GPT-6.2 Astra 和 GPT-6.2 Sol 是 OpenAI 于2026年11月17日(美国时间)发布的两个模型。Astra 定位为应对最困难工作的最高端模型,Sol 则是日常工作的主力,分别是 GPT-6 Astra 和 GPT-6.1 Sol 的继任者。API 单价方面,Astra 为每 100 万 tokens 输入 $8、输出 $40,比 GPT-6 Astra 便宜两成;Sol 与 GPT-6.1 Sol 相同,输入 $2、输出 $10。OpenAI 的测量显示,Astra 在许多测试中以前代 Astra 约一半的费用超越了前代,Sol 则在单价不变的情况下,许多测试的分数有所提高。不过,在部分测试中 Claude Fable 5.2 的表现更好,而且 API 对会话中途改写内容的处理有所变化,迁移时需要确认几点。本文根据 OpenAI 发布公告中图表的数值、模型页面以及迁移指南原文(2026年11月19日核实),整理价格、性能、可用场景,以及 Astra 与 Sol 的选择方法。
GPT-6.2 三句话速览
Astra
最高端,便宜两成
输入 $8、输出 $40。本文比较的 10 项测试全部超过前代 Astra,许多测试中每项任务的费用降到约一半。
Sol
同价更聪明
输入 $2、输出 $10 保持不变。在真实代码修改的测试 FrontierCode 中,与 Astra 仅相差 0.4 个百分点,费用约为其五分之一。
注意
API 会话的构建方式
改写会话中间的内容会丢弃之前的推理。共享指令应放在输入的开头,而不是放在 instructions 中。
核实日期:2026年11月19日。来源为 OpenAI 的发布公告、GPT-6.2 Astra 和 GPT-6.2 Sol 页面,以及 Using GPT-6.2。性能数字为 OpenAI 在发布公告图表中标注的数值。
1. GPT-6.2 两个模型的定位
OpenAI 的 API 模型列表开头写道:“不确定时用 GPT-6.2 Astra,兼顾性价比用 GPT-6.2 Sol,低成本则用 GPT-6 Luna。”列出的主要模型有 GPT-6.2 Astra、GPT-6.2 Sol、GPT-6.1 Terra 和 GPT-6 Luna 四个。OpenAI 在模型页面上把 Astra 描述为“能够从头到尾承担最困难项目的、能力最强的模型”,把 Sol 描述为“从编程到大规模智能体,日常工作的首选模型”。
| 模型 | 输入 / 输出(每 100 万 tokens) | 知识截止 | 前代模型 |
|---|---|---|---|
| GPT-6.2 Astra | $8.00 / $40.00 | 2026年5月18日 | GPT-6 Astra($10 / $50,知识截止 2026年4月30日) |
| GPT-6.2 Sol | $2.00 / $10.00 | 2026年6月1日 | GPT-6.1 Sol($2 / $10,知识截止 2026年4月30日) |
| GPT-6.1 Terra | $1.00 / $5.00 | 2026年6月1日 | — |
| GPT-6 Luna | $0.10 / $0.50 | 2026年5月18日 | — |
来源:OpenAI 的 Models 页面和各模型页面(2026年11月19日核实)。两款 GPT-6.2 的上下文均约为 105 万 tokens(输入最多 92.2 万),最大输出为 12.8 万 tokens,输入支持文本和图像。Terra 和 Luna 本次未变。
前代的 GPT-6 Astra 和 GPT-6.1 Sol 在 API 中仍可使用,但已不在推荐列表中。目前尚未公布停止提供的日期,Deprecations 页面也未将其列为淘汰对象(截至11月19日)。两款新模型都无法将推理强度设为“none(不推理)”。如果需要不推理、快速返回的场景,应使用可以选择 none 的 6.1 Terra 或 6 Luna。关于中档的 Terra,请参阅“GPT-6.1 Terra 是什么”。
2. 价格——Astra 降价,Sol 保持不变
GPT-6.2 Astra
GPT-6.2 Sol
单位为每 100 万 tokens 的美元价格。划线价格为 GPT-6 Astra 的单价。来源:OpenAI 的发布公告和各模型页面(2026年11月19日核实)。
缓存写入的费用为:保留 30 分钟时是输入单价的 1.25 倍,保留 12 小时时是 2.5 倍。两款模型的倍率规则相同。
| 项目 | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| 缓存写入 | $10(保留 30 分钟)· $20(保留 12 小时) | $2.50(保留 30 分钟)· $5(保留 12 小时) |
| 超过 27.2 万 tokens 的输入 | 该请求整体的输入和缓存为 2 倍,输出为 1.5 倍 | |
| Batch | 半价 | |
| Fast | 2 倍 | |
| Ultrafast | 2027年2月28日前为 3 倍,3月1日起为 6 倍(美国太平洋时间) | |
| 分时段后台处理(测试版) | 2 小时内返回即可的处理享受 30% 的折扣,8 小时内返回即可的享受 40% 的折扣(Responses API) | |
来源:GPT-6.2 Astra 和 GPT-6.2 Sol 页面,以及 API 变更记录(2026年11月17日条目)。Ultrafast 只有在数据存储地设为美国时才能使用(来自迁移指南)。
据 OpenAI 称,Astra 完成同样的工作所用的输出 tokens 也更少。因此,每项任务的费用降幅超过了单价降幅。正如下一章所示,多项测试中费用降至 GPT-6 Astra 的约一半。与 Claude 的单价比较如下:Astra 与 Claude Fable 5.2 相同(输入 $8、输出 $40),Sol 与 Claude Sonnet 5.5 相同(输入 $2、输出 $10),Claude Opus 5.5 为输入 $4、输出 $20(Anthropic 的 Pricing,2026年11月19日核实)。Gemini 4 Carbon 在2026年11月30日前为输入 $2、输出 $10,12月1日起为输入 $4、输出 $20(Google 的 Pricing,同日核实)。不过,同一任务所用的 tokens 数量因模型而差异很大,因此按每项任务的费用比较,比单纯比较单价更能反映实际开销。
3. 性能①:与前代模型比较
OpenAI 的发布公告包含 16 张图表,大多数按推理强度列出了各模型的分数和每项任务的费用(部分为输出 tokens 数)。其中,性能测试有 10 项,网络安全测试有 4 项,安全评估有 2 项。本章列出 10 项性能测试。为了在相同条件下比较新旧模型,所有数值都取推理强度最高的“max”。这些都是 OpenAI 选定的测试,数值由 OpenAI 测得(第三方指数因 OpenAI 放入图表而一并收录)。
| 测试(测量内容) | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | GPT-6.1 Sol |
|---|---|---|---|---|
| Agents’ Last Exam v1.1(专业人士的长时间工作) | 77.6%$4.47 | 73.1%$8.99 | 73.0%$1.32 | 72.5%$2.02 |
| GDPval v2(咨询与金融的实际案例) | 50.4%输出 3.6万 tokens | 44.2%输出 4.6万 tokens | 46.9%输出 3.3万 tokens | 41.5%输出 4.0万 tokens |
| Harvey LAB-AA v1.1(法律工作·满足全部标准的比例) | 15.0%$6.35 | 8.6%$13.67 | 11.1%$1.92 | 6.9%$2.48 |
| FrontierCode 2.0(真实的代码修改) | 44.2%$5.97 | 42.8%$6.68 | 43.8%$1.29 | 39.0%$1.03 |
| Terminal-Bench-Science 0.1(终端中的科学工作) | 77.1%$7.15 | 68.1%$23.80 | 68.0%$2.21 | 57.0%$5.47 |
| Vals Science Index v1(生物数据解读与实验) | 68.4%$4.17 | 65.1%$8.03 | 57.8%$1.03 | 59.6%$1.36 |
| BenchCAD 2.1 Core(CAD 设计) | 82.5%$5.43 | 62.6%$9.71 | 73.1%$1.60 | 52.6%$1.61 |
| AutomationBench 1.0.6(业务自动化) | 52.4%$0.83 | 41.4%$1.73 | 41.1%$0.27 | 36.1%$0.30 |
| LifeVal(日常的困难事务) | 86.1%$4.23 | 79.8%$9.04 | 83.8%$1.27 | 79.5%$1.27 |
| Artificial Analysis Intelligence Index v5.0.1(第三方综合指数) | 62.1$4.00 | 56.9$6.24 | 57.3$1.01 | 54.6$1.27 |
各模型在 max 推理强度下的数值。小字为每项任务的费用(美元),仅 GDPval v2 为每项任务的输出 tokens 数。绿色表示高于前代模型,红色表示低于前代模型。来源:OpenAI《Introducing GPT-6.2 Astra and Sol》图表数据(2026年11月19日核实)。GDPval v2 为 OpenAI 的内部测试。未纳入网络安全的 4 项测试(DeepBinary、ExploitBench、SecureSWE、PatchBench)。其中两项是在去除安全措施的内部设置下测量的,与日常使用时的条件不同。安全方面的 2 项见第 8 章。
有三点值得关注。
① Astra 在全部 10 项测试中都超过了前代 Astra,许多测试的费用约为其一半。在衡量专业人士长时间工作的 Agents’ Last Exam 中,它以 77.6% 超过 GPT-6 Astra 的 73.1%,每项任务费用为 $4.47,约为一半。发布公告用作标题的是比 max 低一档的 “xhigh” 结果:78.3%($2.89),比前代 Astra 的 max 高 5.2 个百分点,费用不到三分之一。Astra 在部分测试中 xhigh 的分数比 max 更高,因此并非总是选择 max 最好。
提升幅度最大的是法律工作(Harvey LAB-AA,8.6% → 15.0%)、CAD 设计(BenchCAD,62.6% → 82.5%)和终端中的科学工作(Terminal-Bench-Science,68.1% → 77.1%)。Harvey LAB-AA 只有在满足所有评分标准、且不存在严重虚构内容的成果才算通过,因此所有模型的得分都偏低。
② Sol 在单价不变的情况下,许多测试的分数有所上升。在衡量真实代码修改能否通过维护者合并标准的 FrontierCode 2.0 中,6.2 Sol 为 43.8%,与 6.2 Astra(44.2%)仅相差 0.4 个百分点,而每项任务费用约为其五分之一。CAD 设计和法律工作也比 6.1 Sol 大幅提高。另一方面,在涵盖生物数据的 Vals Science Index 中,max 下 Sol 为 57.8%,低于 6.1 Sol 的 59.6%(xhigh 下为 58.5%)。
③ 推理强度设为 low 时,部分测试会大幅下降。同一图表中 low 的数值显示,6.2 Sol 在日常事务测试 LifeVal 中为 25.3%(6.1 Sol 的 low 为 66.8%),在 Terminal-Bench-Science 中为 43.4%。6.2 Astra 在 low 下 LifeVal 为 46.3%,Terminal-Bench-Science 为 56.3%。调到 medium 后,LifeVal 回升至 6.2 Sol 的 70.3% 和 6.2 Astra 的 78.9%。OpenAI 的迁移指南也建议刚开始使用时从 medium 试起。如果为了降低费用而设为 low,请先确认自己的工作质量没有下降。
4. 性能②:与 Claude、Gemini 比较
OpenAI 的部分图表中还包括 Anthropic 的 Claude Fable 5.2 和 Claude Opus 5.5,以及 Google 的 Gemini 4 Carbon。由于其他公司模型所列的推理强度各不相同,本表列出各模型取得最高分的设置。未包含其他公司模型的 LifeVal 已剔除。与 Sol 单价相同的 Claude Sonnet 5.5 未出现在任何图表中。
| 测试 | 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(内部) | 50.4%输出 3.6万 tokens · max | 46.9%输出 3.3万 tokens · max | 44.8%输出 22.2万 tokens · max | 43.5%输出 19.1万 tokens · max | 48.8%输出 10.9万 tokens · 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 |
各模型取得最高分时的推理强度数值(小字标注了设置)。“—”表示该图表中未列出。来源同上一章的表格。Agents’ Last Exam 中 Claude Fable 5.2 的结果,排除了由其他模型(备用模型)应答的 9 项任务(发布公告中的注释)。发布公告中未说明 Gemini 4 Carbon 的费用是按哪种单价(2026年11月30日前的导入价格,还是之后的价格)计算的。Terminal-Bench-Science 中 Claude Fable 5.2 的数值,是 Artificial Analysis 使用名为 mini-swe-agent 的方式测得的值;Anthropic 则在 Claude Code 中将推理设为 max 后报告为 74.6%(发布公告脚注)。
在这 9 项测试中,6.2 Astra 有 5 项取得最高分。其余 4 项中,真实代码修改(FrontierCode 2.0)、CAD 设计(BenchCAD)和第三方综合指数(Artificial Analysis)由 Claude Fable 5.2 领先,业务自动化(AutomationBench)由 Gemini 4 Carbon 领先。与 Fable 5.2 一对一比较,Astra 在 6 项上领先,Fable 5.2 在 3 项上领先。费用差距尤其明显:在公布费用的 8 项测试中,Fable 5.2 每项任务的费用约为 6.2 Astra 的 2 到 21 倍(21 倍出现在 Agents’ Last Exam,此时 Astra 的数值为 xhigh)。Fable 5.2 与 Astra 的单价相同,因此主要原因很可能是完成同一工作所用 tokens 数量的差异。不过,比较所用的推理强度设置和测量方法(例如 Terminal-Bench-Science 的运行方式)并不完全相同。
本比较只采用 OpenAI 选定的测试和设置,而且只包含出现在 OpenAI 图表中的其他公司模型。Anthropic 在自家发布中选用的测试不同,排名也会有所不同。Claude 的数据请参阅“Claude Fable 5.2 的功能与价格”,Gemini 的数据请参阅“Gemini 4 Carbon 与 Argon 对比”。
5. Astra 与 Sol,选哪个
Astra 的单价是 Sol 的 4 倍。即使按每项任务的费用比较,OpenAI 的测量也显示 Astra 约为 Sol 的 3 到 5 倍(均为 max)。关键在于:这项工作的成果质量提升,是否值得这笔费用差距。
OpenAI 的 API 列表写的是“不确定时用 Astra”,但本文建议“不确定时用 Sol”。原因是两者的费用相差 3 到 5 倍,而在真实代码修改(FrontierCode 2.0)和日常事务(LifeVal)中,差距却很小。按用途的参考如下。
- 日常编程、写作与资料工作 → Sol在真实代码修改的测试中,它与 Astra 仅相差 0.4 个百分点,费用约为其五分之一。ChatGPT Work 的新对话也以 Sol 开始。拿不准时先用 Sol,只在不够用的场景换成 Astra,这是最不浪费的用法。
- 业务自动化、长篇复杂的专业工作、幻灯片与表格的收尾 → Astra在业务自动化(AutomationBench)中,Astra 为 52.4%,Sol 为 41.1%,相差约 11 个百分点。专业长时间工作(Agents’ Last Exam)、法律工作(Harvey LAB-AA)和 GDPval v2 中的差距为 3.5 到 4.6 个百分点。OpenAI 表示,Astra 经过训练,能够按照模板和各领域的惯例制作幻灯片、表格和文档。
- 科学计算与 CAD 设计 → Astra在 Terminal-Bench-Science 中,Astra 为 77.1%,Sol 为 68.0%;在 BenchCAD 中,两者分别为 82.5% 和 73.1%,都是差距较大的领域。
- 无需推理、快速且低成本地大批量处理 → 6.1 Terra 或 6 Luna两款 GPT-6.2 都无法将推理强度设为 none。
- 如果你在使用 ClaudeFable 5.2 与 Astra 单价相同,Sonnet 5.5 与 Sol 单价相同。OpenAI 的测量显示,在真实代码修改和 CAD 设计中 Fable 5.2 更优,在许多其他工作任务中 Astra 更优,而且 Astra 的费用低得多。最可靠的做法是,把你平时的工作各跑几次,然后比较修改成果所需的工作量和账单。
关于与前代 Astra、Sol 的区别,请参阅“GPT-6 Astra 解析”和“GPT-6.1 Sol 与 GPT-6 Sol 对比”。
6. 在 ChatGPT、Codex 和 GitHub Copilot 中使用
ChatGPT 与 Codex
- 适用套餐:发布公告面向所有 Plus、Pro、Enterprise 和 Edu 用户,Free 不在范围内。
- 可用位置:ChatGPT Work 和 Codex。ChatGPT 的发布说明(11月17日)称,两者在 Work 和 Codex 桌面应用中以“预览版”的形式提供。可以在 Work 的模型选择或 Codex 的模型选择中进行选择。普通的 Chat(非 Work 的对话)中的选项没有变化。
- 默认模型:据 ChatGPT 文档,Work 的新对话以 6.2 Sol 开始(个人套餐的推理强度为 Light,Enterprise 为 Medium)。Sol 每个 token 消耗的积分比 Astra 少。
- Ultrafast:Pro 500 两款模型都可以使用 Ultrafast。Pro 200 首次可以使用 Ultrafast,并先从 6.2 Sol 开始(公告未说明 Astra 何时开放)。发布公告中没有关于 Pro 100 的说明。符合条件的 Enterprise 和 Edu,在工作区管理员启用后也可以使用同样的功能。
- Codex CLI:ChatGPT 的 Models 文档给出了在 Codex 中指定模型的命令示例:
codex --model gpt-6.2-sol。
来源:OpenAI 发布公告中的“价格与提供情况”部分、ChatGPT 发布说明(2026年11月17日条目),以及 ChatGPT Models 文档(2026年11月19日核实)。在受管理的工作区中,看到的模型取决于席位类型和设置。
关于三种 Pro 套餐的用量差异,请参阅“ChatGPT Pro 100、200、500 对比”;关于 Work 本身,请参阅“ChatGPT Work 是什么”。
GitHub Copilot
GitHub 于11月17日在 Copilot 中正式推出了这两款模型。适用对象为 Copilot Pro+、Max、Business 和 Enterprise,可以在 VS Code、Visual Studio、JetBrains、Xcode、Eclipse、Copilot CLI 和 github.com 的模型选择器中选择。费用按实际用量计算,并按 OpenAI 的标价计费。在 Business 和 Enterprise 中,除非管理员将其禁用,新模型会自动启用。推出是逐步进行的,因此有些用户的列表中暂时还看不到(GitHub Changelog)。
7. 通过 API 迁移时需确认的事项
只要把模型名改为 gpt-6.2-astra 或 gpt-6.2-sol 就能运行,但 OpenAI 的迁移指南“Using GPT-6.2”列出了迁移时需要确认的以下几点。前两点是 GPT-6.2 中发生变化的地方,如果忽略,会同时影响质量和费用。
- 改写会话中间的内容会丢弃之前的推理在 Responses API 中,如果改写会话历史中较前的部分(例如之前的 developer 消息或工具调用),GPT-6.2 就不再使用此前保存的推理记录(reasoning items)。切换到较小的模型,或终端用户、组织发生变化时,情况也是一样的。丢失推理会降低回答质量,而重做之前的工作还可能增加 tokens 用量。修改设置时,基本做法是保持前面的部分不变,在末尾添加新的指令。
- 共享指令应放在输入的开头,而不是
instructions中从 GPT-6.2 开始,Responses API 最外层的instructions会附加在input之后。如果希望每次请求都能缓存同样的指令,请把它作为 developer 消息放在input的第一项。instructions只用于该次请求专用的指令。
示例:{"model": "gpt-6.2-sol", "input": [{"role": "developer", "content": "按照公司术语表作答"}, {"role": "user", "content": "…"}]}这样书写。 - 推理强度从 medium 开始建议新用户先试 medium。如果目前使用的是
none或minimal,请改为low(不接受 none)。但如第 3 章所示,低档下部分测试会大幅下降,因此请先用自己的工作确认质量,再做决定。 - 使用工具时需要 Responses API也可以使用 Chat Completions,但工具调用需要 Responses API。
- 删除不受支持的参数去掉
temperature、top_p、top_logprobs(Chat Completions 中还包括logprobs)。 - 缓存设置从 GPT-6 系列迁移时无需改动。只有从 GPT-5.5 及更早版本迁移时,才需要把
prompt_cache_retention替换为prompt_cache_options.ttl("30m")。关于缓存机制的差异,请参阅“OpenAI 与 Claude 提示缓存对比”。 - 检查指令文本迁移指南称,即使没有任何说明,GPT-6.2 Astra 的输出也会比以前更简短、更直接(Sol 没有相同的描述)。如果你的指令中有强烈要求“简洁”的内容,请确认输出不会变得过短。此外,当意图不明确时,模型有时会提出下一步方案并等待确认,因此在较长的任务中,可以事先说明在合理假设下继续推进即可。
来源:OpenAI 的“Using GPT-6.2”,以及 API 变更记录(2026年11月19日核实)。发布公告也建议:在会话中保持提示的前半部分不变,把新的指令添加在末尾。
8. 安全方面的处理
OpenAI 宣布,根据其自身的安全框架(Preparedness Framework),两款模型在网络安全方面达到“Critical”阈值,在生物与化学方面达到“High”阈值。这与 GPT-6 Astra 的判定相同。OpenAI 表示,在加强了对高风险网络安全协助以及部分生物相关请求的限制之后才予以发布。因此,部分正当的漏洞研究和安全测试也可能受到阻止。OpenAI 表示将致力于把 GPT-6.2 引入面向防御人员的 Daybreak(OpenAI 的网络防御窗口),但尚未公布时间。
此外,6.2 Astra 是 OpenAI 首个对外公开、在 AI 自我改进(加速 AI 研究的能力)方面达到“High”的模型。OpenAI 表示,已建立监控研究工作、必要时停止输出等机制。在发布公告的“工作任务中的不当行为”图表中,在模拟职场的任务里做出不当行为的比例,6.2 Astra 为 0.64%,6.2 Sol 为 0.71%,均低于 GPT-6 Astra 的 1.2%。另一方面,发布公告“隐瞒故障”图表中的两项测试显示,对文件缺失、搜索工具不可用等妨碍工作的情况不予报告的倾向有所增强。OpenAI 表示,已通过为 Codex 增加指令来减少这一倾向。详情请参阅 OpenAI 的 GPT-6.2 System Card。
总结
- GPT-6.2 Astra 与 Sol 于2026年11月17日(美国时间)发布,分别是 GPT-6 Astra 和 GPT-6.1 Sol 的继任者(Astra 为最高端,Sol 为日常工作的主力)
- API 单价:Astra 为输入 $8、输出 $40(比 GPT-6 Astra 便宜两成,缓存便宜六成);Sol 为输入 $2、输出 $10(保持不变)
- 据 OpenAI 的测量,两款模型在许多测试中的分数都超过了前代,Astra 的每项任务费用在许多测试中降至约一半
- Claude Fable 5.2 在真实代码修改、CAD 设计和综合指数上优于 Astra,但其每项任务费用约为 Astra 的 2 到 21 倍(OpenAI 的测量)
- 拿不准时从 Sol 开始,推理强度先试 medium(设为 low 时部分测试会大幅下降)
- 在 API 中,请确认两点:改写会话中间的内容会丢弃推理;
instructions的位置已经发生变化
FAQ
Q. GPT-6.2 Astra 和 Sol 的 API 价格是多少?
A. 每 100 万 tokens,Astra 为输入 $8、缓存输入 $0.40、输出 $40;Sol 为输入 $2、缓存输入 $0.10、输出 $10。两款模型的 Batch 均为半价,Fast 为 2 倍。Ultrafast 在2027年2月28日前为 3 倍,3月1日起为 6 倍。超过 27.2 万 tokens 的输入,该请求整体的输入和缓存为 2 倍,输出为 1.5 倍。
Q. GPT-6.2 Sol 与 GPT-6.1 Sol 有什么区别?
A. 单价相同。据 OpenAI 的测量,6.2 Sol 在许多测试中分数更高(真实代码修改从 39.0% 提高到 43.8%,CAD 设计从 52.6% 提高到 73.1%)。知识截止日期从 6.1 Sol 的2026年4月30日更新为 6.2 Sol 的2026年6月1日。在涵盖生物数据的 Vals Science Index 中,max 下 6.1 Sol 的数值更高。
Q. 比 Claude Fable 5.2 更强吗?
A. 取决于测试。在 OpenAI 同时列出两者的 9 项测试中,6.2 Astra 在 6 项上更高,Fable 5.2 在真实代码修改、CAD 设计和第三方综合指数这 3 项上更高。在公布费用的 8 项测试中,Fable 5.2 每项任务的费用约为 Astra 的 2 到 21 倍(按各模型取得最高分的设置进行比较)。这是 OpenAI 测得的比较。
Q. ChatGPT 免费版可以使用吗?
A. 发布公告的范围是 Plus、Pro、Enterprise 和 Edu,不包括 Free。可以使用的是 ChatGPT Work 和 Codex,普通 Chat 中的选项没有变化。
Q. 应该从 GPT-6 Astra 迁移吗?
A. 多数情况下是的。单价便宜两成,据 OpenAI 的测量,在 10 项性能测试中全部超过了 GPT-6 Astra。但测试由 OpenAI 选定,而且还有输出变短、无法将推理强度设为 none 等变化需要考虑。在 API 中,改写会话中间的内容会丢弃推理,instructions 的处理方式也有变化。切换前请确认第 7 章的各项内容。
更新记录
- 2026年11月19日初版。根据 OpenAI 发布公告(11月17日)的图表数据、API 模型页面和迁移指南、ChatGPT 的发布说明与文档,以及 GitHub Changelog 核实后撰写。
出处
- 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
- 比较用单价(2026年11月19日核实):Anthropic Pricing、Google Gemini API pricing