GPT-6.2 Astra 是什么?
GPT-6.2 Astra 是 OpenAI 新推出的前沿模型,每百万 token 输入 8 美元、输出 40 美元,支持 1M 上下文。本文整理评测成绩、可用渠道及与 Sol 的差异。
最近更新 ·
GPT-6.2 Astra:价格、1M 上下文、评测成绩与可用渠道
资料对应公告日期:
GPT-6.2 Astra 是 OpenAI 与 GPT-6.2 Sol 一同发布的两款模型之一。Astra 定位更高、价格更贵:每百万 token 输入 8 美元、缓存输入 0.40 美元、输出 40 美元,支持 1M 上下文窗口和 128K 输出上限。它正陆续向 Plus、Pro、Enterprise 和 Edu 层级的 ChatGPT Work 与 Codex 推出,开发者可通过 API 以 gpt-6.2-astra 调用。Sol 则维持前代价格:输入 2 美元、缓存输入 0.10 美元、输出 10 美元。评测结果并不一边倒:Astra 在 Intelligence Index 上落后于 Fable 5.2,但在多项智能体与 3D 评测中领先;OpenAI 还将 Astra 的 AI 自我改进风险评为 High,这是其对外发布模型中的首次。

GPT-6.2 Astra 是什么
GPT-6.2 Astra 是 OpenAI 与 GPT-6.2 Sol 一同发布的新模型。两者成对推出:Astra 定位为能力更强但价格更高的型号,Sol 则维持前代定价,相关报道认为它更可能成为主力工作模型。
发布时间点值得注意:此次发布距 Anthropic 预期的首个交易日仅两天。这一细节对关注竞争节奏的人有意义,但与模型能力本身无关。
Astra 并非单一配置。除基础版外,还有一个名为 Astra for Law 的企业版配置,额外加入了法律检索索引。
- 与 GPT-6.2 Sol 一同发布,构成双模型阵容
- Astra 价格更高、得分更高;Sol 维持前代定价
- 企业版 Astra for Law 额外提供法律检索索引
价格、上下文窗口与输出上限
Astra 的定价为每百万 token 输入 8 美元、缓存输入 0.40 美元、输出 40 美元。相比之下,Sol 维持前代价格:输入 2 美元、缓存输入 0.10 美元、输出 10 美元。
两款模型的上下文与输出上限相同:1M 上下文窗口和 128K 输出上限。因此二者之间的选择主要取决于单任务成本与能力,而不是能容纳多少文本。
单任务成本比标价更能说明问题。在 Perplexity 的 WANDR 上,Astra 得分 0.783,单任务成本约 12.54 美元;Sol 得分 0.746,单任务成本约 2.65 美元。在 Artificial Analysis 的测试中,Sol 以约 15% 的单任务成本追平了 9 月的 Astra。
- Astra:每百万 token 输入 8 美元 / 缓存输入 0.40 美元 / 输出 40 美元
- Sol:每百万 token 输入 2 美元 / 缓存输入 0.10 美元 / 输出 10 美元
- 两者均为 1M 上下文窗口和 128K 输出上限
- WANDR 单任务成本:Astra 约 12.54 美元,Sol 约 2.65 美元
评测成绩及与 Fable 5.2 的对比
最受关注的能力指标并不一致。新版 Astra 在 Intelligence Index 上得分 62,略低于 Fable 5.2 的 65。但在智能体与空间类评测中,Astra 往往领先。
Mercor 的 OpenWorldEngineer 显示,Astra 为 67.2%,Fable 5.2 为 54.6%,GPT-6 Astra 为 44.2%。Astra 还在 AA-3D 上以 1,318 领先,Fable 为 1,271,Sol 为 1,259;在 Artificial Analysis 的机器人预览评测中,Astra 得 79,Sol 得 78,Fable 得 75。
OpenAI 自己的报告还给出效率方面的说法:在 Agents' Last Exam 1.1 上,Astra 在 xhigh 档比 GPT-6 Astra 在 max 档高出 5.2 分,而单任务成本不到后者的三分之一;在 GDPval v2 上,Astra 的输出 token 比前代少 22%。这些均为厂商自报数据,应据此理解。
- Intelligence Index:Astra 62,Fable 5.2 65
- OpenWorldEngineer:Astra 67.2%,Fable 5.2 54.6%,GPT-6 Astra 44.2%
- AA-3D:Astra 1,318,Fable 1,271,Sol 1,259
- 机器人预览:Astra 79,Sol 78,Fable 75
- Agents' Last Exam 1.1:比 GPT-6 Astra 在 max 档高 5.2 分,单任务成本不到三分之一(OpenAI 自报)
- GDPval v2:输出 token 比前代少 22%(OpenAI 自报)
Astra for Law 与 Harvey LAB-AA 成绩
Astra for Law 属于企业版配置,而非独立的公开模型。它在基础模型之上加入了法律检索索引,面向法律检索与文档处理工作。
在一项法律基准上,差距相当明显:Artificial Analysis 测得 Astra for Law 在 Harvey LAB-AA 上为 20.8%,基础版 Astra 为 15.0%。相对提升可观,但绝对分数仍然偏低,两者都不应被视为成熟的法律推理系统。
- 仅面向企业版的配置,额外加入法律检索索引
- Harvey LAB-AA:Astra for Law 20.8%,基础版 Astra 15.0%
- 绝对分数仍低,宜视为研究阶段的信号而非能力保证
可用渠道
Astra 正陆续向 Plus、Pro、Enterprise 和 Edu 层级的 ChatGPT Work 与 Codex 推出。开发者可通过 API 以模型名 gpt-6.2-astra 调用;Sol 对应 gpt-6.2-sol。
来源未说明地区限制、速率限制,也未说明免费层用户是否可用,因此在 OpenAI 公布相关文档前,这些细节应视为未知。
如果要在两者之间做选择,一个实用思路是:高频或成本敏感的任务先用 Sol,把 Astra 留给智能体评测差距真正重要的场景,例如长链路多步工程任务、空间推理,或配合企业版配置的法律检索。
- ChatGPT Work 与 Codex:Plus、Pro、Enterprise 和 Edu 层级
- API 模型名:gpt-6.2-astra 与 gpt-6.2-sol
- 地区可用性、速率限制与免费层权限在来源中未说明
AI 自我改进风险评为 High
OpenAI 将 Astra 的 AI 自我改进风险评为 High,来源称这是其对外发布模型中的首次。该评级关注的是模型在推动 AI 系统自身改进方面的潜在能力。
来源未说明该评级背后的评测方法,也未说明配套的缓解措施。对内部 AI 治理要求严格的组织,应将这一评级纳入采购考量,并查阅 OpenAI 的系统卡了解具体依据。
- AI 自我改进风险评为 High,为 OpenAI 对外发布模型首次
- 来源未说明评测方法与缓解措施
- 企业部署前建议查阅 OpenAI 系统卡
常见问题
GPT-6.2 Astra 每百万 token 的价格是多少?与 GPT-6.2 Sol 相比如何?
Astra 每百万 token 输入 8 美元、缓存输入 0.40 美元、输出 40 美元。Sol 维持前代价格:输入 2 美元、缓存输入 0.10 美元、输出 10 美元。两者均为 1M 上下文窗口和 128K 输出上限,因此选择主要取决于能力与单任务成本的权衡。
GPT-6.2 Astra 可以在哪些渠道使用,ChatGPT Work、Codex 还是 API?
三者均可。Astra 正陆续向 Plus、Pro、Enterprise 和 Edu 层级的 ChatGPT Work 与 Codex 推出,开发者可通过 API 以 gpt-6.2-astra 调用,Sol 对应 gpt-6.2-sol。来源未说明地区限制或免费层权限。
在评测中,GPT-6.2 Astra 与 Fable 5.2 相比表现如何?
取决于具体评测。Astra 在 Intelligence Index 上得 62,低于 Fable 5.2 的 65;但在 Mercor 的 OpenWorldEngineer(67.2% 对 54.6%)、AA-3D(1,318 对 1,271)以及 Artificial Analysis 的机器人预览(79 对 75)中领先。
OpenAI 为何将 GPT-6.2 Astra 的 AI 自我改进风险评为 High?
OpenAI 将 Astra 的 AI 自我改进风险评为 High,来源称这是其对外发布模型中的首次。来源未解释评测方法或配套缓解措施,具体依据应查阅 OpenAI 的系统卡。
原始资料
工具信息
工具信息有变化? 帮助我们更新
GPT-6.2 Astra 的评价
正在加载评价…