[控场AI]
· 6 分钟阅读· 3,367 字

GPT-6.2双模型发布:Astra与Sol的定价、基准与争议

GPT-6.2双模型发布:Astra与Sol的定价、基准与争议

OpenAI 发布 GPT-6.2 Astra 与 Sol 双模型,降价与缓存折扣成亮点,但基准与交互体验仍有争议。

OpenAI 推出双模型 GPT-6.2 Astra 与 GPT-6.2 Sol,前者面向高难度项目,后者主打高效日常任务,LLM 0.38 已同步支持。定价方面,Astra 为 $8/$40 每百万 token,是上代 6 Astra 的 80%,与 Claude Fable 5.2 同价;缓存价格降至 $0.40,降幅显著;Sol 维持 $2/$10,为 GPT-5.6 Sol 的一半。Simon Willison 的鹈鹕骑车测试显示 Astra 在高 effort 档位细节更丰富,但约克郡机甲动画任务上未明显超越 Claude Fable 5.2 与 Gemini 4 Carbon。社区反馈指出 Astra 在长任务中会向用户抛出无法理解的内部实现问题导致阻塞。总体建议按任务复杂度选型,并在真实任务上做小规模 A/B 测试。

OpenAI 正式推出 GPT-6.2 Astra 与 GPT-6.2 Sol 两款新模型,分别面向高难度项目与日常任务。开发者 Simon Willison 第一时间在 LLM 0.38 工具中加入支持,并从定价、基准表现和社区反馈三个维度做了实测。本文基于其一手评测与公开发布信息,梳理这次双模型发布的关键看点。

GPT-6.2 Astra 与 Sol 发布信息

双模型定位:前沿与高效的组合

据 OpenAI 官方介绍,GPT-6.2 Astra 是面向“最难项目”的新前沿模型,GPT-6.2 Sol 则是高效、多用途的日常模型。二者在 API 中分别以 gpt-6.2-astra 和 gpt-6.2-sol 提供,Simon Willison 的 LLM 0.38 已同步支持。

这种“旗舰+轻量”的双线策略在近年模型发布中越发常见:Astra 承担复杂推理与长任务,Sol 覆盖高频、低成本的日常调用。对开发者而言,选择哪种模型更多取决于任务复杂度与成本预算,而非简单的“新版一定更好”。

“旗舰+轻量”双线策略对应的技术基础是同一代模型家族中的规模分层:旗舰模型参数量更大、推理时投入的算力更多(体现在下文的 effort 档位),适合多步推理、长上下文与复杂工具调用;轻量模型则以更小的激活规模换取低延迟与低成本,覆盖分类、摘要、简单代码生成等高频场景。二者的 API 接口通常保持一致,因此开发者可以在不改动调用代码的前提下按任务切换模型名,这也是文中 LLM 0.38 能同步支持两个模型的原因。需要注意的是,轻量模型并非旗舰模型的“压缩复刻”,其在长链条推理和指令遵循上的差距往往在复杂任务中才显现,所以按任务复杂度而非版本新旧来选型是更稳妥的做法。

定价策略:降价的信号意义

定价是本次发布最值得关注的部分之一。据 Simon Willison 的记录,GPT-6.2 Astra 定价为输入 $8/MTok、输出 $40/MTok,仅为上代 6 Astra($10/$50)的 80%,与 Claude Fable 5.2 同价——后者同样是其前代价格的 80%。缓存价格降幅更大,为 $0.40/百万 token,上代则为 $1/百万 token。

GPT-6.2 Sol 维持 $2/$10 的价格,与 6.1 Sol 和 6 Sol 持平,是 GPT-5.6 Sol($4/$20)的一半。

这些数字透露出两点信息:其一,前沿模型的单位成本正在持续下探,缓存价格的大幅折扣尤其利好长时间运行的 agentic 会话;其二,Sol 系列价格已连续多代稳定,说明轻量模型的定价区间趋于成熟。

提示缓存(prompt caching) 是理解本文价格数字的关键机制:当多次请求共享相同的前缀内容(如系统提示、长文档、工具定义、历史对话)时,服务端可复用已计算的中间状态,对这部分 token 收取远低于标准输入的价格。这正是缓存价 $0.40/MTok 与标准输入 $8/MTok 相差 20 倍的意义所在。Agentic 会话的特点是每轮都要重新提交不断增长的历史上下文,其中绝大部分是重复前缀,因此缓存折扣会直接放大到整个会话的总成本上,长任务场景下的实际节省比例可能远高于表面单价降幅。衡量这类应用成本时,应把“缓存命中率”作为与输入/输出单价同等重要的变量。

基准实测:鹈鹕骑车与约克郡机甲

Simon Willison 的经典评测项目是让模型绘制“骑自行车的鹈鹕”。他提供了 GPT-6.2 Sol 与 GPT-6.2 Astra 的成品对比,并在 high、xhigh、max 三档 effort 下展示差异。

从对比描述看,gpt-6.2-astra 在 Max 档输出的鹈鹕细节最丰富:分层羽毛、飘动的红围巾,一只翅膀搭在车把上,画面成本为 88.71¢。Xhigh 档(17.70¢)增加了绿色帽子并保留海滨场景,High 档(11.55¢)简化羽毛但保持骑行姿态。gpt-6.2-sol 在 Max(13.69¢)和 Xhigh(6.74¢)档展现了可信的蹬踏姿态,一足高一足低,翅膀前伸;High 档(2.41¢)时鸟身偏低,车把辨识度下降。

另一项测试是让模型用 Three.js 和 OpenStreetMap 数据制作“约克郡变身巨型机甲、 stomp 曼哈顿、皇后区与布鲁克林”的动画。Simon 的评价是,两个模型在“约克郡变形为机甲”这一环节都做得不够好——至少与 Claude Fable 5.2 和 Gemini 4 Carbon 相比。他还用 GPT-6.2 Astra(Ultra 档)在 Codex 桌面应用中把两个模型的动画拼接成对比视频,并附上了导出的对话记录。

这一对比提示:新模型在图像生成类任务上稳步提升,但在复杂 3D 动画与空间推理任务上,尚未与竞品拉开明显差距。

文中反复出现的 effort 档位(high / xhigh / max / ultra) 属于推理模型的“思考预算”控制参数:它不改变模型权重,而是决定模型在给出最终答案前允许消耗多少推理 token 与内部计算。档位越高,模型越倾向于展开多步自我检查、尝试更多方案,输出质量与细节通常随之提升,但延迟和费用也近似线性上升——这正是同一任务在不同档位下报价从 2.41¢ 到 88.71¢ 的原因。实践中合理的做法是先用低档位跑通流程,再对失败样本单独升档重试,而非全局使用最高档。此外,“鹈鹕骑自行车”是 LLM 社区沿用已久的能力探针,因为该场景同时考验空间关系、物体部件对应与常识约束,单一指标难以造假。

社区反馈:能力与沟通风格的错位

发布初期的舆论并不一致。据 Simon Willison 的观察,GPT-6.2 Astra 在多项基准上并未超过 Claude Fable 5.2,且有用户抱怨其沟通风格令人困惑。

Theo Browne 在预发布阶段写给 OpenAI 的反馈信提供了一个典型例子:当模型处理长任务时,它能调度大量子代理并管理得不错,但会突然向用户提出一些“你在地球上任何情况下都不可能理解、更不可能给出意见”的内部实现细节问题。他举例说,自己下达“/goal make a new level for Outer Wilds”后,两小时后任务被“阻塞”,原因是模型想问他“r24 的 reviewer 是把它的 clips 写到 24_g521.mp4 还是 24_p11.mp4?”

这个案例点出了 agentic 工作流的一个真实痛点:子代理管理能力提升的同时,模型对“何时该问、问什么”的判断仍不成熟,容易把内部细节抛给用户,造成不必要的阻塞。对开发者来说,这意味着在使用 Astra 处理长任务时,需要更明确的自主决策边界设定。

子代理(sub-agent)编排 是指主模型把长任务拆解后,派生多个具备独立上下文的子任务执行者并行或串行处理,再汇总结果。这种架构能显著扩展单个任务的可处理规模,但也带来新的失败模式:主模型必须判断哪些决策可以自主拍板、哪些必须向用户确认。当内部实现细节(如中间文件命名)被误判为“需要用户决策”的事项时,整个任务就会停滞等待一个毫无意义的回答。缓解手段包括在系统提示中显式划定自主决策边界、为子代理输出设定默认取值规则,以及对“阻塞类提问”设置超时后自动降级决策。这也说明评估 agent 能力时,任务完成率之外还应关注“无效提问率”这类交互质量指标。

选型建议

综合来看,GPT-6.2 Astra 适合对推理深度要求高、且能接受较高单价与一定沟通磨合的长任务场景;GPT-6.2 Sol 则以稳定的低价覆盖日常调用。缓存价格的大幅下降是本次发布中被低估的亮点,对持续运行的 agent 应用有实际成本意义。至于基准层面的争议,建议开发者在自己的真实任务上做小规模 A/B 测试,而非仅凭公开榜单做决策。

#GPT-6.2 Astra#GPT-6.2 Sol#OpenAI新模型#模型定价#LLM API#agentic工作流#鹈鹕骑车测试
分享:

相关推荐