GPT-6.2 Astra 对上 Sol:能力差多少,调用贵多少?QVeris 模型网关实测

QVeris · 模型实测

北京时间 11 月 18 日凌晨,OpenAI 发布推出 GPT-6.2 Astra 和 GPT-6.2 Sol:前者是应对最棘手项目的全新前沿模型,后者则是面向日常工作的高效多面手。两款模型都能以更少的输出 Token,在高难度任务中取得更好的结果,让你在用量限制内完成更多工作。对企业和开发者而言,这意味着能以适合大规模应用的成本,获得前沿性能。

官方发布说明里最抓眼球的一组数字是 2.89 美元和 60.05 美元。在考察多步骤专业工作的 Agents' Last Exam 中,Astra 平均每项任务花费 2.89 美元,成绩达到 78.3%;Claude Fable 5.2 的平均任务成本是 60.05 美元,成绩为 72.8%。这是两款模型各自在指定档位下的评测均值,Fable 的榜单结果排除了九项调用备用模型的任务。

OpenAI · Agents' Last Exam v1.1。横轴为平均任务成本,纵轴为得分。蓝色星点 GPT-6.2 Astra(xhigh):2.89 美元、78.3%;灰色方点 Claude Fable 5.2(max):60.05 美元、72.8%。按官网交互图数据与绘图规格导出。

但如果你正在给自己的 AI 应用选模型,还有个更切身的问题:同一天发布的Sol,价格只有 Astra 的四分之一。把任务交给它,究竟会少得到什么?

先看 Astra 交出来的东西

OpenAI 给 Astra 一家虚构农业科技公司的财务数据,让它预测收入、核对三张报表,并算出每股估值。翻到交付物的第二页:左上角写着 26.39 美元,右侧是一张敏感性分析表。老板如果追问"把折现率从 8% 调到 9% 呢",沿同一行就能读到 22.25 美元。读者可以自己改假设、查结果,这才是这道题比算出一个数字更难的地方。打开官方工作簿样例

另一份交付物是 19 页的团队周边提案。看下面这页:扑向聚光灯的飞蛾代表新品上市的热闹,伏在铅笔上的猫代表改到第九稿的文案。它把同一个创意落实到了角色、插画、版式和短文案上。

让 AI 改同一个代码库,选 Sol 能省多少钱?得分差多少?

假设跑 1,000 次代码审查,每次读入 10,000 个未缓存 token,输出 1,000 个 token,预算要多少?

按 OpenAI 标准短上下文 API 价格估算,下表单价均以美元/百万 token 计。Astra 单价 · Sol 单价

预算项目 GPT-6.2 Astra GPT-6.2 Sol
输入费用(1,000 万个未缓存 token) 10 × 8 = 80 10 × 2 = 20
输出费用(100 万个 token) 1 × 40 = 40 1 × 10 = 10
1,000 次审查总预算 $120 $30

在相同用量下,Sol 的总预算比 Astra 少 90 美元(75%)。

真正让模型修改代码,并要求改动达到维护者愿意合并的标准,这笔账又怎样? 在 Cognition 的 FrontierCode 2.0 评测中,两款模型都使用 max 推理档位。Astra 得分 44.2%,平均每项任务花费 5.97 美元;Sol 得分 43.8%,花费 1.29 美元。换成 Sol,平均每项任务少花 4.68 美元(78.4%) ,得分低 0.4 个百分点。图中金色 Sol 曲线与蓝色 Astra 曲线各自最右端的点,就是这组对照。OpenAI 官方评测图

FrontierCode 2.0|横轴为平均任务成本(美元,对数刻度),纵轴为评测得分。依据 OpenAI 官网交互图数据与绘图规格导出。

从评测榜到自己的应用,在 QVeris 模型网关上试一次

编程评测给出了一个参考:在那批代码任务上,Sol 用更低的成本取得了接近 Astra 的分数。换成你自己的应用呢?比如让 AI 读一份财报,两个模型可能都能把数字算对,却写出不同长度的回答,调用不同次数的工具。要给产品选模型,值得把答案和完成这道题的整笔开销放在一起看。

通过 QVeris 模型网关,开发者可以用同一个 QVeris API Key 和兼容 OpenAI 的接口调用多款模型,按实际用量支付 Credits。对比 Astra 和 Sol 时,只需在请求里切换模型 ID。

想先看效果,可以直接打开 QVeris Playground,分别选中 Astra 和 Sol,把同一个问题各发一次。回答下方可以看到首字时间、工具调用次数、token 用量、模型积分和总积分。下面这道苹果财报题,我们就是这样跑的:先用原始利润表核对答案,再打开两次运行的用量明细,看哪一项拉开了差距。

在 QVeris Playground 实测:苹果少赚的 82.2 亿美元去了哪里?

我们在 QVeris Playground 分别选择 GPT-6.2 Sol 和 GPT-6.2 Astra,用默认模式问了同一个问题。把下面这段直接复制进去,就可以自己试。

苹果 2024 财年第四季度净利润同比下降了 35.8%,是主营业务变差了吗?请用财报数字解释,少赚的 82.2 亿美元是怎么算出来的。

先看回答。两边都列出了两季的财报数字:苹果营收从 894.98 亿美元升到 949.30 亿美元,营业利润从 269.69 亿升到 295.91 亿美元。就这两项指标看,主营业务表现比上年同季更好。苹果合并利润表,第 1 页

少赚的 82.2 亿美元,两边都用同一行算式解释清楚了:**税前利润同比增加 26.12 亿美元,减去所得税费用同比多出的 108.32 亿美元,净利润同比减少 82.20 亿美元。**用 82.20 除以上年同季净利润 229.56,降幅约为 35.8%。

两份回答还都提醒了一处容易混淆的数字。108.32 亿美元是所得税费用的全部同比增量,其中约 102 亿美元与爱尔兰税务案的一次性费用有关。仅为看清这笔费用的影响而将其加回,本季净利润约为 249 亿美元;苹果财报列报的净利润为 147.36 亿美元。苹果季度业绩公告

**答案算到了同一个数,两次运行的用量却差得很远。**下面是此次 Playground 原始截图,左侧为 Sol,右侧为 Astra。

Playground 本次运行 GPT-6.2 Sol(左) GPT-6.2 Astra(右)
总时间 8.30 秒 29.90 秒
首字时间 2.90 秒 16.61 秒
工具调用 0 次 4 次
输出 token 462 924
总 token 1,714 21,864
缓存 token 0 4,754
模型积分 3.74 88.383
总积分 3.74 136.783

Sol 用 8.30 秒完成回答,消耗 3.74 总积分。Astra 本次调用了 4 次工具,输出 token 恰好是 Sol 的 2 倍,总 token 约为 12.8 倍,总积分约为 36.6 倍。对比模型本身的费用,看"模型积分";核算应用完成整道题的开销,看"总积分"。这两次运行的工具使用情况不同,36.6 倍反映的是这一次完整任务的开销。

每百万输入 token 2 美元起,实际用起来怎么选?

按 OpenAI 标准短上下文 API 定价,每百万未缓存输入 token,Sol 为 2 美元,Astra 为 8 美元。到了应用里,还要看完成一次任务实际用了多少 token、调了几次工具。OpenAI 定价说明

这次在 QVeris,两款模型都把苹果少赚的 82.2 亿美元算清了。Sol 用 8.3 秒、3.74 积分交出了可核对的答案。对于每天都要做的财报快讯核对,我们会先用 Sol。如果任务升级为把多份报表整理成可调整假设的估值工作簿,我们会优先评估 Astra,再用成品里的公式和数据验证它值不值得这笔开销。

GPT-6.2 Astra 和 Sol 均已接入 QVeris 模型网关。带上你手头的一道题,在 Playground 里分别问一次:先看哪份回答能直接用,再展开用量明细,看清拿到这个结果花了多少时间和积分。在 QVeris Playground 体验两款新模型

相关推荐
H H.1 天前
Java企业级开发:从框架到工程化实战
java·开发语言·经验分享·其他·课程设计
老花眼猫2 天前
C语言绘图方法:(10)椭圆缩放旋转
c语言·经验分享·青少年编程·课程设计
爱分享的康康2 天前
高保真自动驾驶仿真软件选型与实践分析
经验分享
杨逢昌工厂6S管理4 天前
150-杨逢昌一线现场诊断笔记:越管一线越抵触背后的熵增机理与基准化治理
经验分享·笔记·职场和发展·学习方法
Go Work4 天前
docker 占满根分区时先分清谁在吃盘
经验分享·笔记
爱分享的康康5 天前
康谋矿山机械多传感器数采方案:矿山自动驾驶数据采集落地实践分析
经验分享
光视界5 天前
从汞灯到 UV-LED:ALE 如何助力光刻机完成环保升级
经验分享
联蔚盘云5 天前
DevOps 正在从“交付工具”进化为企业级生产力引擎
经验分享
八十天环游世界5 天前
财务自动化项目的ROI怎么测算?要看哪些指标?
经验分享