閱讀進度 0%
0%

GPT-6.2 Astra 與 Sol 雙發布解析:定價、性能錨點與選型一次看懂

AI技術解析約 4 分鐘閱讀
OpenAI 2026-11-17 同步推出 GPT-6.2 Astra(前沿旗艦)與 Sol(高效日常款):Agents' Last Exam 刷新紀錄、Astra 輸出價降 20%、快取輸入再打 4 折,Sol 延續 $2/$10 定價。本文整理官方一手數據、與 Claude Fable 5.2 的對比口徑爭議,以及開發者該怎麼選。

OpenAI 在 11 月 17 日一口氣發布兩款 GPT-6.2:旗艦 Astra 主打「最難的專業工作」、Sol 主打「日常」。真正的重點不在跑分,而是計費口徑的轉變,OpenAI 開始用「每任務成本」而非「每 token 價格」跟對手比刀。本文所有數字來自官方發布文與 llm-stats,爭議處我會標出來。

一口氣兩款:Astra 管戰場,Sol 管日常

GPT-6.2 系列分兩條線:

  • GPT-6.2 Astra:前沿旗艦,定位「最難的專案」,適合複雜專業文件、電腦操作(computer use)、科學研究工作流。
  • GPT-6.2 Sol:高效全能款,定位「日常」,適合多步驟 agent 工作流、自然寫作、大量平行呼叫的場景。

兩款同步上線 ChatGPT Work、Codex 與 API(型號 gpt-6.2-astra、gpt-6.2-sol),Plus/Pro/Enterprise/Edu 用戶全部可用。

定價:Astra 降 20%,Sol 原地不動

模型 輸入 $/M tokens 快取輸入 $/M 輸出 $/M
GPT-6.2 Astra 8 0.40 40
GPT-6.2 Sol 2 0.10 10
GPT-6 Astra(前代) 10 1.00 50

(來源:OpenAI 官方發布文;Sol 延續 GPT-6.1 Sol 定價)

長上下文加價:輸入超過 272,000 tokens 時,該請求的輸入與快取費率加倍、輸出變 1.5 倍(Astra:16/0.80/60;Sol:4/0.20/15)。要跑接近百萬上下文的長文件,記得按這組價估算,表列價格只適用短上下文請求。完整費率與快取寫入計價見 OpenAI API 定價頁。

三個值得注意的點:

  1. Astra 輸出入各降 20%,快取輸入再深折 60%($1.00 降到 $0.40)。對 agent 型長對話工作流,快取折扣的影響比表面數字大得多。
  2. Sol 完全沿用 6.1 Sol 的價。升級不加價,這在旗艦迭代週期裡很少見。
  3. Context window:總上下文 1,050,000 tokens(最多輸入 922K、輸出 128K),兩款相同(官方 API 文件)。知識截止日兩款不同:Astra 為 2026 年 5 月 18 日、Sol 為 6 月 1 日。

Pro 500 訂閱者兩款都能開 Ultrafast(高速模式);Pro 200 這次也首次開放 Sol 的 Ultrafast。API 端兩款都支援,Ultrafast 另有加價費率,細節以 OpenAI 定價頁為準。

性能:OpenAI 這次把「每任務成本」當主戰場

Agents’ Last Exam:新高,但對比口徑有註解

Agents’ Last Exam 測的是多步驟專業工作流。官方數字:

  • GPT-6.2 Astra 比 GPT-6 Astra 高 5.2 分,成本「低於三分之一」
  • 比 Claude Fable 5.2 高 5.5 分,成本「僅 5%」

第二條要配上官方自己的註腳才完整:「排行榜結果中,Fable 5.2 排除九個使用 fallback 模型的任務」。也就是說這不是同條件全量對比。數字參考即可,別當絕對座標。

FrontierCode 2.0:Sol 追平 Astra、只要五分之一價

Cognition 的 FrontierCode 2.0 測「真實 codebase 的改動能否達到維護者可合併標準」。官方數據:GPT-6.2 Sol 與 GPT-6.2 Astra 差距在 0.5 分內,成本約五分之一(兩者都在 max 檔)。

這是我認為本次發布對開發者最重要的單一數據:如果你的工作是「改真實專案、過 code review」,Sol 大概率就是甜蜜點。

其他錨點

  • LifeVal(日常任務,如搬家選幼兒園、長輩飲食規劃):Sol 勝過 GPT-6 Astra,成本約七分之一
  • GDPval v2(真實專案的知識工作流):Astra 較 GPT-6 Astra 加 6.2 個百分點、輸出 token 少 22%;Sol 較 6.1 Sol 加 5.3 分
  • AA-3D(Artificial Analysis 人工盲測投票):Astra 1,318 Elo 居首,Claude Fable 5.2 1,271,Sol 1,259
  • Harvey LAB-AA v1.1(法律工作):Astra 通過率超過 Fable 5.2 的兩倍、成本約六分之一
  • AA-AnalystAgent(試算表分析):Astra 62.5%(五次獨立嘗試全對)

Astra 還是 Sol?一張判斷表

GPT-6.2 Astra 與 Sol 選型指南

你的工作 選
真實 codebase 改碼、過 CI 與 review Sol(FrontierCode 差 0.5 分內、1/5 價)
大量平行呼叫、agent 排程(成本敏感) Sol
法律/金融/諮詢等高專業交付物 Astra(Harvey 法律評測通過率兩倍於 Fable 5.2)
試算表、簡報、長篇專業文件 Astra(AA-AnalystAgent 62.5%)
CAD/模擬器級的 computer use Astra
日常寫作、查資料、客服型 agent Sol

一句話:Sol 是新的預設模型,Astra 是「任務價值極高、失敗成本極大」時才請出來的選項。

安全檔位:這次有兩個第一次

官方 system card 披露兩件事值得留意:

  1. GPT-6.2 Astra 是 OpenAI 第一個對外發布、達到 Preparedness Framework「High」等級(AI 自我改進能力)的模型,官方的定義是「相當於給每位研究員多派一位高能力研究工程師」。
  2. Blocker Deception 測試中,兩款模型比 GPT-6 Astra 更容易漏報工作障礙(例如檔案被移除、搜尋工具不可用時不主動告知)。OpenAI 說已在 Codex 加了指令大幅減少這類遺漏,但仍在調查。

兩款都達網路安全能力的 Critical 閾值、生物化學能力的 High 閾值,部署時帶了更緊的高風險協助限制。如果你做資安研究,部分合法的漏洞測試工作流會被擋,官方建議走 Daybreak 通道申請。

開發者實務清單

  • API 型號:gpt-6.2-astra、gpt-6.2-sol,兩款皆支援 Ultrafast
  • 長對話保持 prompt prefix 不變、把新指令往後 append,官方明說這是為了提高快取命中率、降成本與延遲(6.2 的快取折扣比前代深,這條建議的含金量跟著提高)
  • Codex 用戶:兩款已可在 Codex 選用,日常任務切 Sol、難任務開 Astra
  • 成本估算用「每任務」而不是「每 token」:6.2 的 token 效率提升(GDPval v2 上輸出 token 減少 22% 那類)加快取深折,實際帳單的變化會比單價表更明顯

我的判讀

這次發布最有訊息量的不是任何一條跑分,而是比價方式的轉移:OpenAI 全篇用「每任務成本」(cost per task)跟 Claude 比。第三方 Artificial Analysis 的比較表也給出同方向的數字:Astra(Low 檔)每任務 $0.66 對 Fable 5.2(Low、預設備援設定)$3.10。兩邊都用 Low 推理檔、且 Fable 帶備援設定,條件要記著看。當模型能力進入「多數任務都夠用」的區間,採購決策自然滑向單位成本,OpenAI 顯然打算在這個戰場先卡位。

對開發者的實際含義:先試 Sol,不夠再升 Astra。FrontierCode 2.0 那條「0.5 分差距、五分之一成本」是單一編碼評測的結果,不代表所有工作負載都能省這麼多,但它至少說明:在「改真實專案」這類日常任務上,便宜的選項沒有明顯的能力犧牲。


參考:Introducing GPT-6.2 Astra and Sol(OpenAI 官方發布文)、GPT-6.2 system card、GPT-6.2 Sol 定價與規格(llm-stats)、OpenAI API 定價、GPT-6.2 Astra vs Claude Fable 5.2(Artificial Analysis)

AI技術解析
關於 Calpa

Calpa 擅長使用 TypeScript、React.js 和 Vue.js 建立 Responsive Website。

他積極參與開源社群,曾在 2019 年的香港開源大會上擔任講者,提供工作經驗和見解。此外,他也在GitHub 上公開分享個人部落格程式碼,GitHub 專案已累積超過 300 個 stars 與 60 個 forks。

他熱愛學習新技術,並樂意分享經驗。他相信,唯有不斷學習才能跟上快速演變的技術環境。

熱門文章

最新文章