 是 OpenAI 首个对外发布、在 AI 自我改进能力上被定为 High 风险等级的模型,说明模型已开始表现出明显加速下一代 AI 研发的能力。
Astra 开始比拼交付效率
过去一年,大模型竞争的焦点从回答问题转向执行任务,单轮推理成绩已不足以衡量模型的真实价值。企业更在意的是:一项需要几十步乃至上百步操作的工作,模型能不能做完、要花多少钱?GPT-6.2 Astra 的升级正对着这两个问题。
Agents' Last Exam 中它取得 78.3%,较上一代提升 5.2 个百分点,单任务成本却降到不足三分之一;对比 Claude
Fable 5.2,领先 5.5 个百分点,成本约为 4.8%。
不过这项比较采用的是指定评测配置下的任务平均成本,并不代表所有真实业务场景都能省下 95%。官方同时注明,Claude Fable 5.2 的排行榜结果排除了九项使用备用模型的任务。
GPT-6.2 Astra 的 API 输入、输出价格均下调 20%,缓存输入价格降幅为 60%,这是成本下降的第一层来源。

单价之外还有别的变化。OpenAI 强调,新模型执行同样任务所需生成的 Token 数量也在减少——不只更便宜,还能靠更合理的任务规划压掉无效推理、工具调用和重复修改。
OpenAI 内部的 GDPval v2 评测中,GPT-6.2 Astra 从 44.2% 升到 50.4%,输出 Token 同时减少 22%。会计 AI 公司 Basis 的测试则显示,长程会计任务的平均运行时间缩短 50%,最复杂任务最高缩短 73%。
这实际上是 Agent 经济性的一次转向:以往降本主要靠压低 Token 单价,如今开始依靠模型减少完成任务所需的步骤和计算量。对需要持续运行的企业级 Agent 来说,后一种能力可能更有长期价值。
科研任务也是 Astra 此次重点突破的方向,OpenAI 称其为“面向科学家的最佳模型”。在考察终端科研工作流的 Terminal-Bench-Science 中,GPT-6.2 Astra 比上一代提升 9 个百分点,任务成本却不到三分之一。

涉及真实生物数据分析、模拟实验和系统机制推断的 Vals Science Index 中,Astra 以 68.4% 创下新高。模型的进步已不再局限于科学知识问答,而是延伸到数据处理、实验执行和科学推理等实际研究环节。
从 CAD 到实体零件设计
成本之外,GPT-6.2 Astra 另一个直观的进步在计算机操作和三维工程设计。OpenAI 公布的一段演示中,团队要求模型把跑车山路行驶时的底盘动力学可视化,Astra 不但生成了三维汽车模型,还用 Python 编写求解器模拟轮胎、悬架之间的复杂动力学关系,最终在 Blender 里完成动画。
另一组任务里,模型依据公开照片和装配手册,分别重建了一套按实车八分之一比例制作的燃油动力遥控越野车模型和一台直列六缸发动机的零部件,并生成装配动画及带插图的零件目录。
它还协助 OpenAI 团队把芝加哥 Marina City 双塔的扇形阳台转化成纸灯设计,流程涵盖参考图片分析、CAD 多轮修改、纸质零件设计,直到人工完成实物组装。
模型如今已经能触及零部件、连接关系以及运动约束这类工程细节。BenchCAD 2.1 Core 评测里,GPT-6.2 Astra 拿到 82.5%,上一代是 62.6%,提高了将近 20 个百分点。

对工程师来说,这代表模型可以介入更具体的设计准备环节——核对零件之间的装配关系、看运动过程中的载荷转移、帮着验证早期的设计方案。
浏览器交互和三维网页生成上也有相近的进展。Artificial Analysis 的 AA-3D 评测中,GPT-6.2 Astra 以 1318 Elo 排在第一,Claude Fable 5.2 为 1271 Elo。AI 视频公司 Higgsfield 的内部测试显示,73% 的三维生成任务里 Astra 一次就能达到目标效果;上一代 GPT-6 Astra 通常要调整三轮以上。
以前的模型擅长照着文字生成代码和图像,GPT-6.2 Astra 想再往前走一步,去处理这些数字资产之间的结构关系。
Sol 价格不变,却开始追平上一代旗舰
比起 Astra 的能力突破,GPT-6.2 Sol 在商业上的意义可能更直接。它的 API 定价沿用 GPT-6.1 Sol:每百万 Token 输入 2 美元、输出 10 美元,仅为 Astra 的四分之一。可在一些实际任务上,两者的性能差距正快速收窄。
Cognition 的 FrontierCode 2.0 编程评测中,两款模型都开 max 推理档位,GPT-6.2 Sol 得 43.8%,Astra 得 44.2%,相差只有 0.4 个百分点,而 Sol 的任务成本大约是后者的五分之一。这项评测看的不是代码能不能跑,而是模型要在真实代码库里完成修改,质量还得达到维护者愿意合并的水准。

日常复杂任务的表现更有看头。OpenAI 推出的 LifeVal 评测中,GPT-6.2 Sol 拿到 83.8%,高于上一代旗舰 GPT-6 Astra 的 79.8%,任务成本约为后者的七分之一。

LifeVal 覆盖的任务包括搬家后筛选幼儿园、结合通勤与预算找住房、为有特殊饮食需求的家庭成员制订食谱等。这些事看上去不如科研和编程复杂,却要求模型在多项现实条件之间反复权衡。OpenAI 透露,内部不少员工已经把 Sol 当作处理技术和非技术工作的默认模型。
这或许指向一种新的模型分工:Astra 承担科学研究、复杂工程设计、专业知识工作等高难度任务,Sol 接住数量更大、对成本更敏感的日常 Agent 工作。当中端模型在越来越多任务上追平上一代旗舰,开发者要重新想的就不只是用哪个模型,而是哪些任务值得为顶级模型多付钱。
符合行业需求的PPT交付
用 AI 生成幻灯片、表格和文档早就不新鲜,可很多成果还停在“看起来完成了”的阶段。这次 OpenAI 专门强化了 GPT-6.2 Astra 对专业交付标准的理解。
比如金融建模任务里,OpenAI 让两代模型分别制作企业的贴现现金流(DCF)估值工作簿。GPT-6 Astra 生成的详细表格包含财务预测、估值参数和敏感性分析;GPT-6.2 Astra 把估值结果重新组织,将每股价值、企业价值与股权价值的计算过程、关键假设及敏感性分析集中呈现,还补上收入结构和增长情况,分析师能更快看懂估值结论。

投资银行常见的可比交易分析中,两代模型都要把多笔软件行业并购交易整理成一页演示文稿。上一代已经能生成交易倍数图表和基础交易信息,GPT-6.2 Astra 则调整了图表布局,加入收购方、交易规模、利润率等详细信息,并在标题下方直接提炼出关键发现:Paychex 收购 Paycor 的 EV/EBITDA 倍数为 21.7 倍,低于五笔具有正 EBITDA 的交易所对应的 27.5 倍中位数。

法律领域,Harvey 的 LAB-AA v1.1 评测标准更严:模型要满足所有评分要求,且不能有实质性幻觉,才算通过。GPT-6.2 Astra 的通过率为 15.0%,Claude Fable 5.2 为 7.2%,前者成本仅约为后者的六分之一。

在表格处理场景中,Artificial Analysis 的 AA-AnalystAgent 会要求模型先去真实报告和工作簿里找数据,再完成运算。GPT-6.2 Astra 有 62.5% 的题目做到了五次独立作答全部正确。
专业 AI 应用厂商 Legora 另有发现:面对复杂的法律 Agent 任务,Astra 的 Token 消耗比 GPT-6.1 Sol 少了 62%。
这也牵出 OpenAI 此番调整的另一条线:模型要做的已经不只是产出符合要求的内容,还得试着弄明白不同行业眼中什么样才算一份合格的工作成果。
首次跨过AI自我改进High门槛
产品功能看得见,相比之下 GPT-6.2 Astra 在安全评估上的一处变化,长远影响可能更大。
OpenAI 已确认,GPT-6.2 Astra 是该公司首个对外发布、AI Self-improvement(AI 自我改进)能力达到 High 等级的模型。
这项能力盯的是模型能不能真正给 AI 研发提速,比如排查模型训练故障、优化计算内核、改进已有模型,以及跑完机器学习实验。
OpenAI 的判断是,以 2024 年的基线水平作参照,GPT-6.2 Astra 对 AI 研发效率的潜在提升,相当于给每位 OpenAI 研究员配上一名能力较强的研究工程师助手。
当然,这并不代表模型已经能自主设计、训练并发布下一代前沿模型,更谈不上 AI 已经实现完全自主的递归式自我改进。但它确实说明,AI 辅助 AI 研发正在迈过一道新的能力评估门槛。
同时,两款模型在网络安全能力上都达到 OpenAI 准备度框架的 Critical 等级,生物和化学能力则达到 High 等级。

为了压低滥用风险,OpenAI 把高风险网络安全请求的处理规则收得更紧,部分合法的漏洞研究可能因此受限。经过批准的防守研究人员仍能借助 Daybreak 使用特定模型做授权安全测试,GPT-6.2 系列也计划后续接入。
官方安全测试还暴露出一个问题:新模型在部分模拟工作任务里,更容易略过对执行障碍的说明,比如缺少文件或搜索工具不可用时,它没有主动告知用户。
这对开发者是个提醒:模型能力上去了,不等于执行过程就天然可靠。跑长程 Agent,过程能追踪、失败能发现、结果能验证,这些工程要求依然省不掉。
百万 Token 输入最低 2 美元
OpenAI 公告显示,两款模型于美国当地时间 11 月 17 日发布,并开始向 ChatGPT Work、Codex 的 Plus、Pro、Enterprise 和 Edu 用户开放。其中 Enterprise、Edu 需要管理员启用。
开发者可通过 API 调用 gpt-6.2-astra 和 gpt-6.2-sol。要留意的是,这次两款模型并未同步进入普通 ChatGPT 对话模式。
Ultrafast 高速模式的适用范围也扩大了。每月 200 美元的 Pro 订阅用户首次能用,初期支持 Sol;500 美元档则两款模型都可以用。
对 API 开发者,OpenAI 建议尽量保持提示词前缀不变,把新指令追加到后面,以提高缓存命中率。按标准短上下文价格算,缓存输入价格仅为普通输入的二十分之一。
不过请求一旦超过 272K 输入 Token,Astra 就会触发更高的长上下文计费;Ultrafast 同样有单独溢价。说到底,具体成本还得看上下文长度、缓存使用方式和运行档位。