群发资讯网

OpenAI推出GPT-6.2 Astra与Sol,双模型分层降本

北京时间11月18日凌晨,OpenAI正式发布GPT-6.2 Astra、GPT-6.2 Sol两款模型,采用分层定位策略:Astra作为旗舰,主攻复杂编程、科研、金融建模、3D工程等专业长链路任务;Sol主打轻量化日常多模态、高频工具调用,同任务成本大幅优化,现已向ChatGPT Plus、Pro、Enterprise、Codex企业用户开放,API同步上线。

两款模型定位与能力差异GPT-6.2 Astra(专业旗舰)
面向高难度、多步骤专业Agent工作流:复杂软件工程、终端科研运算、财务估值建模、CAD/Blender三维设计、文档幻灯片标准化产出。 在Agents' Last Exam专业智能体基准,较上代GPT-6 Astra提升5.2个百分点;Terminal-Bench-Science科研测试同样刷新纪录。它也是OpenAI对外发布首个达到AI自我改进High安全等级的模型,可辅助模型迭代优化;安全层面,两款模型网络安全能力均达到Critical门槛,高危漏洞相关请求收紧限制。 定价:输入8美元/百万Token、输出40美元/百万Token,相比上代下调20%;缓存输入低至0.4美元/百万Token,大幅降低长文档反复读取成本。
GPT-6.2 Sol(日常主力)
主打性价比,面向日常问答、图文多模态、常规工具调用、中小型代码修改。 亮点是成本极低,同等测试条件下单任务成本仅为Astra的约1/5;部分基础编程任务得分和Astra差距很小。API价格维持上代:输入2美元/百万Token、输出10美元/百万Token,适合高频、并发量大的普通Agent服务场景。Ultrafast极速模式优先开放给Sol,Pro 200档位首次支持该模式。
和Agent算力主线对照串联近期Agent模型与算力底座:
GPT-6.2 Astra:对标Anthropic Fable 5.2,面向硬核科研、工程、复杂开发智能体;GPT-6.2 Sol:走普惠推理路线,适合C端、企业日常高频Agent;Qwen4-Max、openPangu-2.1-Pro:国内通用与生态绑定Agent基座;谷歌Ironwood TPU:Agent强化学习训练集群;英伟达Vera CPU机架:Agent沙盒、仿真调度;昆仑芯M100:国产推理算力承载大模型服务。赛道分工清晰:Astra争夺高端专业智能体市场,Sol承接规模化日常推理流量;OpenAI不再用单一旗舰覆盖所有场景,用大小双模型拆分负载,控制整体推理成本。
客观约束成本优势是官方基准测试口径,真实复杂业务、超长上下文场景不一定能达到同等降幅;超过27.2万Token的长请求,单价会上浮;Ultrafast极速模式后续会涨价;跑分和实际稳定性存在落差,不少开发者反馈Astra长流程任务容易中断、输出偏精简,部分编程专项榜单没有明显提升;Astra安全等级更高,高危能力自带强限制,不是无限制开放;目前仅ChatGPT Work、Codex等权限开放,普通免费用户暂不可用。赛道信号大模型厂商进入分层模型矩阵时代,不再单纯追求单模型全能。 高端专业Agent对推理深度、工具链式执行、科研工程能力要求高,愿意承担更高单价;而绝大多数日常多模态、工具调用任务,追求低成本高吞吐。OpenAI这套双模型策略,是直接对标Claude、Gemini的分层产品路线,用Sol压低日常业务的推理账单,用Astra守住高价值专业Agent场景。 智能体商业化的核心矛盾,已经变成:高难度任务能力和大规模推理成本的平衡。
写在最后后续重点跟踪两点:一是Astra在工程、科研Agent场景的真实稳定性;二是Sol大规模API接入后的吞吐、失败率实测数据。 Agent生态的落地,既要能啃硬骨头,也要扛得住海量日常调用。