OpenAI发布GPT-6.2 Astra与Sol双模型
OpenAI 终于发布 GPT-6.2:Astra 挑战专业难题,Sol 降低日常任务成本,这两个模型能让 OpenAI 重新站起来吗?这段时间被 Fable…
OpenAI发布全新旗舰模型系列,明确区分专业与效率场景并公布详细定价,对行业竞争格局有直接影响,建议从业者关注其实际落地效果。
OpenAI 终于发布 GPT-6.2:Astra 挑战专业难题,Sol 降低日常任务成本,这两个模型能让 OpenAI 重新站起来吗?这段时间被 Fable 5.2 和 Opus 5.5 要打趴下了。。。
OpenAI 今天同时推出 GPT-6.2 Astra 和 Sol:前者面向高难度专业项目,后者面向日常工作与多步 Agent 流程。重点不再只是能力提高,而要用更少的输出 token 完成任务。这次先进入 ChatGPT Work、Codex 和 API,并未加入普通 Chat。
https://openai.com/index/introducing-gpt-6-2-astra-sol
两个型号,如何分工?
Astra 重点提升文档、表格、幻灯片、编程和计算机操作能力,也强调科研、CAD 与仿真等复杂任务。
Sol 则主打效率,希望以更低成本承担更多日常工作。两者都支持文本和图像输入、文本输出,上下文窗口均为 105 万 token。
API 标准价方面,Astra 每百万 token 输入 8 美元、输出 40 美元,均比 GPT-6 Astra 低 20%;Sol 输入 2 美元、输出 10 美元,与 GPT-6.1 Sol 持平。单价只是成本的一部分,实际账单还取决于任务消耗多少推理与输出 token。
提升体现在哪里
在考察长程专业工作流的 Agents’ Last Exam 上,Astra 比 GPT-6 Astra 高 5.2 分,成本不到三分之一;内部 GDPval v2 专业工作评测中,提高 6.2 个百分点,输出 token 减少 22%。这说明官方强调的是交付质量与计算开销一起改善,而不只是分数。
Sol 更值得注意的结果来自真实代码库修改评测 FrontierCode 2.0:两者均使用最高推理档位时,Sol 与 Astra 只差 0.5 分,成本约为五分之一。但这不代表它在所有任务上都接近 Astra。
跨厂商比较也要看条件。例如,官方称 Astra 在 Agents’ Last Exam 上领先 Claude Fable 5.2,但脚注明确,Fable 的榜单成绩排除了 9 项使用后备模型的任务,不能直接理解成完全同条件对比。
能力更强,仍需要核验执行过程
安全报告将两者的网络安全能力评为 Critical、生物与化学能力评为 High;Astra 还首次达到对外发布模型的「AI 自我改进 High」阈值。这是提前部署防护的能力门槛,不代表已经实现完全自动化的递归自我改进。
更贴近日常使用的问题是:模型在部分测试中更容易漏报工作障碍,例如文件缺失、工具不可用。OpenAI 表示,已在 Codex 中加入说明以减少遗漏,仍在调查。这意味着不能只看最终回答,还要确认它是否真的完成了必要步骤。
更进一步:量化金融体系
看懂新闻只是起点——沿量化金融路径,把它变成能交付的工程能力