GPT-6.2 Astra और GPT-6.2 Sol वे दो मॉडल हैं जिन्हें OpenAI ने 17 नवंबर 2026 (अमेरिकी समय) को जारी किया। Astra सबसे मुश्किल काम के लिए शीर्ष मॉडल है, और Sol रोज़मर्रा के काम का मुख्य मॉडल है। ये क्रमशः GPT-6 Astra और GPT-6.1 Sol की जगह लेते हैं। API की कीमत के हिसाब से Astra की लागत प्रति 10 लाख टोकन इनपुट $8 और आउटपुट $40 है, जो GPT-6 Astra से 20% कम है। Sol की कीमत GPT-6.1 Sol जैसी ही है, यानी इनपुट $2 और आउटपुट $10। OpenAI के मापन में Astra कई टेस्ट में पिछले Astra से लगभग आधी लागत पर बेहतर रहा, और Sol का स्कोर उसी कीमत पर कई टेस्ट में बढ़ा। हालाँकि कुछ टेस्ट में Claude Fable 5.2 आगे है, और API में बातचीत के बीच में बदलाव का तरीका बदला है, इसलिए स्विच करते समय कुछ बातें जाँचनी होती हैं। इस लेख में OpenAI की घोषणा के चार्ट के आँकड़ों, मॉडल पेजों और माइग्रेशन गाइड (19 नवंबर 2026 को जाँचा गया) के आधार पर कीमत, प्रदर्शन, उपलब्धता और Astra व Sol में चुनाव का तरीका बताया गया है।
GPT-6.2 तीन पंक्तियों में
Astra
सबसे ऊपर, 20% सस्ता
इनपुट $8 और आउटपुट $40। इस लेख में तुलना किए गए 10 टेस्ट में से हर एक में यह पिछले Astra से आगे रहा, और कई टेस्ट में प्रति काम की लागत लगभग आधी हो गई।
Sol
वही कीमत, ज़्यादा समझदार
अब भी इनपुट $2 और आउटपुट $10। असली कोड बदलाव के FrontierCode टेस्ट में यह Astra से 0.4 अंक पीछे है, और लागत लगभग पाँचवें हिस्से जितनी है।
ध्यान दें
API बातचीत कैसे बनती है
बातचीत का कोई हिस्सा बीच में बदलने पर पहले का reasoning छूट जाता है। साझा निर्देश instructions में नहीं, इनपुट की शुरुआत में रखें।
जाँच की तारीख: 19 नवंबर 2026। स्रोत OpenAI की घोषणा, GPT-6.2 Astra और GPT-6.2 Sol के पेज, और Using GPT-6.2। प्रदर्शन के आँकड़े वही हैं जो OpenAI ने अपने घोषणा वाले चार्ट में दिए।
1. GPT-6.2 के दो मॉडलों की स्थिति
OpenAI की API मॉडल सूची की शुरुआत में लिखा है: "अगर तय न कर पा रहे हों, तो GPT-6.2 Astra; संतुलन के लिए GPT-6.2 Sol; कम लागत के लिए GPT-6 Luna।" मुख्य मॉडलों की सूची में GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra और GPT-6 Luna हैं। OpenAI अपने मॉडल पेजों पर Astra को "सबसे सक्षम मॉडल, सबसे मुश्किल प्रोजेक्ट को शुरू से अंत तक सँभालने के लिए" और Sol को "कोडिंग से लेकर बड़े एजेंट तक, रोज़मर्रा के काम का मुख्य मॉडल" बताता है।
| मॉडल | इनपुट / आउटपुट (प्रति 10 लाख टोकन) | ज्ञान की कट-ऑफ तिथि | पिछला मॉडल |
|---|---|---|---|
| GPT-6.2 Astra | $8.00 / $40.00 | 18 मई 2026 | GPT-6 Astra ($10 / $50, ज्ञान की कट-ऑफ 30 अप्रैल 2026) |
| GPT-6.2 Sol | $2.00 / $10.00 | 1 जून 2026 | GPT-6.1 Sol ($2 / $10, ज्ञान की कट-ऑफ 30 अप्रैल 2026) |
| GPT-6.1 Terra | $1.00 / $5.00 | 1 जून 2026 | — |
| GPT-6 Luna | $0.10 / $0.50 | 18 मई 2026 | — |
स्रोत: OpenAI का Models पेज और हर मॉडल का पेज (19 नवंबर 2026 को जाँचा गया)। दोनों GPT-6.2 मॉडल का context लगभग 10.5 लाख टोकन का है (इनपुट के लिए 922K तक), अधिकतम आउटपुट 128K टोकन है, और ये टेक्स्ट व इमेज इनपुट स्वीकार करते हैं। Terra और Luna इस बार नहीं बदले।
GPT-6 Astra और GPT-6.1 Sol API में अब भी उपलब्ध हैं, लेकिन वे अनुशंसित सूची से बाहर हो गए हैं। OpenAI ने उनके बंद होने की तारीख नहीं बताई है, और Deprecations पेज पर भी ये बंद होने वाले मॉडलों में शामिल नहीं हैं (19 नवंबर तक)। दोनों नए मॉडलों में reasoning की ताकत को "none (कोई reasoning नहीं)" पर सेट नहीं किया जा सकता। बिना reasoning के तेज़ जवाब चाहिए तो यह काम 6.1 Terra या 6 Luna सँभालते हैं, जिनमें none चुना जा सकता है। मध्यम श्रेणी के Terra के बारे में GPT-6.1 Terra क्या है? में जानकारी है।
2. कीमत: Astra की कीमत घटी, Sol वही रही
GPT-6.2 Astra
GPT-6.2 Sol
प्रति 10 लाख टोकन, अमेरिकी डॉलर में। कटी हुई कीमत (strikethrough) GPT-6 Astra की है। स्रोत: OpenAI की घोषणा और हर मॉडल का पेज (19 नवंबर 2026 को जाँचा गया)।
कैश में लिखने का खर्च दोनों मॉडलों में एक जैसा है: 30 मिनट तक रखने पर इनपुट कीमत का 1.25 गुना, और 12 घंटे तक रखने पर 2.5 गुना।
| आइटम | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| कैश लिखना | $10 (30 मिनट तक रखें) · $20 (12 घंटे तक रखें) | $2.50 (30 मिनट तक रखें) · $5 (12 घंटे तक रखें) |
| 272K टोकन से ज़्यादा इनपुट | उस अनुरोध का पूरा इनपुट और कैश 2 गुना, आउटपुट 1.5 गुना | |
| Batch | आधी कीमत | |
| Fast | 2 गुना | |
| Ultrafast | 27 फ़रवरी 2027 तक 3 गुना, 1 मार्च से 6 गुना (अमेरिकी पैसिफ़िक समय) | |
| समय-सीमा वाली बैकग्राउंड प्रोसेसिंग (बीटा) | जिस काम का जवाब 2 घंटे के भीतर चल जाए उस पर 30% छूट, 8 घंटे के भीतर हो तो 40% छूट (Responses API) | |
स्रोत: GPT-6.2 Astra और GPT-6.2 Sol के पेज, और API changelog (17 नवंबर 2026 की प्रविष्टि)। Ultrafast सिर्फ़ तब मिलता है जब डेटा अमेरिका में रखा जाए (माइग्रेशन गाइड के अनुसार)।
OpenAI के अनुसार Astra एक ही काम में आउटपुट टोकन भी कम इस्तेमाल करता है। इसलिए अगले अध्याय के अनुसार प्रति काम की लागत कीमत में कटौती से ज़्यादा घटी है, और कई टेस्ट में यह GPT-6 Astra की लागत के लगभग आधी रह गई। Claude से कीमत की तुलना करें तो Astra, Claude Fable 5.2 ($8 इनपुट और $40 आउटपुट) जैसा है, Sol, Claude Sonnet 5.5 ($2 इनपुट और $10 आउटपुट) जैसा है, और Claude Opus 5.5 की कीमत $4 इनपुट और $20 आउटपुट है (Anthropic का Pricing पेज, 19 नवंबर 2026 को जाँचा गया)। Gemini 4 Carbon की कीमत 30 नवंबर 2026 तक $2 इनपुट और $10 आउटपुट है, और 1 दिसंबर से $4 इनपुट और $20 आउटपुट (Google का Pricing पेज, उसी दिन जाँचा गया)। फिर भी, एक काम में कितने टोकन लगते हैं यह मॉडलों के बीच काफ़ी अलग होता है, इसलिए असली लागत की तुलना के लिए यूनिट कीमत के बजाय प्रति काम की लागत देखना ज़्यादा भरोसेमंद है।
3. प्रदर्शन ①: पिछले मॉडलों की तुलना में
OpenAI की घोषणा में 16 चार्ट हैं। इनमें से ज़्यादातर हर मॉडल का स्कोर और प्रति काम की लागत (कुछ में आउटपुट टोकन की संख्या) reasoning के स्तर के हिसाब से दिखाते हैं। इनमें 10 टेस्ट काम, कोडिंग और विज्ञान के प्रदर्शन के हैं, 4 साइबर सुरक्षा के, और 2 सुरक्षा मूल्यांकन हैं। इस अध्याय में 10 प्रदर्शन टेस्ट दिए गए हैं। पुराने और नए मॉडलों की तुलना एक जैसी परिस्थिति में हो, इसलिए हर मान reasoning की सबसे ऊँची सेटिंग "max" पर है। ये सभी टेस्ट OpenAI के चुने हुए हैं, और मान OpenAI ने मापे हैं (तीसरे पक्ष के इंडेक्स भी OpenAI ने अपने चार्ट में रखे हैं)।
| टेस्ट (क्या मापता है) | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | GPT-6.1 Sol |
|---|---|---|---|---|
| Agents' Last Exam v1.1 (लंबे पेशेवर काम) | 77.6%$4.47 | 73.1%$8.99 | 73.0%$1.32 | 72.5%$2.02 |
| GDPval v2 (कंसल्टिंग और फ़ाइनेंस के असली केस) | 50.4%36K आउटपुट टोकन | 44.2%46K आउटपुट टोकन | 46.9%33K आउटपुट टोकन | 41.5%40K आउटपुट टोकन |
| Harvey LAB-AA v1.1 (कानूनी काम, सभी मानदंड पूरे करने की दर) | 15.0%$6.35 | 8.6%$13.67 | 11.1%$1.92 | 6.9%$2.48 |
| FrontierCode 2.0 (असली कोड बदलाव) | 44.2%$5.97 | 42.8%$6.68 | 43.8%$1.29 | 39.0%$1.03 |
| Terminal-Bench-Science 0.1 (टर्मिनल में विज्ञान का काम) | 77.1%$7.15 | 68.1%$23.80 | 68.0%$2.21 | 57.0%$5.47 |
| Vals Science Index v1 (जीव विज्ञान के डेटा की व्याख्या और प्रयोग) | 68.4%$4.17 | 65.1%$8.03 | 57.8%$1.03 | 59.6%$1.36 |
| BenchCAD 2.1 Core (CAD डिज़ाइन) | 82.5%$5.43 | 62.6%$9.71 | 73.1%$1.60 | 52.6%$1.61 |
| AutomationBench 1.0.6 (व्यवसाय का स्वचालन) | 52.4%$0.83 | 41.4%$1.73 | 41.1%$0.27 | 36.1%$0.30 |
| LifeVal (रोज़मर्रा के कठिन काम) | 86.1%$4.23 | 79.8%$9.04 | 83.8%$1.27 | 79.5%$1.27 |
| Artificial Analysis Intelligence Index v5.0.1 (तीसरे पक्ष का समग्र इंडेक्स) | 62.1$4.00 | 56.9$6.24 | 57.3$1.01 | 54.6$1.27 |
हर मॉडल की reasoning की max सेटिंग के मान। छोटे अक्षरों में प्रति काम की लागत (अमेरिकी डॉलर में) है, सिर्फ़ GDPval v2 में प्रति काम आउटपुट टोकन की संख्या है। हरा रंग पिछले मॉडल से ऊँचा स्कोर, और लाल कम स्कोर बताता है। स्रोत: OpenAI की "Introducing GPT-6.2 Astra and Sol" के चार्ट का डेटा (19 नवंबर 2026 को जाँचा गया)। GDPval v2 OpenAI का आंतरिक टेस्ट है। साइबर के चार टेस्ट (DeepBinary, ExploitBench, SecureSWE, PatchBench) शामिल नहीं हैं। इनमें से दो सुरक्षा उपायों को हटाकर OpenAI की आंतरिक सेटिंग में मापे गए थे, जो आम इस्तेमाल की स्थिति से अलग है। सुरक्षा के दो मूल्यांकन अध्याय 8 में हैं।
तीन बातें ध्यान देने लायक हैं।
① Astra ने सभी 10 टेस्ट में पिछले Astra से ऊँचा स्कोर किया, और कई में लगभग आधी लागत पर। लंबे पेशेवर काम को मापने वाले Agents' Last Exam में यह 77.6% पर है, जो GPT-6 Astra के 73.1% से ऊपर है, और प्रति काम की लागत $4.47 है, यानी लगभग आधी। घोषणा में मुख्य आँकड़ा "xhigh" सेटिंग का 78.3% ($2.89) था, जो max से एक स्तर नीचे है। यह पिछले Astra के max से 5.2 अंक ऊपर है, और लागत एक-तिहाई से भी कम थी। कुछ टेस्ट में Astra xhigh पर max से ज़्यादा स्कोर करता है, इसलिए हमेशा max चुनना सबसे अच्छा नहीं होता।
सबसे बड़े सुधार कानूनी काम (Harvey LAB-AA, 8.6% → 15.0%), CAD डिज़ाइन (BenchCAD, 62.6% → 82.5%) और टर्मिनल में वैज्ञानिक काम (Terminal-Bench-Science, 68.1% → 77.1%) में हैं। Harvey LAB-AA में परिणाम तभी पास माना जाता है जब वह हर मूल्यांकन मानदंड पूरा करे और उसमें कोई गंभीर मनगढ़ंत सामग्री न हो, इसलिए इसमें सभी मॉडलों के स्कोर कम आते हैं।
② Sol ने उसी कीमत पर कई टेस्ट में सुधार किया। FrontierCode 2.0 में, जो मापता है कि असली कोड बदलाव किसी maintainer के merge मानदंड पास करेगा या नहीं, 6.2 Sol 43.8% पर है। यह 6.2 Astra (44.2%) से सिर्फ़ 0.4 अंक पीछे है, और प्रति काम लागत लगभग पाँचवें हिस्से जितनी है। CAD डिज़ाइन और कानूनी काम में भी 6.1 Sol से इसमें काफ़ी सुधार हुआ है। दूसरी ओर, जीव विज्ञान के डेटा वाले Vals Science Index में max पर Sol का स्कोर 57.8% रहा, जो 6.1 Sol (59.6%) से कम है (xhigh पर 58.5%)।
③ कुछ टेस्ट में reasoning को low पर रखने से स्कोर तेज़ी से गिरता है। उन्हीं चार्टों के low मान देखें तो 6.2 Sol रोज़मर्रा के काम के टेस्ट LifeVal में 25.3% (6.1 Sol का low 66.8%) और Terminal-Bench-Science में 43.4% पर है। 6.2 Astra के low मान LifeVal में 46.3% और Terminal-Bench-Science में 56.3% हैं। medium पर LifeVal में 6.2 Sol 70.3% और 6.2 Astra 78.9% तक वापस आ जाते हैं। OpenAI का माइग्रेशन गाइड भी नए इस्तेमाल की शुरुआत medium से करने की सलाह देता है। लागत कम करने के लिए low चुनें, तो पहले अपने काम में स्कोर न गिरने की जाँच कर लें।
4. प्रदर्शन ②: Claude और Gemini की तुलना में
OpenAI के कुछ चार्ट में Anthropic के Claude Fable 5.2 और Claude Opus 5.5, और Google के Gemini 4 Carbon भी शामिल हैं। दूसरी कंपनियों के मॉडल अलग-अलग reasoning स्तर पर मापे गए हैं, इसलिए इस तालिका में हर मॉडल की सबसे ऊँचे स्कोर वाली सेटिंग के मान दिए गए हैं। जिस LifeVal में दूसरी कंपनियों के मॉडल नहीं हैं, उसे हमने छोड़ दिया है। Sol जैसी कीमत वाला Claude Sonnet 5.5 किसी भी चार्ट में नहीं है।
| टेस्ट | GPT-6.2 Astra | GPT-6.2 Sol | Claude Fable 5.2 | Claude Opus 5.5 | Gemini 4 Carbon |
|---|---|---|---|---|---|
| Agents' Last Exam v1.1 | 78.3%$2.89 · xhigh | 73.0%$1.32 · max | 72.8%$60.05 · max | 71.6%$17.57 · max | 77.4%$4.60 · high |
| GDPval v2 (आंतरिक) | 50.4%36K आउटपुट टोकन · max | 46.9%33K आउटपुट टोकन · max | 44.8%222K आउटपुट टोकन · max | 43.5%191K आउटपुट टोकन · max | 48.8%109K आउटपुट टोकन · high |
| Harvey LAB-AA v1.1 | 15.0%$6.35 · max | 11.1%$1.92 · max | 7.2%$39.84 · max | 4.2%$17.93 · max | — |
| FrontierCode 2.0 | 44.2%$5.97 · max | 43.8%$1.29 · max | 49.1%$14.19 · xhigh | 45.5%$12.82 · max | 41.1%$5.16 · medium |
| Terminal-Bench-Science 0.1 | 77.1%$7.15 · max | 68.0%$2.21 · max | 73.3%$45.21 · max | 63.3%$23.21 · max | — |
| Vals Science Index v1 | 68.4%$4.17 · max | 58.5%$0.71 · xhigh | 63.7%$8.79 · high | 58.7%$8.71 · max | — |
| BenchCAD 2.1 Core | 82.5%$5.43 · max | 73.1%$1.60 · max | 83.5%$50.77 · max | 65.3%$20.00 · max | — |
| AutomationBench 1.0.6 | 52.4%$0.83 · max | 41.2%$0.21 · high | 51.5%$4.64 · max | 42.5%$1.44 · max | 53.9%$2.12 · high |
| Artificial Analysis Intelligence Index v5.0.1 | 62.1$4.00 · max | 57.3$1.01 · max | 64.6$26.54 · max | 59.1$10.04 · max | 60.0$7.76 · high |
हर मॉडल का सबसे ऊँचा स्कोर देने वाली reasoning सेटिंग के मान (छोटे अक्षरों में सेटिंग लिखी है)। "—" का मतलब है कि मॉडल चार्ट में नहीं है। स्रोत पिछले अध्याय की तालिका जैसा ही है। Agents' Last Exam में Fable 5.2 का परिणाम उन 9 कार्यों को छोड़कर है जिनका जवाब एक दूसरे मॉडल (फ़ॉलबैक) ने दिया, जैसा घोषणा में बताया गया है। घोषणा में नहीं लिखा है कि Gemini 4 Carbon की लागत किस कीमत पर (30 नवंबर 2026 तक की परिचयात्मक कीमत या उसके बाद की) निकाली गई। Terminal-Bench-Science में Fable 5.2 का मान Artificial Analysis ने mini-swe-agent नाम के सेटअप से मापा है, जबकि Anthropic ने Claude Code में max reasoning पर 74.6% बताया है (घोषणा का फ़ुटनोट)।
इन नौ टेस्ट में 6.2 Astra पाँच में सबसे ऊँचे स्कोर पर रहा। बाकी चार में असली कोड बदलाव (FrontierCode 2.0), CAD डिज़ाइन (BenchCAD) और तीसरे पक्ष के समग्र इंडेक्स (Artificial Analysis) में Claude Fable 5.2 आगे था, और व्यवसाय के स्वचालन (AutomationBench) में Gemini 4 Carbon। Fable 5.2 के साथ सीधी तुलना में Astra छह में आगे है और Fable 5.2 तीन में। सबसे बड़ा अंतर लागत में दिखता है। जिन आठ टेस्ट में लागत दी गई है, उनमें Fable 5.2 की प्रति काम लागत 6.2 Astra की लगभग 2 से 21 गुना है (21 गुना Agents' Last Exam का है, जहाँ Astra xhigh पर है)। Fable 5.2 और Astra की कीमत प्रति टोकन समान है, इसलिए मुख्य कारण संभवतः यह है कि एक ही काम में दोनों कितने टोकन इस्तेमाल करते हैं, उसमें फ़र्क है। हालाँकि तुलना की गई reasoning सेटिंग और मापने के तरीके (जैसे Terminal-Bench-Science का सेटअप) एक जैसे नहीं हैं।
यह तुलना OpenAI के चुने हुए टेस्ट और सेटिंग पर आधारित है, और इसमें दूसरी कंपनियों के सिर्फ़ वही मॉडल हैं जो OpenAI के चार्ट में आए। Anthropic अपनी घोषणा में अलग टेस्ट चुनता है, इसलिए वहाँ क्रम अलग दिख सकता है। Claude के आँकड़े Claude Fable 5.2 की सुविधाएँ और कीमत में, और Gemini के बारे में Gemini 4 Carbon और Argon की तुलना में हैं।
5. Astra या Sol: कौन सा इस्तेमाल करें
Astra की प्रति टोकन कीमत Sol की चार गुना है। प्रति काम की लागत के हिसाब से भी OpenAI के मापन में Astra की लागत Sol की लगभग 3 से 5 गुना है (दोनों max पर)। असली सवाल यह है कि आउटपुट की गुणवत्ता में मिलने वाला फ़ायदा आपके काम के लिए इस लागत के अंतर के लायक है या नहीं।
OpenAI की API सूची कहती है "अगर तय न कर पा रहे हों, तो Astra", लेकिन यह लेख "अगर तय न कर पा रहे हों, तो Sol" की सलाह देता है। वजह यह है कि लागत 3 से 5 गुना अलग है, जबकि असली कोड बदलाव (FrontierCode 2.0) और रोज़मर्रा के काम (LifeVal) में फ़र्क कम है। इस्तेमाल के हिसाब से मोटा मार्गदर्शन यह है।
- रोज़मर्रा की कोडिंग, लेखन और दस्तावेज़ का काम → Sol असली कोड बदलाव के टेस्ट में Astra से फ़र्क 0.4 अंक है, और लागत लगभग पाँचवें हिस्से जितनी है। ChatGPT Work की नई चैट भी Sol से शुरू होती है। पक्का न हो तो Sol से शुरू करें और सिर्फ़ जहाँ कमी लगे वहीं Astra पर जाएँ। यही सबसे कम बर्बादी वाला तरीका है।
- व्यवसाय का स्वचालन, लंबे और जटिल पेशेवर काम, स्लाइड और स्प्रेडशीट को अंतिम रूप देना → Astra व्यवसाय के स्वचालन (AutomationBench) में Astra 52.4% और Sol 41.1% पर है, यानी लगभग 11 अंक का अंतर। लंबे पेशेवर काम (Agents' Last Exam), कानूनी काम (Harvey LAB-AA) और GDPval v2 में अंतर 3.5 से 4.6 अंक है। OpenAI का कहना है कि उसने Astra को टेम्पलेट और हर क्षेत्र की परिपाटी के अनुसार स्लाइड, स्प्रेडशीट और दस्तावेज़ बनाने के लिए प्रशिक्षित किया है।
- वैज्ञानिक गणना और CAD डिज़ाइन → AstraTerminal-Bench-Science में Astra 77.1% और Sol 68.0% पर है, और BenchCAD में 82.5% और 73.1%। ये वे क्षेत्र हैं जहाँ अंतर बड़ा है।
- बिना reasoning के, तेज़ और सस्ते में बड़ी मात्रा में → 6.1 Terra या 6 Luna दोनों GPT-6.2 मॉडलों में reasoning को none पर नहीं रखा जा सकता।
- Claude इस्तेमाल करते हैं तो कीमत में Fable 5.2 और Astra एक जैसे हैं, और Sonnet 5.5 और Sol एक जैसे हैं। OpenAI के मापन में असली कोड बदलाव और CAD डिज़ाइन में Fable 5.2 आगे है, जबकि कई अन्य कामों में Astra आगे है, और Astra की लागत काफ़ी कम आई। सबसे भरोसेमंद तरीका यह है कि अपना सामान्य काम दोनों पर कुछ-कुछ बार चलाएँ और तुलना करें कि कितने सुधार करने पड़े और बिल कितना आया।
पिछली पीढ़ी के Astra और Sol से फ़र्क जानने के लिए GPT-6 Astra की व्याख्या और GPT-6.1 Sol और GPT-6 Sol की तुलना देखें।
6. ChatGPT, Codex और GitHub Copilot में इस्तेमाल
ChatGPT और Codex
- पात्र प्लान: घोषणा Plus, Pro, Enterprise और Edu के सभी उपयोगकर्ताओं पर लागू है। Free इसमें शामिल नहीं है।
- कहाँ इस्तेमाल होंगे: ChatGPT Work और Codex। ChatGPT के रिलीज़ नोट्स (17 नवंबर) इन्हें Work और Codex के डेस्कटॉप ऐप में "preview" के रूप में बताते हैं। आप इन्हें Work के मॉडल चयन या Codex के मॉडल चयन से चुनते हैं। सामान्य Chat (Work के बाहर की बातचीत) के विकल्प नहीं बदले हैं।
- डिफ़ॉल्ट मॉडल: ChatGPT के दस्तावेज़ के अनुसार Work की नई चैट 6.2 Sol से शुरू होती है (व्यक्तिगत प्लान में reasoning की ताकत Light, और Enterprise में Medium)। Sol प्रति टोकन Astra से कम क्रेडिट लेता है।
- Ultrafast: Pro 500 में दोनों मॉडलों पर Ultrafast इस्तेमाल हो सकता है। Pro 200 में Ultrafast पहली बार उपलब्ध हुआ है, और पहले 6.2 Sol पर शुरू होता है (Astra कब जुड़ेगा, यह घोषणा में नहीं लिखा)। Pro 100 के बारे में घोषणा में कुछ नहीं लिखा। पात्र Enterprise और Edu वर्कस्पेस भी, एडमिन इसे चालू करें तो, वही सुविधा इस्तेमाल कर सकते हैं।
- Codex CLI: ChatGPT के Models दस्तावेज़ में Codex में मॉडल चुनने के कमांड का उदाहरण
codex --model gpt-6.2-solदिया गया है।
स्रोत: OpenAI की घोषणा का "कीमत और उपलब्धता" भाग, ChatGPT रिलीज़ नोट्स (17 नवंबर 2026 की प्रविष्टि), और ChatGPT Models दस्तावेज़ (19 नवंबर 2026 को जाँचा गया)। प्रबंधित वर्कस्पेस में आपको दिखने वाले मॉडल सीट के प्रकार और सेटिंग पर निर्भर करते हैं।
तीन Pro प्लान की उपयोग सीमा के अंतर के लिए ChatGPT Pro 100, 200 और 500 की तुलना देखें, और Work के बारे में ChatGPT Work क्या है?
GitHub Copilot
GitHub ने 17 नवंबर को दोनों मॉडल Copilot में आम उपलब्धता (general availability) के साथ जारी किए। ये Copilot Pro+, Max, Business और Enterprise के लिए हैं, और VS Code, Visual Studio, JetBrains, Xcode, Eclipse, Copilot CLI और github.com पर मॉडल चयन में चुने जा सकते हैं। कीमत इस्तेमाल के हिसाब से ली जाती है, और OpenAI की सूची कीमत पर गिनी जाती है। Business और Enterprise में, जब तक एडमिन ने बंद न किया हो, नए मॉडल अपने-आप चालू हो जाते हैं। रोलआउट धीरे-धीरे फैल रहा है, इसलिए कुछ लोगों की सूची में ये अभी न दिखें (GitHub Changelog)।
7. API पर स्विच करते समय क्या जाँचें
मॉडल का नाम gpt-6.2-astra या gpt-6.2-sol करने भर से काम चल सकता है। लेकिन OpenAI की माइग्रेशन गाइड "Using GPT-6.2" स्विच करते समय ये बातें जाँचने को कहती है। पहली दो बातें GPT-6.2 में बदली हुई हैं, और छूट जाएँ तो गुणवत्ता और लागत दोनों पर असर पड़ता है।
- बातचीत का कोई हिस्सा बीच में बदलने पर पहले का reasoning छूट जाता हैResponses API में अगर बातचीत के इतिहास का पहले वाला हिस्सा (जैसे पिछले developer संदेश या टूल कॉल) बदला जाए, तो GPT-6.2 उससे पहले के सहेजे गए reasoning रिकॉर्ड (reasoning items) इस्तेमाल नहीं करता। मॉडल को छोटे मॉडल से बदलने पर, या अंतिम उपयोगकर्ता या संगठन बदलने पर भी यही होता है। reasoning छूटने से जवाब की गुणवत्ता घट सकती है, और पिछला काम दोबारा करने से टोकन भी बढ़ सकते हैं। सेटिंग बदलते समय बुनियादी तरीका यह है कि पहले वाला हिस्सा न छुएँ और नए निर्देश अंत में जोड़ें।
- साझा निर्देश
instructionsमें नहीं, इनपुट की शुरुआत में रखेंGPT-6.2 से Responses API का सबसे बाहरीinstructionsअबinputके बाद जुड़ता है। अगर हर अनुरोध में वही निर्देश कैश में रहना चाहिए, तो उसेinputके पहले आइटम में developer संदेश के रूप में रखें।instructionsका इस्तेमाल सिर्फ़ उस एक अनुरोध के निर्देश के लिए करें।
उदाहरण:{"model": "gpt-6.2-sol", "input": [{"role": "developer", "content": "कंपनी की शब्दावली के अनुसार जवाब दें"}, {"role": "user", "content": "…"}]}जैसा लिखें। - reasoning medium से शुरू करें नया इस्तेमाल शुरू करते समय medium से आज़माने की सलाह है। अगर अभी
noneयाminimalइस्तेमाल हो रहा है, तोlowपर जाएँ (none स्वीकार नहीं होता)। लेकिन अध्याय 3 के अनुसार low पर कुछ टेस्ट में स्कोर काफ़ी गिरता है, इसलिए फ़ैसला करने से पहले अपने काम पर गुणवत्ता जाँच लें। - टूल इस्तेमाल करते हैं तो Responses APIChat Completions पर भी चल सकता है, लेकिन टूल कॉल के लिए Responses API ज़रूरी है।
- समर्थित न होने वाले पैरामीटर हटाएँ
temperature,top_pऔरtop_logprobsहटाएँ (Chat Completions मेंlogprobsभी)। - कैश सेटिंगGPT-6 सीरीज़ से स्विच करते समय कुछ बदलने की ज़रूरत नहीं है। सिर्फ़ GPT-5.5 या उससे पहले से स्विच करते समय
prompt_cache_retentionकोprompt_cache_options.ttl("30m") से बदलें। कैश के तरीके के फ़र्क के लिए OpenAI और Claude के प्रॉम्प्ट कैशिंग की तुलना देखें। - निर्देश के वाक्य दोबारा जाँचें माइग्रेशन गाइड के अनुसार GPT-6.2 Astra बिना कहे भी पहले से छोटे और सीधे जवाब लिखता है (Sol के लिए यही बात नहीं लिखी)। अगर आपके निर्देश में "संक्षेप में" जैसा ज़ोरदार आग्रह है, तो देखें कि जवाब बहुत छोटे तो नहीं हो रहे। कभी-कभी मंशा साफ़ न होने पर मॉडल अगला कदम सुझाकर पुष्टि का इंतज़ार कर सकता है, इसलिए लंबे काम में लिख दें कि उचित धारणाओं के साथ आगे बढ़ना ठीक है।
स्रोत: OpenAI की "Using GPT-6.2" और API changelog (19 नवंबर 2026 को जाँचा गया)। घोषणा भी सलाह देती है कि बातचीत में प्रॉम्प्ट का पहले वाला हिस्सा न बदलें और नए निर्देश अंत में जोड़ें।
8. सुरक्षा
OpenAI ने घोषणा की कि दोनों मॉडल अपने Preparedness Framework के तहत साइबर सुरक्षा में "Critical" और जैविक-रासायनिक क्षेत्र में "High" की सीमा (threshold) तक पहुँचे। यह GPT-6 Astra वाला ही निर्णय है। OpenAI का कहना है कि उसने उच्च-जोखिम वाली साइबर सहायता और कुछ जैविक अनुरोधों पर प्रतिबंध सख्त करने के बाद इन्हें जारी किया। इसके चलते वैध vulnerability शोध और सुरक्षा परीक्षण के कुछ हिस्से भी रुक सकते हैं। रक्षकों के लिए साइबर-रक्षा कार्यक्रम Daybreak में GPT-6.2 लाने पर "काम जारी है" कहा गया है, लेकिन तारीख नहीं बताई गई।
इसके अलावा 6.2 Astra ऐसा पहला मॉडल है जिसे OpenAI ने बाहर के लिए जारी किया और जो AI के स्व-सुधार (AI के शोध को तेज़ करने की क्षमता) में "High" तक पहुँचा। OpenAI का कहना है कि उसने शोध कार्य पर नज़र रखने और ज़रूरत पड़ने पर आउटपुट रोकने जैसे उपाय किए हैं। घोषणा के "कार्यस्थल कार्यों में अनुचित व्यवहार" चार्ट में, कार्यस्थल जैसे कामों में अनुचित व्यवहार की दर 6.2 Astra में 0.64% और 6.2 Sol में 0.71% रही, जो GPT-6 Astra (1.2%) से कम है। दूसरी ओर, घोषणा के "विफलता छिपाने" वाले चार्ट के दो टेस्ट में फ़ाइल न होने या खोज टूल उपलब्ध न होने जैसी रुकावटों की रिपोर्ट न करने की प्रवृत्ति बढ़ी। इसलिए OpenAI का कहना है कि उसने Codex में निर्देश जोड़कर इसे कम किया। विवरण के लिए OpenAI का GPT-6.2 System Card देखें।
सारांश
- GPT-6.2 Astra और Sol 17 नवंबर 2026 (अमेरिकी समय) को GPT-6 Astra और GPT-6.1 Sol के उत्तराधिकारी के रूप में जारी हुए। Astra शीर्ष मॉडल है, और Sol रोज़मर्रा के काम का मुख्य मॉडल।
- API कीमत: Astra इनपुट $8 और आउटपुट $40 (GPT-6 Astra से 20% सस्ता, कैश 60% सस्ता)। Sol इनपुट $2 और आउटपुट $10 (नहीं बदली)।
- OpenAI के मापन में दोनों कई टेस्ट में पिछले मॉडल से ऊँचा स्कोर देते हैं, और कई टेस्ट में Astra की प्रति काम लागत लगभग आधी हो गई।
- Claude Fable 5.2 असली कोड बदलाव, CAD डिज़ाइन और समग्र इंडेक्स में Astra से आगे है, लेकिन उसकी प्रति काम लागत Astra की लगभग 2 से 21 गुना है (OpenAI का मापन)।
- तय न हो तो Sol से शुरू करें, और reasoning medium से आज़माएँ (low पर कुछ टेस्ट में स्कोर तेज़ी से गिरता है)।
- API में दो बातें जाँचें: बातचीत के पहले के हिस्से को बदलने से reasoning छूटता है, और
instructionsकी जगह बदल गई है।
FAQ
Q. GPT-6.2 Astra और Sol की API कीमत कितनी है?
A. प्रति 10 लाख टोकन, Astra की कीमत इनपुट $8, कैश्ड इनपुट $0.40 और आउटपुट $40 है। Sol की कीमत इनपुट $2, कैश्ड इनपुट $0.10 और आउटपुट $10 है। दोनों में Batch आधी कीमत पर और Fast 2 गुना पर है। Ultrafast 27 फ़रवरी 2027 तक 3 गुना, और 1 मार्च से 6 गुना है। 272K टोकन से ज़्यादा इनपुट पर उस अनुरोध का पूरा इनपुट और कैश 2 गुना, और आउटपुट 1.5 गुना हो जाता है।
Q. GPT-6.2 Sol और GPT-6.1 Sol में क्या फ़र्क है?
A. कीमत एक जैसी है। OpenAI के मापन में 6.2 Sol कई टेस्ट में ज़्यादा स्कोर करता है (असली कोड बदलाव 39.0% से 43.8% और CAD डिज़ाइन 52.6% से 73.1%)। इसकी ज्ञान की कट-ऑफ तिथि 6.1 Sol की 30 अप्रैल 2026 से बदलकर 6.2 Sol के लिए 1 जून 2026 हो गई। जीव विज्ञान के डेटा वाले Vals Science Index में max पर 6.1 Sol का मान ज़्यादा था।
Q. क्या यह Claude Fable 5.2 से बेहतर है?
A. यह टेस्ट पर निर्भर करता है। जिन नौ टेस्ट में OpenAI दोनों दिखाता है, उनमें 6.2 Astra छह में आगे है, और असली कोड बदलाव, CAD डिज़ाइन और तीसरे पक्ष के समग्र इंडेक्स में तीन में Fable 5.2 आगे है। जिन आठ टेस्ट में लागत दी गई है, उनमें Fable 5.2 की प्रति काम लागत Astra की लगभग 2 से 21 गुना थी (हर मॉडल की सबसे ऊँची स्कोर वाली सेटिंग की तुलना)। यह OpenAI द्वारा मापी गई तुलना है।
Q. क्या ChatGPT के मुफ़्त प्लान पर यह इस्तेमाल हो सकता है?
A. घोषणा Plus, Pro, Enterprise और Edu के लिए है, इसमें Free शामिल नहीं है। ये ChatGPT Work और Codex में इस्तेमाल हो सकते हैं, और सामान्य Chat के विकल्प नहीं बदले हैं।
Q. क्या GPT-6 Astra से स्विच करना चाहिए?
A. कई मामलों में हाँ। कीमत 20% कम है, और OpenAI के मापन में यह प्रदर्शन के सभी 10 टेस्ट में GPT-6 Astra से आगे है। लेकिन टेस्ट OpenAI के चुने हुए हैं, और कुछ बदलावों पर ध्यान देना होगा, जैसे आउटपुट का छोटा होना और reasoning को "none" पर न रख पाना। API में बातचीत के पहले के हिस्से को बदलने से reasoning छूटता है, और instructions के व्यवहार में बदलाव है। स्विच करने से पहले अध्याय 7 की बातें जाँच लें।
अपडेट का रिकॉर्ड
- 19 नवंबर 2026पहला संस्करण। OpenAI की घोषणा (17 नवंबर) के चार्ट का डेटा, API के मॉडल पेज और माइग्रेशन गाइड, ChatGPT के रिलीज़ नोट्स और दस्तावेज़, तथा GitHub Changelog जाँचकर तैयार किया गया।
स्रोत
- OpenAI: Introducing GPT-6.2 Astra and Sol, GPT-6.2 Astra (API), GPT-6.2 Sol (API), Models, Using GPT-6.2, API changelog, ChatGPT release notes, ChatGPT Models
- GitHub: OpenAI's GPT-6.2 Astra and GPT-6.2 Sol now available
- OpenAI: GPT-6.2 System Card
- तुलना की कीमतें (19 नवंबर 2026 को जाँचा गया): Anthropic Pricing, Google Gemini API pricing