GPT-6.2 Astra与Sol同步上线:Astra降价20%,缓存读取降至0.4美元
GPT-6.2 Astra实测:代码审查强但偏科严重,沟通规划与审美仍是短板
等了半个多月,
GPT-6.2 总算露面了。
这次一同发布的是 GPT-6.2 Astra 和 Sol,前者是旗舰,后者负责日常主力。

这模型拖的时间实在太长。11月1号前后就有人称灰测到了 GPT-6.2 Sol,我后来也灰测到了升级版本,结果一等就是将近小20天。
今天它终于发了,ChatGPT、Codex 还有 API 已经全部同步上线。

官方信息读完,我自己也跑了不少测试。怎么说呢,这个模型让我有点失望:它有特定用处,而且极其偏科,但对我来说,恐怕很难带来质的体验飞跃。
那就一项一项说。
一. GPT-6.2 基本信息
按老规矩,开头先把基本信息过一遍。
这次有两个模型。GPT-6.2 Astra 官方定位是给最难项目用的前沿模型,API 里的编号是 gpt-6.2-astra。
GPT-6.2 Sol 官方定位是日常工作用的高效模型,API 里的编号是 gpt-6.2-sol。
知识截止日期这回有更新:GPT-6.2 Astra 是2026年5月18日,GPT-6.2 Sol 是2026年6月1日;不过受后训练影响,实际了解的知识会比这些日期再往后延一些。
GPT-6 Astra 当时是4月30日,这次往后推了半个月到一个月。我们当时判断有没有被灰度到新模型,看的就是知识库日期,问一句“禁止联网,你知道Fable5”吗,就能分辨是 GPT-6.1 还是灰度到了 GPT-6.2。

GPT-6 Astra 和 GPT-6.1 Sol 其实都不知道 Fable5 这个模型。
价格方面,Astra 降了20%,每百万输入 Token 8美元,输出40美元,缓存读取从1美元直接降到0.4美元,缓存这块降了60%。
Sol 不变,还是输入2美元,输出10美元,缓存0.1美元。
大家还记得我上周写 Fable 5.2 时说过吗,Fable 5.2 降价后的价格是输入8美元、输出40美元,这次 GPT-6.2 Astra 一模一样。
上一次 GPT-6 Astra 发布时,定价跟 Fable 5 对齐;这次 Fable 5.2 降了,OpenAI 又跟着对齐。但问题还在:大家都知道,前两个定价不重要,最要紧的是缓存读取的价格,以及完成任务需要的 Token 数。
价格上我简单做了个表。

之前 GPT-6 Astra 的缓存读取贵得没边,整整1美刀,大家说烧得快就是这个原因。这次确实大幅降价,降到了0.4美刀。相比之下,Fable 5.2 是0.2美刀,Gemini 4 Carbon 现在限时半价只要0.1美刀。
但至少比以前便宜多了,不再直接爆表。我还记得 GPT-6 Astra 刚出的时候,我一天就能用完一个200刀的 Pro 账号额度。。。
价格之外,还有一个绕不开的指标——跑完一个任务要烧多少Token。纸面上GPT-6.2 Astra的定价看着比Claude Fable 5.2贵,可真用起来,Claude Fable 5.2的额度掉得吓人,原因就在完成任务所需的Token量上,两边差得太多。
这一点留到第二趴细说。
二. GPT-6.2的特点
OpenAI这次还是老路子。模型的智力和能力确实拼不过Claude,于是整个模型的关键词,连同官方图表清一色的横轴,都指向同一件事。
每个任务花多少钱。
拿Agents' Last Exam来说,它测的是多步骤的专业工作,可以理解成给Agent出的一份期末考卷。

GPT-6.2 Astra大约78%,每个任务约3美元;Claude Fable 5.2大约73%,每个任务约60美元。
分数高出5.5分,成本只到对方的5%。
再跟自家上一代GPT-6 Astra比,分数高了5.2分,成本不到三分之一。
Claude Fable 5.2的单价不是比GPT-6.2 Astra便宜吗,最后差距怎么拉得这么大?秘诀还是消耗的Token量。

单看每项任务的输出Token量,GPT的表现相当惊人,消耗极少;Claude为了冲更高的能力上限,推理资源投得很猛,每任务的Token输出最多能差到7倍。
这也就说得通了:纸面价格上Claude Fable 5.2比GPT-6.2 Astra便宜,可它基本属于我们烧不起的档次;GPT-6.2 Astra在实际Token消耗上反倒好一些。
我自己是200刀的Pro会员,跑了4个左右的视频和3D Case,2个大方案规划,外加近百个代码审查。跑之前周额度还剩12%,跑完剩6%,等于消耗了6%的周额度。

上次用Claude Fable 5.2,10个Case就烧掉我近30%的周额度。效果确实远超GPT,但经济上的差距也摆在那儿。
官方blog里其他任务也差不多。Terminal-Bench-Science测的是模型在终端里做科研的能力,这恰好是GPT的强项。我做科研的朋友大多反馈,GPT几乎是他们的主力模型,科研这一块GPT一骑绝尘。

这个任务里,GPT-6.2 Astra大约77%,每个任务约7美元;上一代GPT-6 Astra是68%,却要花24美元左右。
OpenAI因此把Astra称作世界上最适合科学家的模型,第三方的Vals科学指数上它也确实是第一。

第三个是OpenAI内部的GDPval v2,测咨询、金融、设计这些真实行业里的长程知识工作,结论也差不多。

主打的就是一个省钱。
AA的智能指数上这次进步明显:GPT-6.2 Astra涨了6分,拿到62分,回到第二的位置;GPT-6.2 Sol涨得不多,只有2分。

再过大概1天,AIHOT的模型榜应该就会给GPT-6.2系列的两个模型开分,到时候大家可以看看排名。顺便说一句,很多时候第一天没分,是因为参与评测的机构不够,他们没开分,已出分的数据源不到一半,就放在最下面暂不参与评分——我们整体走ELO策略,数据太少不够准,变动会比较大。

三. GPT-6.2实测
接下来我也做了些详细测试。
模型能不能把话说清楚、把方案排明白,是我最在意的部分,而这恰恰是GPT系列长期以来的弱项。在我自己的使用经验里,GPT的定位一直是那种极为严谨、执行细致、几乎不出错的类型,后端、科研、审查这些环节确实很强,可一旦落到常规的项目方案规划(非科研场景)和文字可读性上,表现就明显拉胯。
手头正好有这么个活儿。最近不少朋友跟我说,希望AIHOT每条新闻底下能有个留言区,方便大家聊两句。


这事真不是加个留言功能那么轻巧。能回帖、能评论,技术上简单得很,难的是国内那套合规和审查要求。
比方说,要做交流功能,实名制就跑不掉,手机号登录得安排上,而验证码这条链路成本不低。更麻烦的是内容得先审后发,审查机制也得一并搭起来,诸如此类。
AIHOT是我拿闲暇时间维护的个人项目,这个需求大家提了2个月,我一直没敢动,原因就是成本和风险都会明显往上走。
不过拿来测模型没问题。假设现在就真要干这件事,怎么干才合适?我让模型出主意,模型在规划和方案可读性上的差距,这时候就露出来了。
我给的Prompt特别简单,简单到都不太像Prompt。
“这段时间不少用户跟我们提,说想在AIHOT中间插个简单的留言区,大家随手聊两句就方便了。基于这个情况,你能不能帮我评估一下,怎么在合规、安全的前提下,用最小的成本把整套留言和交流功能设计出来。”

先看Gemini 4 Carbon交出来的方案规划,GPT-6.2 Astra的放在后面说。最近我挺爱用这个模型跟Claude搭配,两边各出一版方案再合并,Gemini 4 Carbon确实有点特别。
这份方案花了大概5分钟。
开头第一句,就把我的需求拎得很准。
接着它把必须遵守的合规项一条条列了出来,跟我自己了解到的情况完全对得上。
然后是一份最小成本的设计方案,做得相当漂亮,细节也足:不开放自定义昵称、不做多层盖楼、不做全量只开精选,先审后发这块直接复用我们现有的Agent全自动新闻审查机制。
最后还给了对比,让我自己挑。
整份东西干净、清楚,读着有不少启发。中间可能有些幻觉,还得让Claude再过一道,但整体已经很能打了,可读性强,我读得下去,实操性也强。
看完Gemini 4 Carbon,再回到GPT-6.2 Astra。
它一共跑了24分钟,差不多是Gemini 4 Carbon的5倍。下面是它的回复,上面几行公司基础信息没什么意思,我就不贴了,核心就是这一屏。
说实话,不知道各位读这段是什么感受,反正篇幅明明不长,我却读得云里雾里,看完跟没看一样,可读性很差。里面居然建议前期用人工审核,我疯了吗,天天蹲在屏幕前一条条审大家的评论?这建议是人能提出来的?
排行榜那部分的方案规划也是同样的问题。
我甚至觉得,GPT-6.2 Astra在内容可读性和主动规划能力上,比早期GPT-6 Astra的感觉还差一截。手上有Claude和Gemini的情况下,我绝不会直接找GPT沟通任务,读它的反馈太累人。
再说代码审查,这是我目前用得最多的GPT场景。Claude写完的代码,我有一套流程和脚本,自动让GPT最多审3轮,靠的就是它严谨的性子,能挑出不少问题和BUG,把隐患提前挡住,这点很好用。
以前我的主力审查模型是GPT-6.1 Sol Xhigh。GPT-6.2更新后,我拿手上几个真实项目测了一遍,推理强度同样开xhigh,这块确实进步明显。
在我自己搭的那套很简易的评测集里,GPT-6.1 Sol只能找出65%的问题,GPT-6.2 Sol到了84%,GPT-6.2 Astra更是快得前所未有,直接冲到96%。
代价也有:GPT-6.2 Astra比GPT-6.2 Sol慢大约一倍,价格贵4倍,换回来的是多找出十几个BUG。
这么看下来,以后我的默认审查模型大概就定 GPT-6.2 Sol xhigh 了。眼下论性价比,它确实最能打,找不到第二个。
接着聊一个很多人都惦记的话题——审美。
实测下来,除了 3D 视觉还能看,其余部分跟 Claude 摆在一起,用作者的话说就是“就是一坨屎,哎”。
视频这块就是个现成的例子。我拿的老 Case 是这么写的:做一支 40 秒到 1 分钟的 ChatGPT 四周年致敬动效视频(2022.11.30–2026.11.30),16:9 横版,无旁白,配原创音乐。关键版本、里程碑和数字要讲清楚,内容自己去网上核实,不许编。动手之前先翻 OpenAI 官网、博客和近期发布的视频,摸清他们的视觉风格,提炼出来当作片子的视觉基调。节奏得快,动效要密、画面要满,跟着音乐卡点。定位是第三方致敬,别弄成 OpenAI 官方出品那副样子。
这一版出自 Claude Fable 5.2。