OpenAI同日上线GPT-6.2双模型:Astra降价20%,编程进展停滞
2026年11月17日,OpenAI正式发布GPT-6.2 Astra和Sol两款新模型,向ChatGPT Work、Codex及API全面开放。Astra API价格下调20%至每百万输入tokens 8美元,官方声称在专业输出和编程上大幅提升,但第三方评测机构Artificial Analysis的编程代理指数显示
2026年11月17日,OpenAI一口气推出GPT-6.2 Astra和GPT-6.2 Sol两个新模型,ChatGPT Work、Codex平台和开发者API三条渠道同日开闸。Plus、Pro、Enterprise和Edu用户均可使用,API侧则靠gpt-6.2-astra和gpt-6.2-sol这两个标识符来调用。
GPT-6系列在同一周期内迎来第二次大改版,时间点耐人寻味:Anthropic的Claude Fable 5.2上线才刚满一周。
降价成了最有力的卖点
先看GPT-6.2 Astra的API价目,比上一代实打实便宜了:每百万tokens输入从10美元降到8美元,少了20%;缓存输入由1美元砍到0.40美元;输出从50美元落到40美元。GPT-6.2 Sol则按兵不动,每百万tokens输入2美元、输出10美元。
单看绝对值,Astra还是比Sol贵出四倍。不过OpenAI抛出一个关键对照:FrontierCode 2.0编程基准上,Sol的分数跟Astra只差不到0.5个百分点,花费却只有后者的五分之一。照这个算法,多数编程活儿交给Sol就够了,Astra多出来的钱主要花在科学研究、长文档处理这类重度专业场景上。
官方口径与独立评测对不上
发布材料里,OpenAI亮出一组核心数字:GPT-6.2 Astra在Agents' Last Exam上比上代GPT-6 Astra高出5.2个百分点,干同样的活花费不到上代的三分之一。性能往上、成本往下,两个说法捆在一起,落点就是新模型在复杂代理任务上的单位成本优势。
第三方评测机构Artificial Analysis的数据却给出另一幅图景。其编程代理指数(Coding Agent Index)上,GPT-6.2 Astra相对GPT-6 Astra基本没挪窝;GPT-6.2 Sol甚至比GPT-6.1 Sol掉了三个百分点。Artificial Analysis直言,“编程领域的进展已陷入停滞”。智能综合指数(Intelligence Index)方面,Astra拿到62分排第二,排在前面的Claude Fable 5.2是65分。
两边的分歧不是巧合。OpenAI挑的Agents' Last Exam偏重多步推理和指令遵循,不是纯代码生成效率;Artificial Analysis的编程代理指数则更贴近开发者每天的真实场景。两组数据都是事实,量尺却不同。对要靠这两款模型写代码、做代码审查的工程团队来说,后一把尺子的参考价值恐怕更大。
跟Fable 5.2正面掰手腕
发布时间本身就透着竞争压力。据9to5Google报道,Anthropic上周发布的Claude Fable 5.2在多个主流基准测试中“几乎全面领先Opus 5.5、GPT-6 Astra和Gemini 4 Carbon”。这种情况下,OpenAI隔了不到一周就甩出6.2版本,节奏比以往任何一轮迭代都快。
市场策略上,OpenAI没等性能指标全面压过对手才动手,而是先在价格上出招。Astra降20%、Sol守住低价,等于把“高质量AI”的门槛直接往下压。对大量按API计量付费的企业客户,输入成本少两成,规模调用时就是账面上看得见的预算节省,比基准测试多几个百分点更容易感知、也更好量化。
法律和垂直场景露出突破口
也不是所有指标都在说停滞。据mlq.ai援引的数据,GPT-6.2 Astra在Harvey LAB-AA法律任务基准上拿到20.8%的满分率,同类模型里相当扎眼。这个细节说明,GPT-6.2 Astra真正的主场或许不在通用编程,而在专业文档处理——合同审查、法律摘要、长报告生成。这类任务里,推理精度比代码跑得快更重要,降价也更容易被专业服务客户接受。
这跟OpenAI所宣称的“为复杂专业工作中的AI设定新质量标准”对得上。把Astra摆到法律、咨询、科研机构的重型工具位置上,让Sol去接大量编程和日常自动化场景,产品线分层看得清楚。
一个被低调处理的安全节点
发布说明里还有一条,多数报道把它放到了末尾:GPT-6.2 Astra是OpenAI首个对外发布、被认定“达到AI自我改进高风险阈值”的模型,同时配了一套叫Control Room的新管控系统。
这个定性有两面。一面是,OpenAI认为6.2 Astra已经具备一定程度的自主递归改进能力,得额外加安全封堵;另一面,光“已达到高风险阈值”这几个字,就够企业合规团队把使用协议重新翻一遍。Control Room的具体约束机制还没完全公开;要在金融、医疗、政府等受监管行业部署的用户,权限边界、日志审计、人工接管和数据留存要求都该写进采购审查。
这两款模型怎么用
从部署角度看现状:GPT-6.2 Sol在编程任务上性价比最扎眼,花Astra五分之一的钱换接近的代码生成质量,适合高频调用的自动化流水线;GPT-6.2 Astra则适合单次调用价值高、对推理深度要求更严的专业场景,法律文档和科研摘要眼下是有数据支撑的两个落点。
前提得说清楚:官方给的基准数字和第三方独立评测的结论差得不是一星半点,不是四舍五入那种误差,而是在同一个领域(编程)上得出了方向相反的判断。要把这两款模型塞进核心生产流水线,先针对自己的具体任务跑一轮成本可控的小规模测试,这一步绕不过去。
判断
这次GPT-6.2 Astra和Sol一起发布,与其说是性能跨代,不如看成一次有意的价格重定位。Artificial Analysis等独立评测给出的结论是编程能力没什么长进,OpenAI对此最直接的回应就是降价20%:用成本上的优势去补性能上的差距,让企业客户算总账时仍有理由留在GPT系列。
对价格敏感、调用频繁的用户来说,这套打法短期内确实有吸引力。只是现有的独立评测都还没能证明性能反超,OpenAI眼下做的,是用价格重新给采购找理由。