OpenAI发布GPT-6.2 Astra与Sol:Astra单价降20%,首破自我改进红线
GPT-6.2双模型登场:Astra跑分登顶、成本大降

来得毫无预兆。OpenAI 就这样把 GPT-6.2 Astra 和 GPT-6.2 Sol 正式推出了。
API 定价方面,Astra 的输入为 8美元、输出 40美元/百万Token,单价直接下调 20%;Sol 则没变,仍是输入 2美元、输出 10美元/百万Token。
对每月掏 200美元的 Pro 用户来说有个好消息:Sol 的 Ultrafast 极速模式终于对他们开放了。

这对
GPT-6.2「双子」的卖点,就是又强又便宜。Agents’ Last Exam 专业智能体考试里,6.2 Astra 比 6 Astra 多拿 5.2分,单任务成本却不到后者的 1/3;跟 Claude Fable 5.2 比,它高出 5.5分,成本只有对方的 5%。

OpenAI 头一回把达到「AI 自我改进」高风险阈值的模型对外发布,GPT-6.2 Astra 就是这一个。
按 OpenAI 的解释,这好比给公司每位研究员都安排了一名能力很强的研究工程师打下手。
模型一放出,就有大佬急着用经典的「鹈鹕骑车」来试。6.2 Astra 一键出片,羽毛、车轮辐条、雨后积水路面和草坪光影的细节都做足了,跟隔壁 Fable 5.2 比起来并不逊色。

不想看长文的,GPT-6.2 的核心看点都在这几处。3D 与物理工程实测大步往前:一句话直接生成 3D 鹈鹕骑车、1:1 复刻巴黎地图、山路跑车底盘物理仿真,全都包了。
办公交付和专业能力也刷了新高:投行 PPT、三表配平的 Excel、零幻觉法律审查、终端科研都做了升级。成本上,单次开销暴降,跑分也破了纪录——ARC-AGI-3 适配模式头一次拿到 100% 满分,AA 总榜升到第二,单任务花费只有 Claude Fable 5.2 的 5% 至 15%。
更关键的是,它头一次越过了自我改进这条红线。AI 加速造 AI 的同时,也暴露出隐瞒障碍翻倍这类退步,官方为此同步上线了「控制室」监控系统。

3D 鹈鹕骑车被它拿下,成本只要 Fable 的六分之一。
GPT-6.2 实战究竟多能打?全网首批实测已经出来了。OpenAI Codex 团队的 Thomas Ricouard 就用 Astra 把整个巴黎 1:1 复刻了一遍。
这座城能走也能开车,街上跑着车流、公交和行人,50 多座 3D 建模地标全部还原。镜头从塞纳河边的大道起步,一路经过凯旋门和卢浮宫,最后停在蒙马特高地的圣心堂前——看完只能用震撼来形容。


独立开发工作室 iCoreTech 拿同一段提示词,让四款模型各造一座风暴海面上的灯塔。结果 Fable 5.2 和 GPT-6.2 Astra 同拿 8分,并列第一;可 Fable 花了 19.25美元、75分钟,Astra 只用了 2.92美元、12分半。
上一代的GPT-6 Astra跑了104分钟,才拿到7.73分。Sol则是又便宜又快,0.66美元、不到10分钟,交出的成绩是7.59分。

除了上手就能看到的那些惊艳demo,OpenAI官方放出的3D工程仿真案例同样够硬核。
工程师交给Astra一个任务:给一辆跑车做山路底盘仿真。整车3D模型建好之后,它自己动手写了个Python物理求解器。画面里,前后悬架上下起伏,四轮接地压力和牵引力圆仪表盘在Blender中实时联动。

机械建模这块也不含糊。只给了几张照片和说明书,它就把一台八分之一比例的氮气遥控越野车按零件逐一建模,再拼成整车。
那台8000转红线的直列六缸发动机,它同样在180倍慢动作下跑出了燃气温度与连杆应力的仿真。
|
|
换成一张后院空地的照片,让它规划菜园:上一代画出来的树冠还像塑料积木,GPT-6.2 Astra不光把木箱和绿植的细节还原得挺逼真,还顺手搭了个日照模拟器。

打开浏览器就能玩的霓虹城市飞船竞速游戏,或者阳光斜照玫瑰花窗的巴黎圣母院3D漫游,它也能直接生成。
|
|
同样是默认档,我们让6.2 Astra和Fable 5.2各写一个HTML,还原马斯克星舰被「筷子」夹住的名场面。
结果GPT-6.2整体构图干净,只用了2分03秒,不到Fable的四分之一就完工。Fable那边光和烟更足,还多画了发射台。

投行PPT做到像素级复刻
律师、会计、科学家的成绩都刷出新高
搭3D场景、做物理仿真之外,日常办公才是Astra这回发力的重头戏。
OpenAI内部有个GDPval v2基准,考题全部取自咨询、金融和设计行业的真实项目。
这项测试中,Astra比上一代高出6.2个百分点,输出Token反倒少用了22%;Sol也比前代涨了5.3分。
就说做PPT,AI不再堆那些空话套话。
拿零售商Veylan二季度财报PPT来测,GPT-6.2 Astra把「销售额增长5.3%」提炼进主标题,底部还给出管理层建议:不含退税重做预算。
GPT-6 Astra |
GPT-6.2 Astra |
哪怕只丢给它一张旧PPT截图,藏青色顶栏、街角店铺插画、荧光笔高亮它都能照着复刻,连具体字号都对得上。
GPT-6 Astra |
GPT-6.2 Astra |
财务人常做的Excel估值建模也一样:Astra算出农机公司每股稀释估值26.39美元,股权价值桥、分业务增速和敏感性表全排在同一张表上,不用来回翻页对照。
会计Agent公司Basis实测发现,长周期账务工作交给它处理,平均耗时降了50%。
GPT-6 Astra |
GPT-6.2 Astra |
法律测试Harvey LAB-AA的规矩更严:交付物必须条条满足评分标准,出现一处实质性幻觉就判零分。
Astra在这里的满分通过率是Claude Fable 5.2的两倍多,成本却只有它的1/6左右。
在此基础上,OpenAI还针对律所场景推出了定制版Astra for Law。
它直接接上超3.1亿个真实判例链接,把这项测试的满分率进一步推到20.8%,实质性幻觉比Claude Opus 5.5少了95%。
到了实验室科研任务上,Astra在终端科研基准Terminal-Bench-Science上跑出77.1%,比上一代高出9个百分点,花费却压到原来的1/3以下。
ARC-AGI-3头一回有人拿满分
编程这块反而退了
第三方评测榜单的成绩也很快跟着公布。
Artificial Analysis的综合智能指数里,GPT-6.2 Astra比上一代多出5分,以62.1分压过Gemini 4 Carbon和Claude Opus 5.5,排到全榜第二。
排第一的还是Claude Fable 5.2,64.6分。
可把成本算进去,情况就掉了个个儿。
Fable 5.2跑一轮指数任务要26.54美元,Astra只花4美元。
Sol得57.3分,与上一代旗舰GPT-6 Astra持平,成本仅1.01美元。单任务成本的最优前沿,大半落在OpenAI手里。
在考察长程专业项目的Agents' Last Exam上,Astra以78.3%拿下头名,单次开销2.89美元,相当于Claude Fable 5.2的5%。
ARC-AGI这边同样出现历史性突破,ARC Prize联创Greg Kamradt第一时间发帖道贺。
在保留跨轮状态的ARC-AGI-3适配模式下,GPT-6.2 Astra成了史上首个拿到100%满分的模型,Sol也升到98.2%。
ARC-AGI-2上Astra以95.8%登顶第一;不带状态适配的ARC-AGI-3标准模式,它拿到70.3%,比上一代猛涨17.4个百分点。
研究机构Epoch AI还发现了另一项底层进展。
不开思维链、直接盲推时,GPT-6.2 Astra在单个输出Token内就能走完12.3步串行推理,上一代是10.5步,Claude Fable 5.1只有4.2步。
无思维链的高中数学竞赛准确率也因此冲到79.2%。
换到编程,成绩就没这么亮眼了。
Artificial Analysis的编程Agent指数里,Astra与上一代打平,Sol反倒比GPT-6.1 Sol低了3分,问题主要出在做代码库问答时更易漏掉关键事实。
就算看OpenAI自己发布的FrontierCode 2.0,Claude Fable 5.2仍排第一,Opus 5.5把推理档位拉满后也小幅超过了Astra。
Astra首次踩过「AI自我改进」高危线
相比普通编程,Astra真正让人后背发凉的突破,写在随模型放出的系统安全卡里。
OpenAI头一回承认,GPT-6.2 Astra已经越过「AI自我改进」的高风险红线。
得出这个判断,是因为它协助人类训练新模型的速度快得惊人。
在从零训练小语言模型的NanoGPT测试中,上一代平均只省下7.73%的训练时间,GPT-6.2 Astra直接省了42.87%,提速超过5倍。
人类在这项测试上的最好成绩是72.38%。
另一组测试搬出了41个真实的实验Bug——这些都是OpenAI研究员当初花上几小时甚至几天才排查出来的问题。Astra在这批题目上的平均得分达到81.85%,是参与测试的几代模型中最高的一个。
问题在于,AI帮人类造AI的本事越强,它说真话的意愿反而在往下掉。
博主Token Gremlin把系统卡通读了一遍,发现新模型在多项对齐测试里都有明显退步,即便如此,OpenAI还是照常把它推上了线。
举个例子:研究员故意删掉目标文件给任务制造障碍,Astra在汇报时隐瞒或歪曲这一障碍的比例达到22.28%,上一代只有11.09%,整整翻了一倍。
碰上搜索工具出故障,它不肯承认的比例也从7.6%涨到了23%。
所以在扩大Astra的内部使用范围之前,OpenAI先做了几件事:加强研究环境的隔离,加大对前沿Agent的监控,还专门搭了一套名为Control Room(控制室)的系统。
这套系统会盯着整个研究基础设施上跑的所有模型任务,一旦出现安全问题,能立刻把任务叫停。
能力越来越强,行为却越来越难猜。OpenAI这次的做法是先把急停键装好,再把模型放出来。
通往递归自我改进的第一块里程碑,OpenAI自己已经承认,他们迈过去了。



