OpenAI GPT-6.2 Astra和Sol同日上线:Astra降价20%,第三方基准显示编程进展停滞

2026年11月17日,OpenAI正式发布GPT-6.2 Astra和Sol两款新模型,向ChatGPT Work、Codex及API全面开放。Astra API价格下调20%至每百万输入tokens 8美元,官方声称在专业输出和编程上大幅提升,但第三方评测机构Artificial Analysis的编程代

2026年11月17日,OpenAI发布GPT-6.2 Astra和GPT-6.2 Sol两款新模型,在ChatGPT Work、Codex平台以及开发者API同步上线。面向Plus、Pro、Enterprise和Edu用户开放,API端分别通过gpt-6.2-astra和gpt-6.2-sol标识符调用。这是OpenAI在同一周期内对GPT-6系列的第二次重大更新,发布时间直接指向竞争背景:Anthropic的Claude Fable 5.2一周前刚刚上线。

价格下调是核心筹码

GPT-6.2 Astra的API定价较上一代切实下调:输入端每百万tokens从此前的10美元降至8美元,降幅20%;缓存输入从1美元降至0.40美元;输出端从50美元降至40美元。GPT-6.2 Sol维持原有定价不变,每百万tokens输入2美元、输出10美元。

从绝对数字看,Astra的价格仍比Sol贵四倍,但OpenAI给出了一个关键对比:在FrontierCode 2.0编程基准上,Sol的得分与Astra相差不到0.5个百分点,而成本仅为后者的五分之一。按这一口径,大多数编程任务用Sol即可,Astra的溢价主要体现在科学研究、长文档处理等重度专业场景。

官方数字与独立评测的分歧

OpenAI在发布材料中援引了一组核心数据:GPT-6.2 Astra在Agents' Last Exam上比上代GPT-6 Astra高出5.2个百分点,且完成同等任务的花费不足上代的三分之一。这个说法将性能提升和成本下降绑在一起,突出了新模型在复杂代理任务上的单位成本优势。

然而,据第三方评测机构Artificial Analysis的数据,结论明显分化。在其编程代理指数(Coding Agent Index)上,GPT-6.2 Astra相较GPT-6 Astra几乎原地踏步;GPT-6.2 Sol更是比GPT-6.1 Sol下降了三个百分点。Artificial Analysis明确写道,“编程领域的进展已陷入停滞”。在智能综合指数(Intelligence Index)上,Astra以62分位列第二,落后于Claude Fable 5.2的65分。

这种分歧并非偶然。OpenAI选择的基准——Agents' Last Exam——更侧重于多步推理和指令遵循,而非纯代码生成效率;Artificial Analysis的编程代理指数更接近真实开发者的日常场景。两组数据都是事实,只是度量的不是同一件事。对于要用这两款模型写代码、做代码审查的工程团队来说,后者的参考价值可能更大。

与Fable 5.2的正面竞争

发布时间体现了竞争压力。据9to5Google报道,Anthropic上周发布的Claude Fable 5.2在多个主流基准测试中“几乎全面领先Opus 5.5、GPT-6 Astra和Gemini 4 Carbon”。在这一背景下,OpenAI不到一周就推出6.2版本,节奏远快于以往的迭代周期。

从市场策略看,OpenAI没有等到性能指标全面超越对手才发布,而是选择在价格维度主动出手。Astra降价20%、Sol维持低价不变,直接压低了“高质量AI”的入场门槛。对大量以API计量计费的企业用户而言,20%的输入成本减少可在规模调用下直接转化为可见的预算节省,这比多几个基准测试百分点更容易感知和量化。

法律与垂直场景的突破口

并非所有指标都指向停滞。据mlq.ai援引的数据,GPT-6.2 Astra在Harvey LAB-AA法律任务基准上取得了20.8%的满分率,在同类模型中表现突出。这一细节显示,GPT-6.2 Astra的真正战场可能不是通用编程,而是专业文档处理——合同审查、法律摘要、长报告生成。在这类任务中,推理精度比代码执行速度更关键,价格下调也更容易被专业服务客户接受。

这与OpenAI宣称的“为复杂专业工作中的AI设定新质量标准”相吻合。将Astra定位为面向法律、咨询、科研机构的重型工具,同时让Sol承接大量编程和日常自动化场景,从产品线角度看是一个清晰的分层策略。

一个低调的安全里程碑

发布说明中有一条信息被大多数报道放在末尾:GPT-6.2 Astra是OpenAI首个对外发布的“达到AI自我改进高风险阈值”的模型,并配套引入了名为Control Room的新管控系统。

这个定性本身是两面刃。一方面,它说明OpenAI认为6.2 Astra已具备一定程度的自主递归改进能力,需要额外的安全封堵;另一方面,单是“已达到高风险阈值”这一说法,就足以让企业合规团队重新审视使用协议。Control Room的具体约束机制尚未完全披露;需要在金融、医疗、政府等受监管行业部署的用户,应把权限边界、日志审计、人工接管和数据留存要求纳入采购审查。

该怎么用这两款模型

从实际部署角度整理当前状态:GPT-6.2 Sol在编程任务上性价比最为突出,以Astra五分之一的成本换取接近的代码生成质量,适合大量调用的自动化流水线;GPT-6.2 Astra适合单次调用价值高、对推理深度要求更严苛的专业场景,法律文档和科研摘要是目前有数据支撑的两个落点。

关键前提是:官方给出的基准数字和第三方独立评测结论存在实质性差距,这不是四舍五入的误差,而是在同一个领域(编程)得出了截然相反的结论。在将这两款模型纳入核心生产流水线之前,对自己的具体任务做一轮成本可控的小规模测试,应作为必经步骤。

判断

GPT-6.2 Astra和Sol这次发布,更准确的解读是一次战略性的价格重新定位,而非性能的代际跃升。在Artificial Analysis等独立评测显示编程能力原地踏步的情况下,降价20%是OpenAI给出的最直接答案——用成本优势来弥补性能差距,让企业客户在算总账时依然有理由选择GPT系列。这个策略短期内对价格敏感的高频调用用户有吸引力;在现有独立评测尚未支持性能反超的情况下,OpenAI是在用价格重塑采购理由。