OpenAI发布GPT-6.2双模型:Astra任务成本仅Claude约5%
Astra 刷新专业任务纪录,Sol 低成本超越上代旗舰
11月18日凌晨,
Anthropic 挂牌上市当天,OpenAI 拿出了两款新模型当作“贺礼”。
GPT-6.2 Astra 与 GPT-6.2 Sol 正式亮相。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%。

在衡量长程专业工作流的 Agents' Last Exam 里,GPT-6.2 Astra 拿到 78.3%,比上一代 GPT-6 Astra 高 5.2 个百分点。跑完同样的评测任务,它平均花 2.89 美元,
Claude Fable 5.2 则要 60.05 美元,差出 20 倍以上。
另一款 GPT-6.2 Sol 主打日常工作,API 定价与上一代 Sol 持平,部分编程和日常复杂任务上却能追平、甚至超过此前的旗舰 Astra。
官方同步放出的安全评估中,GPT-6.2 Astra 成为 OpenAI 首个对外发布、AI 自我改进能力达到 High 风险等级的模型。
换句话说,模型已经显露出明显加快下一代 AI 研发的本事。
Astra 开始比拼交付效率
过去一年,大模型较量从“会答题”转向“能办事”。单轮推理分数已经不够看了,企业更在意两件事:一项要几十步乃至上百步操作的工作,模型到底做不做得完,又要花多少钱?
GPT-6.2 Astra 这次的升级,正对着这两个问题去。
Agents' Last Exam 中它考出 78.3%,比上一代多 5.2 个百分点,单任务成本反而降到不足三分之一;对照 Claude Fable 5.2,成绩领先 5.5 个百分点,成本约为 4.8%。
不过这项比较用的是指定评测配置下的任务平均成本,不等于所有真实业务都能省下 95%。官方还注明,Claude Fable 5.2 的排行榜结果不含九项使用备用模型的任务。
成本能降,先来自定价调整:GPT-6.2 Astra 的 API 输入价、输出价各降 20%,缓存输入价降 60%。

但单价并不是全部。
OpenAI 强调,新模型干同样的活,需要生成的 Token 数量也在变少。便宜之外,它还能靠更合理的任务规划,少做无效推理、少调工具、少返工。
比如 OpenAI 内部的 GDPval v2 评测,GPT-6.2 Astra 从 44.2% 升到 50.4%,输出 Token 同步减少 22%。会计 AI 公司 Basis 的测试里,长程会计任务平均执行时间砍掉 50%,最复杂的任务最多缩短 73%。
说到底,这是 Agent 经济性变了:以前降本主要靠压 Token 单价,现在开始靠模型少走步骤、少算无用功。对需要长期跑着的企业级 Agent 来说,后一种能力或许更有长期价值。
科研任务也是 Astra 这回重点突破的方向。
OpenAI 管它叫“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 比上一代高 9 个百分点,任务成本却不到三分之一。

到了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,Astra 以 68.4% 刷新纪录。模型的进步不再停在科学知识问答,已经往数据处理、实验执行、科学推理这些实际研究环节延伸。
从 CAD 到实体零件设计
成本之外,GPT-6.2 Astra 另一处看得见的进步在计算机操作和三维工程设计。
OpenAI 公布的一段演示里,团队让模型把跑车山路行驶时的底盘动力学可视化。Astra 不光生成了三维汽车模型,还用 Python 写了求解器,模拟轮胎与悬架之间的复杂动力学关系,最后在 Blender 里做出动画。
另一组任务中,模型照着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做的燃油动力遥控越野车模型,以及一台直列六缸发动机的零部件,并生成装配动画和带插图的零件目录。
它还帮 OpenAI 团队把芝加哥 Marina City 双塔的扇形阳台变成了纸灯设计,从参考图片分析、CAD 多轮修改、纸质零件设计,一路做到人工完成实物组装。
模型已经能钻进零部件、连接方式、运动约束这些工程细节里。BenchCAD 2.1 Core 评测中,GPT-6.2 Astra 拿下 82.5%,上一代是 62.6%,涨了接近 20 个百分点。

对工程师来说,模型能参与的准备工作更具体了:查装配关系、看运动时的载荷转移、帮着验证早期方案。
浏览器交互和三维网页生成也沾了光。Artificial Analysis 的 AA-3D 评测里,GPT-6.2 Astra 以 1318 Elo 排第一,Claude Fable 5.2 是 1271 Elo。
AI 视频公司 Higgsfield 的内部测试显示,Astra 在 73% 的三维生成任务中一次就能达到目标效果;换成上一代 GPT-6 Astra,通常要调三轮以上。
早先的模型擅长照着文字写代码、出图像。GPT-6.2 Astra 想再往前走一步,去处理这些数字资产彼此之间的结构关系。
Sol 价格没动,却开始追平上一代旗舰
Astra 的能力突破之外,GPT-6.2 Sol 的商业意义可能更直接。
定价沿用 GPT-6.1 Sol:每百万 Token 输入 2 美元、输出 10 美元,只有 Astra 的四分之一。可部分实际任务上,两者的性能差距正在快速收窄。
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 是 44.2%,只差 0.4 个百分点,而 Sol 的任务成本约为后者的五分之一。

这项评测不只看代码跑不跑得起来。模型得在真实代码库里完成修改,质量还要达到维护者愿意合并的标准。
日常复杂任务的表现更有意思。
OpenAI 推出的 LifeVal 评测中,GPT-6.2 Sol 拿到 83.8%,超过上一代旗舰 GPT-6 Astra 的 79.8%,任务成本约为后者的七分之一。

LifeVal 的题目包括搬家后筛选幼儿园、结合通勤与预算找房、给有特殊饮食需求的家人制订食谱。看着不如科研和编程复杂,却要求模型在多项现实条件之间来回权衡。
OpenAI 透露,内部不少员工已经把 Sol 当成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。
高难度任务归 Astra:科学研究、复杂工程设计、专业知识工作。数量更大、对成本更敏感的日常 Agent 工作,交给 Sol。
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掏溢价。
交付物要符合行业标准
AI 生成幻灯片、表格、文档早就不稀奇,可很多成果只停在“看起来完成了”。这次 OpenAI 专门强化了 GPT-6.2 Astra 对专业交付标准的理解。
金融建模任务里,OpenAI 让两代模型做企业的贴现现金流(DCF)估值工作簿。GPT-6 Astra 给出了含财务预测、估值参数和敏感性分析的详细表格;GPT-6.2 Astra 把估值结果重新组织,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,方便分析师快速看懂估值结论。

投资银行常见的可比交易分析也考了: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 调整了图表布局,增加收购方、交易规模、利润率等详细信息,还在标题下方直接提炼关键发现: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:模型必须满足所有评分要求,且不存在实质性幻觉,才算通过。

GPT-6.2 Astra 的通过率是 15.0%,Claude Fable 5.2 为 7.2%,而成本仅约为后者的六分之一。
电子表格这一项,Artificial Analysis 的 AA-AnalystAgent 让模型从真实报告和工作簿里找数据、做计算。GPT-6.2 Astra 有 62.5% 的题目做到五次独立作答全对。
专业 AI 应用厂商 Legora 另有发现:处理复杂法律 Agent 任务时,Astra 的 Token 消耗比 GPT-6.1 Sol 少了 62%。
这背后是 OpenAI 此次调整的另一个方向——模型不只去生成符合要求的内容,还试着弄明白不同行业眼里的合格成果到底怎么定义。
首次跨过AI自我改进High门槛
产品功能看得见摸得着,但 GPT-6.2 Astra 在安全评估里的一处变化,长远看可能更有分量。
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。
这项能力看的是模型能不能实打实加速 AI 研发,比如找出模型训练的故障、优化计算内核、改进现有模型,以及把机器学习实验跑完。
OpenAI 的判断是:跟 2024 年的基线比,GPT-6.2 Astra 对 AI 研发效率的潜在提升,相当于给每位 OpenAI 研究员配了一名能力较强的研究工程师助手。
当然,这不等于模型已经能自己设计、训练并发布下一代前沿模型,也不等于 AI 已经完全实现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。
另外,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 又把高风险网络安全请求的处理规则收紧了,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通过 Daybreak 用特定模型做授权安全测试,GPT-6.2 系列也计划后续接入。
官方安全测试还发现一件事:在部分模拟工作任务里,新模型更容易略过对执行障碍的说明,比如没主动告诉用户缺了文件,或者搜索工具用不了。
这对开发者是个提醒:模型能力上去了,不代表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,这些工程要求照样省不掉。
百万 Token 输入最低 2 美元
按 OpenAI 公告,两款模型在美国当地时间 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。不过这次没有同步把两款模型放进普通 ChatGPT 对话模式。
Ultrafast 高速模式的使用范围也扩大了。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能用。
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,缓存输入价格只有普通输入的二十分之一。
但请求一旦超过 272K 输入 Token,Astra 就会触发更高的长上下文计费;Ultrafast 还有单独溢价。所以具体花多少钱,仍要看上下文长度、缓存怎么用以及运行档位。