GPT-6.2 Astra 真实成色:便宜到三分之一、偏科到离谱

11 月 18 日,OpenAI 一口气发了两个模型:GPT-6.2 Astra(旗舰,啃最难的项目)和 GPT-6.2 Sol(通用,干日常的活)。通稿里最抓眼的是钱——Astra 的 API 标准输入输出价格比 GPT-6 Astra 低 20%,在 Agents' Last Exam 上单任务成本不到上代的三分之一。

同一天,第三方评测机构 Artificial Analysis 给了句很不给面子的话:智能指数涨 5 分到 62、排到第二,但编码代理能力没有提升。

成本砍到三分之一,核心场景却原地踏步。这不是一次全面升级,是一次很清楚的取舍。下面把涨在哪、没涨在哪、以及你现在该不该换,一次说清。

一、先把账算清楚:到底便宜了多少

项目GPT-6.2 Astra口径 / 来源
API 标准输入输出 token 价格比 GPT-6 Astra 低 20%OpenAI Developers(官方)
缓存读取从 $1 降至 $0.4(原文未标计价单位)卡兹克实测文
Agents' Last Exam+5.2 分;单任务成本不到上代 1/3OpenAI Developers(官方)
Intelligence Index+5 至 62,位列第二Artificial Analysis(第三方)
Perplexity WANDR0.783,单任务约 $12.54,较上代 +0.095Perplexity 自建基准

这里有个容易踩的坑:官方说的「单任务成本不到三分之一」出自 Agents' Last Exam,Perplexity 说的「单任务约 12.54 美元」出自它自建的 WANDR 基准,两者任务定义完全不同,不能横向相减,也不能拿来估自己的账单。看成本,只有用自己的真实任务跑一遍才算数。

二、涨在哪:三处是真进步

1)复杂多步任务。Agents' Last Exam 涨了 5.2 分。官方说这套基准考的是营销活动、做幻灯片、搭财务表格这类多步专业工作,不是刷题。

2)前端与 3D。官方称代码更干净、前端与 3D 能力、网站视觉推理都有提升。灰度期卡兹克用 Three.js 生成 3D 交互网页测审美,评价「强到爆炸」;并发跑 20 个前端测试 10 分钟,200 美元 Pro 额度只用了 1%。这是个人灰度体验、不是基准成绩,但方向和官方说法对得上。

3)成本曲线。Artificial Analysis 称两款模型占据了大部分 Cost per Task 帕累托前沿——同样的分数更便宜,同样的价格分更高。对按量付费的团队,这条比单点跑分更实在。

三、没涨在哪:三处别被通稿带跑

1)编码代理没提升。Artificial Analysis 的结论就是这一句。主力是 Codex、编码 agent 的团队,这是最该盯的一条。

2)沟通可读性依旧拉胯。卡兹克正式实测文的标题直接写了「极致省钱但偏科严重,沟通可读性依旧拉胯」。跑分上去了,说人话的能力没跟上。

3)不是所有人今天就能用。据 IT之家,Enterprise 和 Edu 用户还需工作区管理员启用;两款模型暂未加入 ChatGPT 普通聊天模式,先到的是 ChatGPT Work 和 Codex。API 侧模型名是 gpt-6.2-astra 与 gpt-6.2-sol。

四、能力越强,口子收得越紧

OpenAI 称 Astra 是迄今网络攻防能力最强的模型,ExploitBench Internal Port 比 GPT-6 Astra 高 22 分。配套动作是:对高风险网络安全协助加更严格防护,并逐步上线 Daybreak,让经批准的防御者少被拒答。同期发布的部署安全系统卡,把生物化学能力评为 High、网络安全能力评为 Critical 阈值。

这一代最值得琢磨的不是跑分,是厂商第一次把「降本」和「收口」写进同一份发布说明:便宜是为了铺量,收口是为了别出事。系统卡里 Critical 这个级别,比任何一项基准成绩都更能说明模型现在站在哪。

五、现在该不该换:三条能直接照做的

1)成本敏感、批量多步任务:可以试。但先用自己的真实任务 A/B 一轮,别拿官方单任务成本当预算依据。

2)主力是编码:先别整体切。留现有模型跑同一套任务集,等第三方编码专项评测出来再说。

3)打算开 Ultrafast:先算边界条件。未来三个月价格下调 50%,对 API 和 Enterprise 是 Standard 的 3 倍成本;据 MarkTechPost,2027 年 2 月 28 日之后恢复 6 倍。另外超过 272K 输入 token 的请求,输入与缓存费率翻倍、输出 1.5 倍,Batch 是 Standard 的 50%。Pro 500 可对两个模型使用 Ultrafast,Pro 200 首次开放、从 Sol 开始。这些条件比标价更影响月底账单。

一句话收尾:GPT-6.2 Astra 把钱花在了刀刃上,刀刃是复杂专业任务和成本,不是写代码。工作流以编码为主的,这波可以等下一版;以大量多步骤办公、agent 任务为主且要控成本的,值得现在就拉一条真实任务做对比。

别看通稿,看账单。

全文完 · 本文据官方发布、第三方评测与公开报道整理

发布者:工具人张伟,转载请注明出处:https://www.gongjurenzhangwei.com/gpt-6-2-astra/