[控场AI]
· 7 分钟阅读· 3,610 字

GPT-6.2双模型降临:Astra与Sol如何重塑AI性价比

GPT-6.2双模型降临:Astra与Sol如何重塑AI性价比

OpenAI 发布 GPT-6.2 Astra 与 Sol,能力提升同时成本与耗时大幅下降

OpenAI 一次性推出 GPT-6.2 Astra 和 GPT-6.2 Sol 两款模型,前者面向高难度专业任务,后者主打日常高频使用。Astra 在 Agents Last Exam 中比 Claude Faber 5.2 高 5.5 分,成本仅约其二十分之一;AA 评测中智能指数从 57 升至 62,每任务成本降约 36%,耗时从 20.4 分钟缩短到 10.4 分钟。Sol 单价不变,智能指数升至 57 追平旧旗舰,每任务成本降约 20%,耗时从 23.1 分钟压缩至 7.9 分钟。Sol 的 Ultra Fast 模式已下放给每月 200 美元的 Pro 套餐,速度最高为标准模式 4.5 倍,额度消耗为 6 倍。两款模型已进入 ChatGPT Work、Codex 和 API。

OpenAI 一次性推出两款新模型——GPT-6.2 Astra 和 GPT-6.2 Sol,前者主攻高难度专业任务,后者将高水平 AI 能力推向更便宜、更日常的使用场景。这次升级的核心信号很明确:能力、成本、速度三个维度同时发生变化,尤其对上一代模型的用户来说,省钱和提速都有了具体数据支撑。

Astra:专业任务的能力天花板再上移

在 OpenAI 公布的多步骤专业工作评测 Agents Last Exam 中,GPT-6.2 Astra 比 Claude Faber 5.2 高出 5.5 分,而完成任务成本只有后者的约二十分之一。与自家上一代 GPT-6 Astra 相比,新 Astra 得分高出 5.2 分,成本降到原来的三分之一以下。这项测试关注的是 AI 接到复杂任务后能否连续推进多个步骤并最终交付成果——分数更高,花费却大幅降低,说明新模型的竞争力已经同时体现在能力和成本两端。

就有机会降到更多

API 价格方面,标准模式短上下文下,每百万输入 Token 从 10 美元降至 8 美元,每百万输出 Token 从 50 美元降至 40 美元,输入输出单价均下降 20%;缓存输入单价降幅达到 60%。Token 是 AI 处理内容的计量单位,单价下降叠加模型效率提升,最终完成一项工作的费用有机会压得更低。

Agents Last Exam 是 OpenAI 用于评估智能体(Agent)能力的基准测试,核心考察模型能否在收到一个复杂目标后,自主规划步骤、调用工具、处理中间结果并最终交付完整成果。与只回答单轮问题的传统评测不同,它模拟的是真实工作流:任务往往需要多轮推理、信息检索和文件操作,任何一步失误都会影响最终交付。因此该评测的分数差距,比普通问答榜单更能反映模型在专业场景下的实际可用性。成本指标同样重要——同样完成一项任务,花费越低意味着单位预算内能跑更多次尝试,这对需要反复迭代的真实项目尤为关键。

速度与成本:AA 评测中的代际跃升

第三方机构 Artificial Analysis(AA)的同一套综合评测中,两代 Astra 均开启 Max 档:智能指数从 57 分提高到 62 分,平均每任务成本从 6.24 美元降至 4 美元(下降约 36%),每任务推理耗时从 20.4 分钟缩短到 10.4 分钟,几乎减半。对每天反复处理复杂工作的用户来说,分数提高、花费降低、耗时缩短这三项变化叠加,体验提升相当具体。

这个榜单会让模型分析真实生物数据

Artificial Analysis(AA) 是一家独立的第三方 AI 模型评测机构,其特点是同时公布智能水平、单任务成本和推理耗时三项指标,并把它们放在同一套标准化任务上测量。这种「三维并列」的评测方式,能揭示官方宣传中容易忽略的取舍关系:有的模型分数高但单次成本极贵,有的便宜但推理慢。AA 的「智能指数」是对多项基准成绩的综合折算分,而「每任务成本」通常按该机构设定的统一价格口径计算,便于横向比较不同厂商的模型。文中提到的 Max 档,指模型开启最高推理强度(更多思考 token)运行,因此分数和耗时都会高于默认档位。

实战能力:持续开发与科研场景领先

WAS 的持续开发应用测试中,模型先拿到一个能运行的应用,再连续接收新需求,既要实现新功能又要保住原有功能。Astra 6.2 拿到 55.16%,Gemini Carbon 为 49.73%,Claude Opus 5.5 为 30.95%,Astra 6.2 排在榜首,平均测试成本还不到 Opus 的一半。对想自己做网站、做小工具的人来说,后续能不能改得动,直接决定这个东西能否从演示走向真正有人长期使用。

科研方面,Astra 6.2 在 WAS 科学综合榜以 68.44% 排第一,超过 Fable 5.2 的 63.74% 和 Opus 5.5 的 58.65%。该榜单要求模型分析真实生物数据、通过模拟实验寻找隐藏规律,并用工具完成科研任务——拿到数据和研究环境后实际展开调查、运行实验、分析结果,这种能力更接近科研人员推进项目时的真实需求。官方案例中,模型参考建筑照片修改 CAD 设计,最终由工作人员手工组装出一盏纸灯,展示了从外形构思到可制作结构的细节衔接能力。

办公场景中,Astra 6.2 可以参照模板文件甚至一张截图,匹配布局、配色和字号来制作新的 PPT 页面。把新资料和已有模板交给它,目标是拿到内容讲清楚、风格能接上、后续还方便修改的整套成果。

Sol:日常主力的加量不加价

GPT-6.2 Sol 作为日常主力,升级同样值得关注。与上一代 GPT-6.1 Sol 相比,在 AA 同一套评测 Max 档下,智能指数从 55 分提高到 57 分,追平旧旗舰 GPT-6 Astra 的得分。API 单价没有上涨:标准短上下文下每百万输入 Token 仍是 2 美元,输出仍是 10 美元。单价不变,完成任务费用继续下降——AA 评测中平均每任务成本从 1.27 美元降到 1.01 美元,便宜约 20%。

速度提升更为明显:每任务推理耗时从旧 Sol 的 23.1 分钟缩短到 7.9 分钟,减少接近三分之二。对于需要连续修改、反复沟通的工作,等待时间会一轮一轮累积,模型更快给出下一步结果,就能更快检查、调整、再推进。

新SOG是7.9分钟

竞品对比中,新 Sol 的 57 分超过 Sonnet 5.5 的 55 分和 Gemini Hydrogen 的 54 分;费用差距同样悬殊——Sol 平均每任务 1.01 美元,Sonnet 5.5 为 10.02 美元,成绩更高而费用约为十分之一。在 Cognition 的真实代码修改评测中,Sol 6.2 与 Astra 6.2 均开 Max 档,Sol 6.2 成绩只低 0.5 分,成本约为五分之一。日常开发任务中,这意味着能用更低成本拿到接近新旗舰的表现。生活任务方面,新 Sol 6.2 在 OpenAI 的 LiveWork 测试中超过旧 GPT-6 Astra,任务成本约为七分之一,这类任务包括搬家后筛选幼儿园、根据家庭预算和通勤要求找房等。

Pro 用户福利:Ultra Fast 模式下放

知名用户 Teebo 确认,GPT-6.2 Sol 的 Ultra Fast 超高速模式已开放给每月 200 美元的 Pro 套餐。他评价 Sol 已是自己处理大部分日常事情的首选模型。官方说明称,Sol 6.2 在 Ultra Fast 模式下 Token 速度最高可达标准模式的 4.5 倍。对赶着修改代码、调整页面、准备汇报的人来说,这个选项很实际——等待生成结果的时间越短,来回配合就越顺畅。该模式的套餐额度消耗按标准档的 6 倍计算,平时用标准档控制消耗,赶进度时再用更多额度换更快生成。

最高可以达到它标准模式的4.5倍

两款新模型已进入 ChatGPT Work、Codex 和 API。经常用 Astra 处理复杂项目的用户,可以重点验证同样的材料和要求下,新模型能否更快交出更成熟的成果;每天反复用 AI 整理资料、修改代码、处理日常事务的用户,Sol 这轮升级尤其值得关注。从旧 Sol 到新 Sol,单价不变、综合成绩提高、任务成本下降、推理耗时明显缩短,再加上 Pro 套餐开放 Ultra Fast,日常主力的使用体验有了很具体的升级。

那些以前反复修改始终做不满意的任务——需要保持统一风格的汇报、不断增加新功能的网站、要连续分析很多资料才能完成的工作——正是重新尝试的好对象。模型少绕一次弯、少让人等一轮,省下来的时间和费用都会落到自己的工作里。

Ultra Fast 模式 本质上是通过提高推理服务的吞吐优先级来换取更低的响应延迟,通常表现为每秒输出 Token 数(TPS)成倍提升,而不是模型本身变聪明。代价是计费倍率上升——本文中额度消耗按标准档的 6 倍计算,意味着同样一段对话在 Ultra Fast 下会更快消耗套餐配额。这类模式适合「人机来回协作」的节奏型工作:改代码、调页面、准备汇报时,等待时间会一轮轮累积,缩短单轮延迟带来的体验提升往往比提升单次回答质量更直接。日常则可切回标准档控制成本,形成快慢搭配的使用策略。

#GPT-6.2 Astra#GPT-6.2 Sol#OpenAI新模型#AI模型性价比#Ultra Fast模式#API价格#AI推理速度
分享:

相关推荐