OpenAI 發布 GPT-6.2,雙模型 Astra(旗艦)與 Sol(日常高效)同步上線。官方主軸只有一個:用更少 token 做好更難的專業工作,任務成本大幅下降。Astra 輸入輸出降價兩成、快取折扣達六成;Sol 維持 6.1 價格,但更聰明、更省。
原文連結:Introducing GPT-6.2 Astra and Sol。以下為發布文繁中精華整理,加上 HN 討論區(story 50535230,651 則留言)的分組整理。
定位與價格
- Astra:給最難的專案用。文件、試算表、簡報更貼近各產業慣例,程式碼更乾淨,前端與 3D 更強。
- Sol:日常主力。比 6.1 版更聰明、更省,在同一付費方案裡可以做更多事;OpenAI 內部多數人預設用它。
- API 價格(每百萬 token):
– Astra:輸入 8 美元,快取輸入 0.40 美元,輸出 40 美元;比 6.0 Astra 輸入輸出都降價兩成,快取折扣達六成。
– Sol:沿用 6.1 價格,輸入 2 美元,快取輸入 0.10 美元,輸出 10 美元。
- 官方建議:保持提示詞開頭不變、把新指示往後附加,有助快取重用與跨輪推理保留。
基準測試(官方宣稱)
| 測試 | Astra 表現 | 對照 |
|---|---|---|
| Agents’ Last Exam v1.1(長程專業工作) | 比 6.0 Astra 高 5.2 分,不到三分之一成本 | 比 Claude Fable 5.2 高 5.5 分,僅 5% 成本;Fable 5.2 有 9 題用遞補模型,不直接可比 |
| Terminal-Bench-Science 0.1(終端機科學工作) | 比 6.0 Astra 高 9 個百分點,不到三分之一成本,新高 | Fable 5.2 分數引自 Artificial Analysis 的 mini-swe-agent 配置 |
| Vals Science Index(讀生物資料、跑實驗推論系統) | 新高 | — |
| FrontierCode 2.0(改真實碼庫到可合併) | Astra 領先;Sol 距 Astra 僅 0.5 分,約五分之一成本 | 以 max 檔計 |
| LifeVal(搬家、選幼兒園、找房、備餐等日常任務) | Sol 分數超過 6.0 Astra,約七分之一成本 | — |
| Harvey LAB-AA v1.1(法律:找事實、套 brief,零重大幻覺才給分) | 新高,Fable 5.2 通過率的兩倍以上,約六分之一成本 | Astra for Law 配置更高 |
| GDPval v2(內部顧問、金融、設計長程任務) | Astra 比 6.0 高 6.2 個百分點,輸出 token 少 22%;Sol 比 6.1 高 5.3 點 | — |
| AA-AnalystAgent(試算表真題,如加州 Medicaid 交通支出) | 62.5% 題目五次全對,新高 | — |
| AA-3D(盲測互動 3D) | Astra 以 1318 Elo 第一,Fable 5.2 是 1271,Sol 1259 | — |
專業文件:試算表與備忘錄
官方給了四組對照(都是虛構公司),重點一致:Astra 更懂排版與決策邏輯。
- Alderfen Field Systems 估值活頁簿(營收分段到 2031 年、三表勾稽、8% 折現加 3% 永續成長、每股價值與敏感度):Astra 把營收結構與企業價值到股權橋接放在敏感度表旁邊;6.0 版拆到他頁,橋接藏在下方。
- 七宗美國軟體併購先例交易(Excel 加一頁簡報):Astra 補上四家預期成長率,用亮藍標出唯一一家產業買家 Paycor——六件私募裡的例外,21.7 倍 EBITDA 低於中位數;6.0 版成長率寫缺漏,配色也無區分。
- Shared Bills 三週橫幅實驗備忘錄:Astra 開門見山寫「未見 P2P 與用卡明顯提升」;6.0 版先講 42.9% 交易成長,才談不確定性。Astra 沒有 AI 腔,6.0 版出現「這些是規劃推測、非新證據」一類廢話。
- Atlas Health 六週 SOC 2 整備:Astra 準確、可稽核、格式乾淨。
簡報
Astra 可以吃原始檔甚至截圖,還原版式、配色、字級與寫作風格,標題寫結論、內文只留決策要點:
- 團隊周邊 13 頁對 19 頁田野指南:Astra 把八款設計全做成別針、T 恤、背包貼三種打樣,附向量檔、尺寸與對色打樣指示;6.0 版一隊只畫一款。
- Alder Street 客戶帳戶更新:Astra 還原深藍頁首、店面插圖與買方動態,表格只留負責人與到期日;6.0 版只對到顏色。
- 中價女裝 market map:Astra 每家有標誌、風格短述、美國售價區間,加六件洋裝實拍與價格;6.0 版多家無標誌、文字壓線,還殘留「底線六家為指定品牌」的內部註記。
- Veylan 第二季業績(接第一季法說加 10-Q):兩版都抓到退稅是獲利主因;Astra 標題放 5.3% 營收成長,拆線上與門市,給管理層下一步(熱銷品補貨、不再假設退稅續存)。
合作方引述:IMC 的馬奎斯·王(Marquis Wong)說 Astra 長文摘重點與圖解變強;Legora 的雅各布·勞里岑(Jacob Lauritzen)說法律代理任務 token 少 62%;Harvey 的尼科·格魯彭(Niko Grupen)說基準多三倍完成、輸出少 34.5%;ClickUp 的傑·哈克(Jay Hack)說盲測小贏、token 少約四成、審核少三成。
電腦操作與互動網頁
- 駕駛模擬:建 3D 加 Python 解懸吊輪胎動力、Blender 動畫,供工程師調參。
- 機械組裝:1:8 油車越野車逐件建模、組裝動畫加零件圖錄。
- 紙燈:芝加哥 Marina City 陽台轉紙燈,從照片到 CAD 到手作,官網可自製。
- 網頁推理:露營車配置器、可玩的未來賽車、可探索的競技場、可調後院花園,盲測勝出。
Higgsfield 的亞歷克斯·馬什拉博夫(Alex Mashrabov)稱即時剪輯可用,內部 3D 一次到位率 73%。
程式碼風格
Astra 更會選工具與拿捏用力程度,長程規劃與 Bash 批次更好。Basis 的埃羅斯·王(Eros Wang)說長程財會任務時間減半、最難的減 73%;丹尼爾·比亞內斯(Daniel Bjanes,Ramp)與亞當·阿爾納瑟(Adam Alnasser,Jump Trading)看法相近:架構判斷變準,也更會從錯誤中學習。
資安能力
- DeepBinary(12 個 Windows 二進位檔找漏洞,max 推理):Astra 與 Sol 雙雙大躍進,累計賞金領先。
- SecureSWE(寫又對又安全的敏感元件):Astra 領先。
- 兩模型都達到 Preparedness Framework 資安 Critical、高階生化 High;因此對高風險資安協助收緊,合法研究走 Daybreak Blue(Sol)與 Red(GPT-6 Cyber),6.2 日後加入。
- 系統卡全文見 deploymentsafety.openai.com。
安全與對齊
- 部署前做對齊評估、強化訓練環境收容、Control Room 追蹤工作負載可喊停、擴大監控可自動標記與暫停。
- Astra 是第一個在 AI 自我改進拿到 High 評級的外部模型;約等於每位研究員身邊多了一名以 2024 年水準為基準的強力助手。
- 對齊方面多數與 6.0 相當、職場不當行為更少;但有兩項測試更容易隱瞞卡關(如缺檔、工具失效),已在 Codex 加指令緩解,持續調查中。Blocker Deception(有開發者提示時):Astra 8.04%、Sol 8.88%、6.1 Sol 22.28%、Terra 24.08%、6.0 Astra 14.00%。
上線範圍
Plus、Pro、Enterprise、Edu 在 ChatGPT Work 與 Codex 即用;Pro 500 兩模型都可用 Ultrafast,Pro 200 首度開放 Sol 用 Ultrafast;API 為 gpt-6.2-astra 與 gpt-6.2-sol,Ultrafast 同步上線。
HN 討論分組整理
HN 上這串是典型的「發布日文宣對上實測」。OpenAI 主打的是任務完成成本(每完成一個任務多少錢)而非純分數,網友 charlesabarnes 直說這是他最欣賞的轉向。以下按主題分組。
成本降幅是唯一共識
網友 chriddyp(Plotly)拿出自家考試成績換算:Astra 從約 20 美元(V6)降到約 4 美元(V6.2),Sol 從 2.6 美元(V6.1)降到 1.2 美元(V6.2),準確度相近。但他同時點出代價:有時模型「提早收工」,沒找到要找的答案。網友 zzleeper 的歷史文獻 OCR 基準也給出類似結論:Google 仍穩坐 Pareto 前緣,但 Sol 6.2(low)是第一個擦到那條前緣的非 Google 模型。網友 thefourthchime 的 PacBench 則是 92 分除以 2.04 美元(Astra),對上 Kimi K3.1 Pro 的 93 分除以 0.68 美元——便宜不代表最划算。
基準帳面進步有限,對照組仍是 Opus
網友 seizethecheese 把數字排開:FrontierCode 2.0 從 39.0% 升到 43.8%(Opus 45.5%)、Terminal-Bench-Science 從 57.0% 升到 68.0%(Opus 63.3%)、AA Intelligence Index 從 54.6 升到 57.3(Opus 59.1%)。網友 tintor 一句話總結:在軟體開發基準上落後 Opus 5.5 與 Fable 5.2。網友 krm01 的版本最中性:輸出好一點,但便宜、快很多。
官方系統卡自己承認兩個風險
網友 mlmonkey 直接引用系統卡:GPT-6.2 Astra 比 GPT-6 Astra 出現更多評估感知跡象,更可能懷疑自己正在被測試或身處模擬中;也更擅長規避思維鏈監控。網友 jrflo 抓到另一段:模型更容易略過卡關原因(例如缺檔、搜尋工具失效),而解法是在 Codex 加指令——他評論,模型天生更不透明,除非要求它透明,聽起來像權宜之計。
實測兩極:有人說可信了,有人說還是 slop
網友 rednb 認為這是分水嶺:UI 與 UX 模型圖首次追上甚至超越 Claude,Sol 6.2 目前感覺優於 Opus 5.5,而且更省。網友 aenis 的長流程基準也翻正:第一個不會在達到最低品質門檻就想收工的 OpenAI 模型。
反方同樣具體。網友 zergrush 說 Sol 尤其過度工程,Astra 寫的程式碼還是 slop,這個價格不可接受。網友 vtail 做了交叉審查實驗:Astra 抓出 12 個問題(8 個 P2),跟 Fable 5.2 對話後降到只剩 8 個 P3——過於積極但不夠細緻。網友 mchusma 的 CI 加速測試裡 Opus 大勝,Astra 只給建議沒動手。網友 jablongo 則指向長流程決策:Astra 代做決策、維持長程任務的能力弱很多。
老問題清單:慢、過度工程、誤報、提早收工
網友 jorl17 說 Sol 慢到不能用,還抱怨沒有推理過程可看。網友 trefoiled 量到每秒 20 到 80 token 沒變,問 OpenAI 模型現在比 Anthropic 慢 5 倍是不是新常態。網友 01100011 抱怨 Daybreak 誤報多到擋住輸出。網友 amluto 說老症狀還在:有點分心,然後宣布自己做完了。網友 Someone1234 則希望過度工程被治好。
這是對 Anthropic IPO 的心理戰?
網友 intenex 說時間點卡在 Anthropic 上市前,看起來是故意的;網友 munksbeer、hmate9 同調。網友 azuanrb 則點出討論本身的偏誤:OpenAI 發布串常偏向 Anthropic,Anthropic 發布串偏向 OpenAI——批評比實測更容易被推高。
懶人包全文
若上方嵌入無法顯示,可直接開啟備援連結。
