OpenAI 2026 年 11 月 17 日發佈的旗艦推理模型,同日還有日常檔 GPT-6.2 Sol。獨立榜單 Artificial Analysis 給它 62 分——91 個模型裏的前三名,第一名是 Claude Fable 5.2 的 65 分;AA-3D 榜上 1318 Elo 居首。定價 $8/$40 比上一代 GPT-6 Astra 便宜 20%,每指數任務 $4.00,只有 Fable 5.2 的約 1/6.6。但要說清楚三點:排名口徑有爭議(AA 官方 X 帖稱其爲榜單第二,本站簡報稱 91 個模型中第三),而 OpenAI 自報的對 Fable 領先幅度尚未有獨立復現。本頁彙總官方規格、上手路線、價格與中英文首批實測,並明確標註哪些說法尚未證實。
先把能確認的說清楚:這是當前獨立榜單上的前三名,也是同價位裏每任務最便宜的旗艦之一——「前三但便宜」是理解 GPT-6.2 Astra 的一句話。
一張表看清它在旗艦檔裏的位置:AA 指數、價格、上下文與開源情況橫向對照——同價的 Fable 5.2 只高 3 分。
| 模型 | AA 指數 | 價格(輸入 · 輸出,每百萬 tokens) | 上下文 | 開源 |
|---|---|---|---|---|
| GPT-6.2 Astra | 62(Max 檔) | $8 / $40 | 1M tokens(1,050,000) | 否 |
| Claude Fable 5.2 | 65 | $8 / $40 | 1M tokens | 否 |
| Gemini 4 Carbon | 60 | $2 / $10(至 11-30;12-01 起 $4 / $20) | 1M tokens | 否 |
| Gemini 4 Hydrogen | 54(xhigh 檔) | $1.50 / $7.50 | 1M tokens | 否 |
| Kimi K3.1 Pro | 46 | $2 / $10 | 1M tokens | 是(自定義許可) |
AA 指數來自 Artificial Analysis(v5.0.1;Astra 爲 Max 檔、Hydrogen 爲 xhigh 檔);Astra 在 91 個模型中位列前三。Carbon 價格爲 11 月 30 日前的優惠價,12 月 1 日起漲至 $4/$20。價格以官方頁面爲準。
AA 指數橫向對比:Astra 的 62 分只比榜首 Fable 5.2 低 3 分,領先 Carbon 與 Hydrogen。
時間緊的話先讀這三篇:基準盤點、Fable 對比與價格指南。
發佈僅一天,獨立榜單、價格拆解與首批報道同日到來;中文簡報以頭條報道。
GPT-6.1 Terra 發佈,填補 Sol 與 Luna 之間的空檔——GPT-6.2 在一個月後接棒,是小版本升級而非新一代。
GPT-6.2 Astra 與 Sol 發佈:OpenAI 發佈「Introducing GPT-6.2 Astra and Sol」,兩模型同日上線 ChatGPT Work、Codex 與 API(Plus、Pro、Enterprise、Edu;免費用戶不可用)。Artificial Analysis 上榜:Astra 62 分(91 模型前三)、Sol 57 分(第 11);AA-3D Astra 1318 Elo 第一;Agents' Last Exam 約 78%(AA X 帖)。本站 AI 簡報以頭條報道。
metarix 發佈完整價格拆解與 AA 對照表(本輪最全英文單源);winbuzzer、aiweekly 發佈當日報道;artificialwatch 模型頁 Bench 指數 89.6(54 模型第 4);Medium 發佈 Sol vs Astra 指南與小型 Codex 測試;本站專題頁上線(本頁)。
ARC Prize 11 月 17 日榜單(Semi-Private 集):Astra 的 ARC-AGI-3 標準 harness 爲 70.3%(max 檔;xhigh 56.5%、high 58.0%),較上代 GPT-6 Astra 的 62.7% 進步 7.6 分;廠商 adapter 檔達 100.0%,但 adapter 分不具區分度。Epoch ECI 11 月 18 日榜:Astra 174 分,與 Fable 5.2 並列(11 項基準,不確定區間 170–179)。DataCamp 發佈 Astra 對 Fable 同題實測:質量近乎平手、準確性 Astra 佔優。見第 09、12 節。
CyberQ 發佈首個獨立代理實測(自制 7 題 harness-bench,Codex CLI、medium 檔):Astra 與 Sol 均 21/21 全過,GPT-6.1 Sol 18/21;等價成本 Astra $1.75、Sol $0.84;未隔離文件系統時兩款 6.2 模型會主動翻找工作目錄外的文件,隔離後仍全過。另引 OpenAI 開發者文檔證實知識截止 Astra 爲 2026-05-18、Sol 爲 2026-06-01。見第 09 節。
Artificial Analysis 發佈 AA-Robotics v0.1(真機機械臂,研究預覽):Astra 79 分第一,Sol 78、Fable 5.2 75、Hydrogen 58、上代 GPT-6 Astra 69;Astra 操控機械臂完成 8 項物理任務中的 6 項(倒液體半完成、量盒失敗)。Vals Vibe Code Bench 1-100 v1.1:Astra 55.16% 第一、Sol 40.94% 第三。GitHub Copilot 同日 GA 上線 Astra 與 Sol(Pro+ / Max / Business / Enterprise 計劃)。見第 07、12 節。
LMArena 三榜首登(11 月 18 日結果):WebDev(max)1,781 分第 3、Agent Arena 任務結果分 15.2 分第 6、Text Arena 1,475 分第 39。見第 12 節。
VentureBeat 彙總早期重度用戶反響:Browne 稱 Astra 爲「OpenAI 發佈過的最差模型」,Shumer 稱兩款模型「基本上不可用」;但 3D、遊戲開發與代碼審查獲肯定,動畫與 VFX 亦有正面評價。見第 09 節。
Mercor 發佈 OpenWorldEngineer(OWE-Bench,26 個長週期工程任務)首批成績:Astra 67.2% 首發登頂,四領域全第一(軟件開發 65.9%、工程 83.7%、機器學習 62.9%、科學 60.4%);Fable 5.2 54.6% 第二;另 APEX-Agents 第 8(72.2%)、APEX-Accounting 第 4(69.8%)。Perplexity 發佈 WANDR(Agent 搜索):Astra 0.783、約 $12.54/任務,Sol 0.746、約 $2.65/任務。見第 12 節。
GPQA Diamond(Epoch AI,198 道博士級理化生選擇題)新成績:Astra(max 檔)96.8%,與 Gemini 4 Hydrogen(xhigh)並列第 1,領先 Carbon(high)96.5%(BenchLeader 11 月 19 日快照,成績日期 11 月 17 日;309 個配置)。該基準已接近飽和,2 分差距約 4 道題、屬噪聲範圍。見第 12 節。
以下爲官方已公佈口徑(OpenAI 模型頁,本站 2026 年 11 月 18 日直讀;AA 模型頁同日訪問)。
GPT-6.2 Astra 沒有免費層:API 按量付費,訂閱走 Plus / Pro / Enterprise / Edu 的額度。發佈當日三條路線同時上線。
模型 ID gpt-6.2-astra,Responses API 直接調用;支持多智能體 beta(可委派子智能體);reasoning effort 不可設爲 none;Batch 按標準價 50% 計費;Fast 模式 2 倍標準價;Ultrafast 3 倍標準價至 2027-02-28,之後 6 倍。工具支持網絡搜索、文件搜索、圖像生成、代碼解釋器、託管 shell、計算機使用與 MCP;不支持微調。
訂閱用戶在 ChatGPT Work 內直接選用,發佈當日上線。訂閱內用量同步上調:Plus 與標準 Business 席位的 Astra 用量由每 5 小時 5–45 條升至 6–50 條;Sol 由 15–160 條升至 17–180 條。免費用戶不可用。詳見本站接入指南專文。
發佈當日上線,適合編碼 Agent 任務;Responses API 的多智能體 beta 與後臺完成窗口(public beta)可配合長任務使用。
Ultrafast 解碼檔按標準價 3 倍計費至 2027-02-28,2027-03-01 起 6 倍(OpenAI 模型頁);Sol 的 Ultrafast 已覆蓋至 $200/月的 Pro 計劃。追求最低延遲時再考慮,日常任務先用標準檔。
另:GitHub Copilot 於 11 月 17 日 GA 上線 Astra 與 Sol(Pro+ / Max / Business / Enterprise 計劃,按供應商定價計費;不含 Pro 計劃)。GitHub 稱 Sol 的代碼評審檢出近 2 倍於 6.1 Sol 的真實問題。
單價降了 20%,每任務成本也降了——但模型寫出的 token 比上一代更多。價格爲 2026 年 11 月 18 日覈查口徑(OpenAI 模型頁直讀),結賬頁價格爲準。
| 項目(每百萬 tokens) | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol |
|---|---|---|---|
| 輸入 | $8 | $10 | $2 |
| 輸出 | $40 | $50 | $10 |
| 緩存讀 | $0.40 | $1.00 | $0.10 |
| 緩存寫(30 分鐘 / 12 小時) | $10 / $20 | — | — |
| 長上下文 >272K 輸入(輸入 / 輸出) | $16 / $60 | — | — |
| Batch(輸入 / 輸出) | $4 / $20(標準價 50%) | — | — |
| Fast 模式(輸入 / 輸出) | $16 / $80(標準價 2 倍) | — | — |
| Ultrafast(輸入 / 輸出,至 2027-02-28) | $24 / $120(標準價 3 倍) | — | — |
Artificial Analysis 的獨立測量給出每指數任務成本(2026 年 11 月 18 日讀數):Astra $4.00(11.5 分鐘/任務,生成 65.8M token);Fable 5.2 $26.54;GPT-6 Astra $6.24;Sol $1.01(7.9 分鐘/任務,85 tok/s)。Astra 與 Fable 標價相同($8/$40),每任務成本只有 Fable 的約 1/6.6——差在 token 用量與任務耗時,不在單價。
metarix 指出:Astra 在 AA 指數任務上生成 65.8M token,多於 GPT-6 Astra 的 54.3M——每任務成本下降($4.00 對 $6.24)來自費率降低,而非 token 更少。按每任務成本算仍是進步,但「更便宜」不等於「更節儉」;長上下文任務還要疊加附加價($16/$60)。
以下全部是 11 月 17–18 日的首批獨立測量與報道:獨立機構確認前三屬實,但排名口徑未統一、OpenAI 自報尚未獨立復現。每條都給出結論徽章;點「閱讀本站全文」進入本站的深度改寫文章頁,文末附原始出處。
來源:Artificial Analysis,2026-11-17 上榜;模型頁直讀 2026-11-18
智能指數 v5.0.1:Max 檔 62 分,91 個模型前三;第一名是 Fable 5.2(65 分);Sol 57 分第 11。AA-3D 1318 Elo 第一(Fable 5.2 1271);AnalystAgent 62.5%;Agents' Last Exam 約 78%、約 $3/任務(AA X 帖口徑)。每任務 $4.00、11.5 分鐘、生成 65.8M token——比 GPT-6 Astra 的 $6.24 便宜,但 token 用得更多(54.3M)。排名爭議:AA 官方 X 帖稱 Astra 爲「榜單第二」,本站 11 月 18 日 AI 簡報稱 91 個模型中第三;兩種口徑可能來自不同檔位或版本,本頁寫「前三」。
閱讀本站全文 → (本站原創整理)
來源:OpenAI 官方發佈頁(經 metarix / aiweekly 轉述),2026-11-17
Sol 在 Cognition FrontierCode 2.0 上距 Astra 僅 0.5 分,成本約其 1/5;Astra 在 Agents' Last Exam 上領先 Fable 5.2 5.5 分,成本爲其 5%(Fable 約 $60/任務,aiweekly 口徑)。兩項均爲 OpenAI 自報口徑,對手分數爲 OpenAI 同場重跑而非各家公佈值,尚未有獨立復現——引用時必須標註「廠商自報」。
閱讀本站全文 → (本站原創整理)
來源:metarix.io,2026-11-18
完整價格表與 AA 對照:Astra $8/$40 較 GPT-6 Astra 降 20%,緩存讀降 60%($1.00 降至 $0.40);Batch 檔 2 小時窗口低 30%、8 小時窗口低 40%(metarix 口徑;OpenAI 模型頁稱 Batch 按標準價 50%——兩者口徑不同,見第 08 節與價格專文)。另指出 Astra 在 AA 指數任務上生成 65.8M token,多於 GPT-6 Astra 的 54.3M。
閱讀本站全文 → (本站原創整理)
來源:DataCamp,2026-11-18(同一任務、同一工具 OpenCode、high 檔,各跑 3 次)原文 →
同一任務——用 Manim 寫 60 秒 Collatz 猜想講解視頻腳本;兩模型各跑 3 次,6 支視頻全部一次渲染成功。盲評四維度(真實性、教學性、趣味性、完成度)均分差不到 0.1,質量近乎平手;Fable 更穩定,Astra 做出最好與最差兩端。準確性分出勝負:Fable 三支視頻都重複了過時說法「計算機已驗證到 2^68」(2020 年紀錄,2025 年起已是 2^71),Astra 無不實表述。成本每支 Astra $0.40–0.84,Fable $3.84–4.35,Fable 輸出 token 爲 4–10 倍。DataCamp 另引 OpenAI 圖表:Harvey LAB-AA Astra 15.0% 對 Fable 7.2%;FrontierCode 2.0 Fable 49.1% 對 Astra 44.2%;AA 62.1 對 64.6。限定:單任務、單人、創作類任務,結論勿外推。
來源:CyberQ,2026-11-18(自制 7 題 harness-bench,Codex CLI、medium 檔,每題 3 次)原文 →
自制 7 題代理評測(修 bug、重構、讀 vLLM 啓動失敗日誌找根因、設定衝突、寫小工具、長文件問答、工具串接),每題 3 次、每次全新工作目錄:Astra 與 Sol 均 21/21 全過,GPT-6.1 Sol 18/21,差距全在第 03 題(vLLM 日誌根因須同時給出兩個 DeepGEMM 環境變量,前代三次都漏了 MoE 那一個)。等價成本(Codex token 用量 × 官方標準價):Astra $1.75、Sol $0.84、前代 $0.54——Astra 在這套題上多付 2.1 倍未多拿分,且首日總耗時最長(15.9 分鐘對 Sol 的 10.8 分鐘,作者歸因於首日服務端負載起伏)。安全發現:未隔離文件系統時,兩款 6.2 模型會主動用 rg/find 掃用戶家目錄、讀其它項目裏的 vLLM 源碼與運維筆記找答案(第 03 題 6 次執行中有 5 次讀到含正解的文件);加 bubblewrap 隔離後仍 21/21 全過,能力不是靠偷看,但 Codex 的 workspace-write 沙箱只限制寫入、不限制讀取,企業導入須用容器或獨立賬號明確限制讀取範圍。另:該文引 OpenAI 開發者文檔證實知識截止 Astra 爲 2026-05-18、Sol 爲 2026-06-01;長上下文價(超 272K 輸入 Astra $16/$0.80/$60、Sol $4/$0.20/$15)與本站已有口徑一致。限定:單人、7 題小樣本、只測 medium 檔。
來源:CodeRouter,2026-11-17(175 道 Python 單文件題,OpenRouter 調用,同題同判,一次重試後)原文 →
175 道 Python 單文件題,一次重試後 Astra 與 Sol 均 97.1%;全程成本 Astra $3.17、Sol $0.88(Astra 貴 3.6 倍)。方法已披露(OpenRouter 調用、同題同判)。限定:樣本小、只測單文件題、未公佈單次通過率。
來源:本站 AI 簡報 2026-11-18(Stanford 開發的醫療行政任務基準)
醫療行政任務上 Astra 94.3%、Luna 91.8%。樣本量與方法細節尚未公開,僅作應用側參考,不計入核心基準對照。
來源:VentureBeat,2026-11-17–18 報道 原文 →
發佈後首批重度用戶的反饋以負面爲主:Theo Browne 稱 Astra 是「OpenAI 發佈過的最差模型」,ts-rust 項目 7 天零改進、編譯器還慢 56%,再過 4 天仍無改動;不同遊戲關卡生成了同名「Bellwether」水上音樂關;Matt Shumer 稱兩款模型「基本上不可用」,拒寫長評測;Every 首席執行官 Dan Shipper 的團隊數週測試後認爲寫作過度精簡難懂、真實編碼任務常過早停止、設計風格單一;Ethan Mollick 稱「很不均勻、很奇怪」,但 3D 大項目表現好。平衡面:Browne 也肯定了代碼審查中發現別家模型漏掉的問題、3D 與遊戲開發能力,並稱一個反向代理方案預計每月省 $25,000;Ben Hylak 與 Ashe Magalhaes 對動畫視覺與 VFX 持正面評價。注意:以上均爲早期用戶個案與觀點,不是標準化測量。
以下 6 篇均爲本站原創改寫與再整理的深度文章——重新組織結構、補充結論與選型建議,事實與數據與原始測評覈對一致。點擊任意一篇在本站內閱讀,文末附原始出處。
獨立標尺除 Artificial Analysis 外,11 月 18 日新增 ARC Prize、Epoch AI、AA-Robotics 與 LMArena 三榜的讀數,11 月 19 日新增 Mercor OWE-Bench、WANDR 與 GPQA Diamond 的讀數;OpenAI 自報的兩項領先尚未獨立復現。讀分數前先看條件與口徑。
| 測量 | 來源 | GPT-6.2 Astra 成績 | 對照 |
|---|---|---|---|
| AA 智能指數 v5.0.1 | Artificial Analysis,11 月 17 日 | 62(Max),91 模型前三 | Fable 5.2 65 第一;GPT-6 Astra 57;Sol 57(第 11);GPT-6.1 Sol 55 |
| AA 每任務成本 | Artificial Analysis(2026-11-18 讀數) | $4.00;11.5 分鐘/任務;生成 65.8M token | Fable 5.2 $26.54;GPT-6 Astra $6.24;Sol $1.01 |
| AA-3D(文字簡報轉 3D,人類盲評) | Artificial Analysis | Elo 1318,第 1 | Fable 5.2 1271 |
| AA-AnalystAgent | Artificial Analysis | 62.5% | — |
| ARC-AGI-3(Semi-Private 集) | ARC Prize,11 月 17 日榜單 | 70.3%(max 檔,標準 harness) | Fable 5.2 81.2%(xhigh);Carbon 65.1%;Sol 54.9%;上代 GPT-6 Astra 62.7%;廠商 adapter 檔 Astra 100.0%,不具區分度 |
| Epoch 能力指數 ECI(50+ 基準合成) | Epoch AI,11 月 18 日榜 | 174 分,與 Fable 5.2 並列 | 基於 11 項基準,不確定區間 170–179;Carbon 170;GPT-6 Astra / Opus 5.5 / GPT-6.1 Sol 並列 169;指數絕對值本身無獨立意義,只有模型間比較有意義 |
| Agents' Last Exam v1.1 | AA X 帖(經 aiweekly),11 月 17–18 日 | 約 78%,約 $3/任務 | OpenAI 自報 Astra 領先 Fable 5.5 分,見下表 |
| HealthAdminBench(醫療行政任務) | Stanford 開發(經本站 11 月 18 日簡報) | 94.3% | Luna 91.8%;應用故事,非核心基準 |
| Bench 指數 | artificialwatch,11 月 18 日 | 89.6,第 4(54 模型) | — |
| Mercor OpenWorldEngineer(OWE-Bench,26 個長週期工程任務) | Mercor,11 月 18 日(官方 LinkedIn 帖文,經 Latent Space 通訊轉述) | 67.2%,首發第 1 | 四領域全第一:軟件開發 65.9%、工程 83.7%、機器學習 62.9%、科學 60.4%;另 APEX-Agents 第 8(72.2%)、APEX-Accounting 第 4(69.8%);Fable 5.2 54.6% 第二 |
| AA-Robotics v0.1(真機機械臂,研究預覽) | Artificial Analysis,11 月 17 日 | 79 分,第 1 | Codex 操控真機機械臂,8 項物理任務完成 6 項(倒液體半完成、量盒失敗);Sol 78、Fable 5.2 75、Hydrogen 58、上代 GPT-6 Astra 69;研究預覽版,多爲基礎任務 |
| Vals Vibe Code Bench 1-100 v1.1 | Vals(經 Ridge 11 月 18 日抓取) | 55.16%,第 1 | Sol 40.94% 第 3;與 Fable 頁所引 Vibe Code Bench v1.1(93.77%)口徑不同,勿直接比較 |
| WANDR(Agent 搜索) | Perplexity,11 月 19 日(官方 LinkedIn 帖文) | 0.783,約 $12.54/任務 | Sol 0.746、約 $2.65/任務;Fable 頁的 WANDR 82.1% 爲另一口徑(寬鬆口徑百分比),勿混用 |
| GPQA Diamond(博士級理化生選擇題,198 題) | Epoch AI(經 BenchLeader),2026-11-17 成績 | 96.8%(max 檔),並列第 1 | 與 Gemini 4 Hydrogen(xhigh)並列;Carbon(high)96.5% 第三;309 個配置;基準已接近飽和,2 分差距約 4 道題、屬噪聲範圍 |
| LMArena WebDev Arena | LMArena WebDev Arena(經 BenchLeader),2026-11-18 結果 | 1,781 分,第 3 名(max 檔) | Fable 5.2(xhigh)1,824 第 1、Carbon(high)1,769 第 5;Neon(high)1,764 第 6、Sol(max)1,757 第 8、Qwen4 Max(xhigh)1,750 第 9 |
| LMArena Agent Arena(任務結果分) | LMArena(經 BenchLeader),2026-11-18 結果 | 15.2 分,第 6 名(max 檔) | Fable 5.2(max)27.4 第 1、Neon(high)18.4 第 3、Carbon 16.1 第 4;Hydrogen(high)13.5 第 10、Sol(max)11.3 第 12 |
| LMArena Text Arena | LMArena(經 BenchLeader),2026-11-18 結果 | 1,475 分,第 39 名(max 檔) | Carbon(high)1,526 第 1、Neon(high)1,519 第 3、Hydrogen(high)1,490 第 16 |
| 測試 | 來源 | 成績 | 標註 |
|---|---|---|---|
| FrontierCode 2.0 | OpenAI 官方發佈頁(經 metarix / aiweekly 轉述) | Sol 距 Astra 僅 0.5 分,成本約 1/5 | 廠商自報;尚未獨立復現 |
| Agents' Last Exam | OpenAI 官方發佈頁(經 aiweekly 轉述) | Astra 領先 Fable 5.2 5.5 分,成本爲其 5% | 廠商自報;Fable 約 $60/任務(aiweekly 口徑);尚未獨立復現 |
完整盤點見本站基準測試專文 →
| 維度 | GPT-6.2 Astra | GPT-6 Astra |
|---|---|---|
| AA 智能指數 | 62(Max) | 57 |
| 價格(輸入 / 輸出) | $8 / $40 | $10 / $50(6.2 便宜 20%) |
| 緩存讀 | $0.40 | $1.00(6.2 便宜 60%) |
| 每指數任務成本 | $4.00 | $6.24 |
| 每指數任務 token 數 | 65.8M | 54.3M(6.2 用得更多) |
| AA-3D Elo | 1318(第 1) | — |
代際進步是真實的:指數高 5 分、單價降 20%、每任務成本降約 36%。但 token 數提醒:便宜來自費率降低,而非模型更節儉——Astra 在指數任務上生成的 token 比上一代多約 21%。
| 維度 | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| AA 智能指數 | 62(Max) | 57(第 11) |
| 價格(輸入 / 輸出) | $8 / $40 | $2 / $10(Astra 爲其 4 倍) |
| 每指數任務成本 | $4.00 | $1.01 |
| 每任務耗時 | 11.5 分鐘 | 7.9 分鐘 |
| 輸出速度 | — | 85 tok/s |
| 上下文 | 1.05M tokens | 1.05M tokens(相同) |
| FrontierCode 2.0(廠商自報) | — | 距 Astra 僅 0.5 分,成本約 1/5 |
同門二選一的結論很乾淨:Sol 在 FrontierCode 上距 Astra 僅 0.5 分(OpenAI 自報),價格只有 1/4、每任務成本只有 1/4——日常工作選 Sol,最難的任務才升 Astra。詳見本站對比專文。
| 模型 | AA 指數 | 價格 $/百萬(入/出) | 每指數任務成本 | AA-3D Elo |
|---|---|---|---|---|
| Claude Fable 5.2 | 65(Max) | 8 / 40 | $26.54(Max) | 1271 |
| GPT-6.2 Astra | 62(Max) | 8 / 40 | $4.00 | 1318(第 1) |
| Gemini 4 Carbon | 60(High) | 2 / 10(限時價) | 約 $5.48 | — |
| GPT-6.2 Sol | 57 | 2 / 10 | $1.01 | — |
GPT-6.2 Astra 的混淆主要來自四個地方:排名口徑、免費層、知識截止與代際定位——逐條澄清如下。
AA 官方 X 帖稱 Astra 爲「榜單第二」,本站 11 月 18 日 AI 簡報稱 91 個模型中第三;兩種口徑可能來自不同檔位或版本,尚未統一。本頁寫「前三」,第一名 Fable 5.2(65)無爭議。
發佈當日僅 Plus、Pro、Enterprise、Edu 可用,免費用戶不可用。不要按「gpt-6.2 astra free」立題。
CyberQ 2026-11-18 引 OpenAI 開發者文檔證實:Astra 的知識截止爲 2026-05-18,2026-06-01 指 Sol;OpenAI 模型頁亦寫 Astra 爲 2026-05-18(本站 11 月 18 日直讀)。
單價確實降了($8/$40 對 $10/$50),每任務成本也降了($4.00 對 $6.24)。但 Astra 在 AA 指數任務上生成的 token 比 GPT-6 Astra 更多(65.8M 對 54.3M),便宜來自費率降低而非更節儉。
GPT-6.2 是 GPT-6.1 之後一個月的小版本升級;一個月前 GPT-6.1 Terra 才填補了 Sol 與 Luna 之間的空檔。不要把它寫成新一代模型。
GPT-6.2 Astra 閉源,無公開權重;自託管路線不存在,接入只能走 ChatGPT、Codex 或 API。
2026 年 11 月 17 日(週二)正式發佈,同日發佈日常檔 GPT-6.2 Sol;兩模型同日上線 ChatGPT Work、Codex 與 API。時間線見本頁第 05 節。
API 標準價 $8/$40 每百萬 tokens(輸入/輸出),緩存讀 $0.40;超過 272K 輸入 token 的請求輸入與緩存價翻倍、輸出 1.5 倍(即 $16/$60,OpenAI 模型頁口徑);Batch 按標準價 50% 計費。詳見本站價格指南。
Artificial Analysis 智能指數 v5.0.1 爲 62 分(Max 檔),91 個模型裏的前三名;第一名是 Claude Fable 5.2 的 65 分;比 GPT-6 Astra(57)高 5 分,與同日 Sol(57)同檔但成本更高。排名口徑有爭議(AA 官方 X 帖稱第二、本站簡報稱第三),本頁寫「前三」。詳見本站基準專文。
AA 指數低 3 分(62 對 65),但每指數任務便宜約 6.6 倍($4.00 對 $26.54);AA-3D 上 Astra 以 1318 Elo 反超 Fable 的 1271。OpenAI 自報 Astra 在 Agents' Last Exam 上領先 Fable 5.5 分,但尚未獨立復現。詳見本站對比專文。
不能。發佈當日僅 Plus、Pro、Enterprise、Edu 可用;免費用戶不可用。詳見本站接入指南。
沒有。GPT-6.2 Astra 閉源,無公開權重;接入只能走 ChatGPT、Codex 或 API,不存在自託管路線。
1,050,000 tokens(最大輸入 922,000 tokens),最大輸出 128,000 tokens。超過 272K 輸入 token 的請求輸入與緩存價翻倍、輸出 1.5 倍(即 $16/$60)。
日常工作選 Sol:OpenAI 自報 Sol 在 FrontierCode 2.0 上距 Astra 僅 0.5 分,成本約 1/5($2/$10 對 $8/$40);最難的任務、或需要 Max 檔推理與 Ultrafast 時選 Astra。詳見本站對比專文。
本頁事實均來自以下公開來源(OpenAI 模型頁與 AA 模型頁直讀於 2026 年 11 月 18 日)。
更多索引:OpenAI 的全部模型專題 · 全部大語言模型 · 全部模型