OpenAI 在 2026 年 11 月 17 日发布 GPT-6.2 Astra 和 GPT-6.2 Sol。两款模型的区别不只是"一个更强、一个更快",而是面向两种不同的工作流:Astra 负责复杂的专业交付,Sol 负责日常多步骤任务。
图:两条任务路径的主题示意图。
先看怎么选
| 模型 | 更适合的任务 | 官方定位 | API价格(每百万Token) |
|---|---|---|---|
| GPT-6.2 Astra | 长流程研究、复杂代码、文档、表格、3D和网页交互 | 处理最棘手的专业工作 | 输入8美元,缓存输入0.40美元,输出40美元 |
| GPT-6.2 Sol | 日常问答、普通编程、多步骤Agent任务 | 日常工作的高效多面手 | 输入2美元,缓存输入0.10美元,输出10美元 |
如果任务只是整理资料、修改一处配置或生成一段常规代码,Sol更符合成本和速度要求。如果任务需要读很多文件、连续调用工具,还要交付一份可以继续编辑的表格、文档或完整改动,Astra才有明显的定位差异。
OpenAI公布的变化,重点在"每次交付"
OpenAI称,GPT-6.2 Astra在多步骤专业任务测试Agents' Last Exam中,比GPT-6 Astra高5.2分,但成本不到其三分之一;与Claude Fable 5.2相比高5.5分,成本约为其5%。这些数字属于OpenAI公布的基准结果,不能直接当成本人的实测结论。
更实用的变化是Token效率。GPT-6.2 Astra相对GPT-6 Astra的输入和输出Token价格降低20%,缓存输入价格降低60%。当一个Agent反复读取相同的项目说明、接口文档和代码上下文时,缓存价格会直接影响整条任务的总成本。
用一条任务流理解两款模型
假设要把一份产品需求变成可交付结果,任务可以拆成四步:
- 读取需求、约束和参考文件;
- 生成实现方案并列出风险;
- 修改代码或生成表格、文档;
- 运行检查,整理最终交付物。
这四步并不意味着每一步都要使用同一款模型。资料整理和格式转换可以交给Sol;需要在多个文件之间保持一致、处理异常并完成最终交付时,再把关键阶段交给Astra。这样选择的依据是任务是否需要长程规划和多轮工具操作,而不是模型名称本身。
Astra的能力范围扩大了什么
OpenAI在公告中展示了几类任务:根据截图匹配幻灯片模板、构建可编辑的财务工作簿、在CAD和仿真工具中操作零件、把书面需求变成可玩的网页体验,以及在现有代码库中完成复杂修改和测试。
这些案例的共同点是"结果不只是一段文字"。模型需要理解输入材料,调用工具,维持中间状态,最后交付文件、页面或代码。对使用者来说,评价重点也应该从"回答看起来是否聪明"改成"交付物是否能继续使用"。
可用条件和安全边界
发布时,Plus、Pro、Enterprise和Edu用户可在ChatGPT工作区与Codex中使用两款模型;开发者可通过API调用gpt-6.2-astra和gpt-6.2-sol。企业和教育工作区仍需要管理员开启相应权限。
两款模型的网络安全能力更强,OpenAI同时收紧了高风险网络安全、生命科学和化学相关请求的防护。能力提升不等于所有Agent动作都会放行,涉及外部系统和不可逆操作时,仍需要权限控制和人工确认。
我的判断
GPT-6.2这次更新最值得关注的地方,是把"更强模型"具体化成了两件事:复杂任务的交付质量更高,重复上下文的成本更低。日常任务优先考虑Sol,长流程专业交付再考虑Astra;真正决定是否划算的,还是同一任务下的完成率、返工次数、Token消耗和人工检查时间。
资料: