跳到文章正文
openai-gpt 编辑推荐

OpenAI 一次放出两个新模型:GPT-6.2 Astra 冲专业活,Sol 把成本压到五分之一

OpenAI 发布 GPT-6.2 Astra 与 GPT-6.2 Sol:Astra 在专业工…

OpenAI GPT-6.2 Astra 与 GPT-6.2 Sol

11 月 17 日,OpenAI 上线了 GPT-6.2 系列的两款模型。一款是面向最硬核项目的旗舰 GPT-6.2 Astra,另一款是给日常工作用的 GPT-6.2 Sol。官方的说法很省事:两个模型在难任务上结果更好,同时吐出的 token 更少,所以同样的额度能多干不少活。

核心看点

  • Agents’ Last Exam 上,Astra 比 GPT-6 Astra 高 5.2 分,成本不到三分之一
  • 按 OpenAI 的对照,Astra 比 Claude Fable 5.2 高 5.5 分,成本只有对方的 5%(该榜 Fable 5.2 的成绩剔除了 9 个走 fallback 模型的任务)
  • 日常款 Sol 在 FrontierCode 2.0 上只落后 Astra 0.5 分,价格约为其五分之一
  • Astra 的 API 输入输出价格比上代低 20%,缓存输入打四折:输入 8 美元、缓存输入 0.4 美元、输出 40 美元(每百万 token)
  • 网络安全能力跨过 Preparedness 框架的 Critical 阈值,随之而来的是更严的防护与拒绝策略

Astra 想解决的是“一看就是 AI 做的”

OpenAI 把 Astra 的力气花在交付物上:幻灯片、表格、文档要更贴近律所、销售、财务、会计这些行业自己的规矩,措辞直接具体,少一些放之四海皆准的空话和凑字数的填充。官方演示里,给它一份原始模板、甚至只是模板截图,它能把版式、配色、排版复刻到字号一致,再把模板的行文风格带到新页面里,早期测试者说拿过来改两下就能用。

写代码同样是重点。Astra 在已有代码库里做复杂改动和测试的能力更强,给出的代码风格更干净、测试更聚焦,返工轮数更少;做网页、游戏和 3D 设计的前端,视觉效果和可用性都有提升。

科学场景被单独拎了出来。Terminal-Bench-Science 0.1 考的是模型能不能在终端里真的把科研工作跑通,Astra 比 GPT-6 Astra 高 9 个百分点,成本不到三分之一;Vals Science Index 上它也刷新了最高分,那项测试要求模型读懂真实生物数据,再设计实验推断一个模拟系统的运作方式。

法律是 OpenAI 这次特意拿出来说的一块。Harvey 的 LAB-AA v1.1 用真实法律任务考察模型能否在成堆文件里找对事实、套进详细的 brief、交出没有硬伤的成果。Astra 在这项上刷新最高分,通过率是 Claude Fable 5.2 的两倍多,成本约为六分之一;OpenAI 还给律师单独配了 Astra for Law 版本,分数更高。

内部 GDPval v2 覆盖咨询、金融、设计等真实长周期项目:Astra 比 GPT-6 Astra 高 6.2 个百分点,输出 token 还少了 22%。Artificial Analysis 的 AA-AnalystAgent 用真实表格和报告出题,Astra 五次独立尝试全部答对 62.5% 的题目。

Sol:够用、便宜、能长时间跑

Sol 的定位是“默认模型”。OpenAI 说不少员工日常就把它当主力,技术和非技术的活都丢给它。FrontierCode 2.0 上它离 Astra 只差 0.5 分,价格约五分之一;在自家 LifeVal 评测(测安排幼儿园、按预算和通勤找房、给刚确诊的家人规划饮食这类生活任务)里,它甚至超过了 GPT-6 Astra,成本约七分之一。API 价格沿用 GPT-6.1 Sol 的标准。

电脑操作与 3D:从 CAD 到一盏纸灯

Astra 的图形界面操作精度提升后,能深入到 CAD 和仿真工具里的单个零件和连接关系,工程师可以在开模前看清装配关系、看清载荷怎么转移。官方演示里,它给山路行驶的汽车做底盘动力学仿真:建 3D 模型、写 Python 求解器算轮胎与悬架之间的动态,再用 Blender 做动画。另一个案例把芝加哥 Marina City 的弧形阳台变成了纸灯,从参考照片到 CAD 修改再到手工组装,配套网站也是 Astra 自己生成的。

在 Artificial Analysis 的 AA-3D 上(同一提示词生成两个交互体验,由人盲评投票),Astra 以 1318 Elo 排第一,Claude Fable 5.2 是 1271,Sol 是 1259。

安全:能力上去了,护栏也收紧了

两款模型在网络安全上都有明显跃升:找漏洞、写利用、写补丁都更强,也更省 token。和 GPT-6 Astra 一样,它们达到 Preparedness 框架的 Critical 阈值,生物化学能力则处在 High 阈值。代价是更高的误伤——OpenAI 承认新防护会挡住一部分合法的漏洞研究和安全测试,后续会把 6.2 系列接入 Daybreak 计划,给防御方开更宽的口子。

总结

这次发布的重点不在“更大”,而在“更省”。Astra 把专业交付物的门槛往上推了一截,Sol 则把每个任务的成本压到前代旗舰的零头。对开发者和企业来说,真正值得算的是账单:同样的预算,现在能跑到多难的任务。对普通用户,最直观的变化大概是同一份订阅能多问不少问题。

本文地址:https://www.163264.com/22330