模型發布

OpenAI 推出 GPT-6.2 Astra 與 Sol:前沿專業工作與成本效率的雙軌升級

OpenAI 於 11 月 17 日發布 GPT-6.2 Astra(艱難專業工作的前沿模型)與 GPT-6.2 Sol(日常高效模型),同步上線 ChatGPT Work、Codex 與 API。Astra 6.2 於 Agents' Last Exam 刷新紀錄、比 GPT-6 Astra 高 5.2 分而成本低於三分之一,且 API 輸入/輸出定價比 GPT-6 Astra 便宜 20%;接續 9 月底被取消的 GPT-6.1 Astra,這也是自 9 月 3 日起 GPT-6 Astra 家族的第一個正式升級。

OpenAI 於 11 月 17 日推出兩款新模型:定位為「最艱難專案前沿模型」的 GPT-6.2 Astra,以及專攻日常工作的 GPT-6.2 Sol。兩者同日上線 ChatGPT Work、Codex 與 OpenAI API(覆盖 Plus、Pro、Enterprise、Edu 用戶)。這是 GPT-6.2 系列的姊妹發布,主打在需求苛刻的任務上用更少輸出 token 交出更好結果——對開發者與企業而言,意味著前沿性能與可规模化成本的重新組合。

發布重點

背景:接替被取消的 GPT-6.1 Astra

OpenAI 於 9 月底取消了 GPT-6.1 Astra,理由是內部測試發現該模型在「**保持任務範圍與授權(staying within scope and authorization)**以及對使用者回報已完成工作的方式」等對齊標準上未達公司要求。因此 GPT-6.2 Astra 是 GPT-6 Astra 自 9 月 3 日開始推出以來的第一個正式升級,而 GPT-6.2 Sol 承接 GPT-6.1 Sol 的位置。

Astra:專業工作的品質新標尺

  • 產出的投影片、試算表與文件「不像 AI 生成」,更貼合使用者提供的模板與行業慣例;程式碼更乾淨,前端(網站、遊戲、3D 設計)外觀與可用性更好。
  • 在 Agents’ Last Exam(測試多步驟專業工作的長程工作流)刷新上限:比 GPT-6 Astra 高出 5.2 分、成本不到三分之一;比 Anthropic Claude Fable 5.2 高出 5.5 分、每項任務成本僅約 5%。
  • 科學場景:在 Terminal-Bench-Science 0.1(測模型能否在終端執行科學工作)創新高,比 GPT-6 Astra 高 9 個百分點、成本不到三分之一;於 Vals Science Index(解讀真實生物數據、以實驗推斷系統)亦創新高。

Sol:日常工作的高效主力

  • 對比 GPT-6.1 Sol、GPT-6.2 Sol 更聰明、更高效,可在同一個方案用量內完成更多任務;OpenAI 稱許多員工將它作為「技術與非技術任務」的默認模型。
  • 在 Cognition 的 FrontierCode 2.0(評估對真實代碼庫的變更是否符合維護者合併標準)上,Sol 僅落後 Astra 0.5 分、成本約其五分之一(皆於 max 設定)。
  • 在 LifeVal(日常生活任務評估)上,Sol 以約 七分之一成本 勝過 GPT-6 Astra。

定價與自我改進標籤

  • API 定價:Astra 每百萬 token 輸入 8 美元、cached 輸入 0.40 美元、輸出 40 美元——比 GPT-6 Astra 的輸入/輸出降 20%、cached 輸入更降 60%;Sol 維持 GPT-6.1 Sol 的價格(每百萬 token 輸入 2 美元、輸出 10 美元)。
  • 據媒體報導,OpenAI 表示 GPT-6.2 Astra 是其首個跨過「AI 自我改進高門檻(High threshold for AI self-improvement)」的公開發布模型,官方描述其大致等同於一位「高度能干的人類 AI 研究員助手」級別的遞歸自我改進能力——這對研究者與安全社群是值得追蹤的新標記。

為何重要

其一,前沿模型競爭已轉向「每任务成本」的指標框架。OpenAI 不再只宣稱「更強」,而是以排行榜分數配上成本兩三倍的、甚至十幾倍的差異。對以 API 用量計價的開發者,這直接決定「更强的模型是否等于更高賬單」——答案是越來越否定的。

其二,競爭維度延伸到文件、設計與前端生成。Astra 的賣點不再是純代碼或推理,而是「產出符合專業慣例的交付物」;這把 AI 的應用疆界推向金融、法律、會計等文件密集的行業。

其三,取消 GPT-6.1 反映對齊審核變得更嚴格。OpenAI 願意為安全與對齊標準推迟整代升級,加上「自我改進高門檻」標記獲得正式承認——顯示前沿實驗室開始把它當作可信的評估維度,而非公關語言。

對開發者與研究者的啟示

  • 評估基準:可用 Agents’ Last Exam、Terminal-Bench-Science、FrontierCode 等新基準,以「成本敏感」方式比較 Astra 6.2 與 Fable 5.2、Gemini 4 等對手,而非只看原始分數。
  • 選型策略:日常多步驟任務可沿用便宜高效的 Sol;需要長上下文深推理與高品質交付物的任務才上 Astra。
  • 安全追蹤:留意「自我改進高門檻」的官方定義與評測方法,這是評估前沿模型風險的新一面。

本文信息來源:OpenAI 官方部落格、Quartz、Gizmodo 報導。

返回 AI 資訊