四十八個德瑞克

GPT-6.2 Astra 與 Sol:成本砍半、專業文件追上

深藍與暖黃雙色發光球體懸浮於暗色虛空,象徵 GPT-6.2 Astra 與 Sol 雙模型發布

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: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。

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。

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:

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

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

安全與對齊

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。

Exit mobile version