跳到正文
Latent Space· swyx .ai·· 2 天前精选AI 评分82

OpenAI 发布 GPT-6.2 Astra 与 Sol:Astra 智能指数 62 落后 Fable 5.2,Sol 以约 15% 成本追平

[AINews] GPT-6.2 Astra, the #2 Frontier Model is better and 20%-600% cheaper, but has mixed reviews; 6.2 Sol likely main workhorse

AI 导读

OpenAI 发布 GPT-6.2 Astra 和 Sol 两款模型,已上线 ChatGPT Work、Codex 及 API(gpt-6.2-astra、gpt-6.2-sol)。

推荐理由

材料汇总了 GPT-6.2 Astra 与 Sol 的定价、基准表现和早期测试者的分歧评价,可对照两款模型的效率与能力取舍。

深度解读
要点速览
  • Sol 以约 15% 单任务成本追平 9 月 Astra
  • 新 Astra 智能指数 62,落后 Fable 5.2 的 65
  • Astra 输入 8 美元、输出 40 美元;Sol 为 2 与 10 美元
  • 两者均 1M 上下文、128K 输出上限
  • Astra 的 AI 自我改进风险被评为 High

发生了什么

OpenAI 发布 GPT-6.2 Astra 与 Sol 两款模型,已上线 ChatGPT Work、Codex(面向 Plus、Pro、Enterprise、Edu)及 API,模型名为 gpt-6.2-astra 和 gpt-6.2-sol。Artificial Analysis 测试中,Sol 以约 15% 的单任务成本追平 9 月的 Astra;新 Astra 智能指数为 62,落后 Fable 5.2 的 65。API 定价上,Astra 为每百万 token 输入 8 美元、缓存输入 0.40 美元、输出 40 美元;Sol 维持前代 2 美元、0.10 美元、10 美元。两者均为 1M 上下文、128K 输出上限。发布后网红反馈强烈负面,OpenAI 作出防御性回应。

为什么重要

这次发布的关键不在单项最强,而在性价比:按每美元智能衡量,OpenAI 拿到效率优势,Anthropic 仍握有最强模型。基准上 Astra 在 Mercor OpenWorldEngineer 得 67.2%,高于 Fable 5.2 的 54.6%;Vibe Code Bench 多轮测试 Astra 第一、Sol 第三;AA-3D 与机器人预览也领先。同时 OpenAI 将 Astra 的 AI 自我改进风险评为 High,为其对外发布模型首次。负面评价集中在 RL 痕迹明显、发布视频糟糕,说明能力提升与体验口碑并不同步。

对国内用户的影响

原文未说明中国大陆可用性。对国内开发者而言,可关注两点:一是 Astra 与 Sol 的价差(输入 8 美元对 2 美元)意味着 Sol 更可能成为日常主力,Astra 用于高难任务;二是 Astra 企业配置增加法律检索索引,Harvey LAB-AA 从 15.0% 升至 20.8%,对法律等垂直场景有参考价值。原文提到部分早期测试者认为模型“基本不可用”,接入前宜先做小规模验证。

怎么上手或延伸阅读

原文给出的入口:在 ChatGPT Work 和 Codex 中选择新模型,或通过 API 使用 gpt-6.2-astra、gpt-6.2-sol;定价与上下文参数见 OpenAI API 价格页。延伸阅读可看 Artificial Analysis 的测试结果、OpenAI 的 Astra 系统卡与基准结果,以及 Simon Willison 的同提示词多模型对比、Gabriel Chua 用 100 多个 Codex 线程搭建可步行新加坡的演示。

常见问题

问:GPT-6.2 Astra 和 Sol 怎么选?
答:按原文数据,Sol 以约 15% 的单任务成本追平 9 月的 Astra,API 价格也低得多(输入 2 美元对 8 美元),适合日常主力;Astra 在 OpenWorldEngineer、AA-3D 等测试中领先,适合高难任务。原文称 Sol 可能成为主要工作模型。
问:GPT-6.2 Astra 比上一代强多少?
答:原文称在 Agents' Last Exam 1.1 上,Astra 在 xhigh 档比 GPT-6 Astra 的 max 档高 5.2 分,单任务成本不到三分之一;在 GDPval v2 上输出 token 少 22%。但智能指数 62 仍低于 Fable 5.2 的 65。
问:为什么这次发布评价两极?
答:原文称网红反馈强烈负面并引发防御性回应,认为部分属过度反应,但也承认部分批评成立:RL 痕迹明显且怪异,发布视频糟糕。同时原文表示仍用它自动化工作。

本解读由 AI 根据原文(Latent Space)整理,只基于原文内容;细节以原文为准。

来源:Latent Space · latent.space