GPT-6.2 Astra 与 Sol 深度分析:模型能力、基准评测与 API 价格

对比 GPT-6.2 Astra 和 Sol 的代码、研究与推理评测,解释长上下文及缓存计费,并列出 Modelflare 各分组价格。

GPT-6.2 Astra 与 Sol 深度分析:模型能力、基准评测与 API 价格

OpenAI 于 2026 年 11 月 17 日发布 GPT‑6.2 Astra 和 GPT‑6.2 Sol。两款模型都有 105 万 token 上下文,但从价格到评测,它们之间的差距取决于任务。Cognition 的 FrontierCode 2.0 中,Sol 和 Astra 的通过率同为 48.2%,Sol 每次运行只花 $1.29,Astra 为 $5.97。到了需要持续探索并记住前序结果的 ARC‑AGI‑3,标准评测环境中的差距扩大到 15.4 个百分点。对开发团队来说,最值得问的是:哪些任务值得把预算留给 Astra,哪些任务可以在 Sol 上稳定完成?OpenAI 发布说明 · Cognition FrontierCode · ARC Prize Astra 成绩 · ARC Prize Sol 成绩

能力与规格:两款模型的差别在哪里

项目 GPT‑6.2 Astra GPT‑6.2 Sol
API 模型 ID gpt-6.2-astra gpt-6.2-sol
主要用途 难推理、多步骤专业工作、复杂代码变更 日常编码、文档处理、规模化 Agent
上下文窗口 1,050,000 tokens 1,050,000 tokens
最大输入 / 输出 922,000 / 128,000 tokens 922,000 / 128,000 tokens
输入 → 输出 文本、图片 → 文本 文本、图片 → 文本
知识截止 2026-05-18 2026-06-01
API 接口 Responses、Chat Completions、Batch Responses、Chat Completions、Batch
推理档位 low、medium、high、xhigh、max low、medium、high、xhigh、max

两款模型均支持流式输出和结构化输出。官方 API 的工具调用走 Responses。图像输入可以用于理解截图或图表,图片生成则是 Responses 中的独立工具能力。新接入可以从 medium 开始,原先依赖 none 或 minimal 的请求可用 low 作为迁移起点。输出上限需要为推理 token 和最终内容共享的预算留余量,尤其是长文、补丁和结构化结果。Astra 模型文档 · Sol 模型文档 · GPT‑6.2 迁移指南 · 推理 token 文档

同样的规格表背后是两种工作方式。需求明确、修改边界清楚,而且有测试或样例可以验收时,Sol 适合承担从阅读代码到交付补丁的整段工作。跨模块迁移、约束相互冲突、需要反复核对材料的研究任务,才更可能让 Astra 的额外推理发挥价值。例如,给已有报表增加一个经过定义的指标,可以交给 Sol 完成。若要迁移整套统计定义并追踪上下游对旧口径的隐式依赖,就值得评估 Astra 能否减少返工。

上限和有效上下文也需要分开看。922,000 输入 token 意味着可以接收大批材料,却无法保证每个结论都用到了恰当的证据。让模型返回原始出处、加入互相冲突的文档版本、区分适用日期和例外条款,才能测出长文档问答是否可靠。对代码助手,可以记录它实际读了哪些关键入口、是否保留兼容行为,以及是否跑了能覆盖目标场景的测试。

Benchmark:代码、研究和抽象推理各有一套结果

写出可合并的补丁,与回答仓库问题

Cognition 的 FrontierCode 2.0 用真实仓库任务考察补丁质量,同时报告按规则加权的分数和通过率。下表的价格是榜单按 API 价计算的平均运行花费,评测框架和推理档位也一并保留。Cognition 榜单与方法

模型 框架 / 推理档 加权分 通过率 每次运行
Claude Fable 5.2 Claude Code / xhigh 50.2% 54.7% $17.73
Claude Opus 5.5 Claude Code / max 47.3% 51.8% $12.82
GPT‑6.2 Astra Codex / max 44.2% 48.2% $5.97
GPT‑6 Astra Codex / max 44.0% 47.6% $6.68
GPT‑6.2 Sol Codex / max 43.8% 48.2% $1.29
GPT‑6.1 Sol Codex / max 39.6% 43.0% $1.03

在同一 Codex 设置下,Sol 6.2 相比 6.1 增长 4.2 个百分点,平均运行费用却从 $1.03 升到 $1.29。每百万 token 标价相同,任务平均花费仍会受使用量和输入、输出、缓存构成影响。相比 Astra 6.2,Sol 只花约 22%,这让它成为边界清楚、有自动验收的代码任务的首选候选。Claude 的两行同时比较了模型和评测框架,不能据此推算把模型接进同一个 Agent 后的名次。Cognition FrontierCode

Artificial Analysis 的另一组结果给出了迁移时最容易遗漏的问题。其通用 Intelligence Index 首发结果为 Astra 62、Sol 57,相对各自前代分别提高 5 和 2 分。其 Coding Agent Index 则显示 Astra 与前代持平,Sol 比 6.1 低 3 分。其中 SWE‑Atlas‑QnA‑AA 下滑 14 分,评测方观察到 Sol 更容易遗漏仓库问答中的关键事实。团队如果同时用 Agent 写补丁、解释旧代码和回答值班问题,三类任务应分别统计。Artificial Analysis 首发评测

长流程的优势,以及开放式工作的上限

OpenAI 在首发中报告,Astra 在专业任务评测 Agents’ Last Exam 上比初代 Astra 提高 5.2 个百分点,在 Terminal‑Bench‑Science 0.1 上提高约 9 个百分点,两项运行成本均低于初代的三分之一。这些是各自评测配置中的相对结果。跨厂商比较时尤其要核对框架,例如同一发布页明确标注了 Claude Fable 5.2 的 Terminal‑Bench‑Science 结果存在不同框架口径。OpenAI 发布说明

在 OpenAI 内部的 GDPval v2 知识工作评测里,Astra 相比初代增加 6.2 个百分点,输出 token 减少 22%,Sol 相比 6.1 增加 5.3 个百分点。Artificial Analysis 的 AA‑3D 则让评审体验由同一提示词生成的两个交互作品,再进行盲选。Astra 为 1,318 Elo,Fable 5.2 为 1,271,Sol 为 1,259。这两种结果可以分别用来判断文档能否满足交付要求、交互作品能否在实际使用中体现设计质量。以一张财务工作簿为例,还可以把模型问答的准确性和公式是否引用了正确单元格作为两道独立验收。OpenAI GDPval v2 · Artificial Analysis AA‑3D

Epoch AI 的综合能力指数 ECI 给 Astra 6.2 与 Claude Fable 5.2 同样的 174 分,区间分别是 170–179 和 170–177。该机构另用自己的实际工作做小样本人评,Astra 平均 65%,比 Fable 低 17 个百分点。评审关注研究问题是否选得恰当、证据是否充分、初稿有没有迭代,以及读者能否理解结论。对于市场研究、内部决策材料或高价值报告,可以在验收里明确写出这些要求,并把人工改稿时间计入成本。Epoch Capabilities Index · Epoch 工作任务评测

ARC‑AGI:跨回合状态会改变结果

ARC Prize 验证项 GPT‑6.2 Astra GPT‑6.2 Sol
ARC‑AGI‑2,半私有集,max 95.8% 85.8%
ARC‑AGI‑3,标准框架,max 70.3% 54.9%
ARC‑AGI‑3,Provider Adapter,max 99.8% 98.2%
ARC‑AGI‑3,Provider Adapter,xhigh 100.0% 97.4%

ARC‑AGI‑2 考察从示例归纳规则,第三版加入可交互环境。标准框架可以携带模型写下的笔记,Provider Adapter 还能在请求间保留不透明的推理状态,并对较长对话做压缩。Astra 常被引用的 100% 来自后一种框架下的 xhigh。Sol 的已公布评测仍有部分任务或游戏未完成,表中分数使用完整数据集作分母。对自己的多轮 Agent,有必要把工具结果回传、断点续跑和上下文压缩也纳入评测,尤其是这些行为随 SDK 或服务端状态配置一起变更时。ARC Prize Astra 成绩 · ARC Prize Sol 成绩及覆盖说明

OpenAI 官方价格:缓存和长上下文怎么计费

以下为官方 Standard 文本价格,单位均为 美元 / 百万 token。缓存写入列按 30 分钟保留计算。

模型 单次输入 普通输入 缓存读取 缓存写入 输出
GPT‑6.2 Astra ≤272,000 $8 $0.40 $10 $40
GPT‑6.2 Astra >272,000 $16 $0.80 $20 $60
GPT‑6.2 Sol ≤272,000 $2 $0.10 $2.50 $10
GPT‑6.2 Sol >272,000 $4 $0.20 $5 $15

Astra 的普通输入、30 分钟缓存写入和输出比初代 Astra 低 20%,缓存读取从 $1 降到 $0.40,降 60%。Sol 与 6.1 Sol 的对应标价相同,两款 6.2 的四项单价在相同上下文档位下相差 4 倍。短上下文的 12 小时缓存写入,Astra 和 Sol 分别为 $20 和 $5。OpenAI 另提供 Batch(Standard 的 0.5 倍)、Fast(2 倍)和 Ultrafast(截至 2027 年 2 月 28 日为 3 倍,3 月 1 日起按太平洋时间升至 6 倍)。Responses 后台完成窗口公测支持 2 小时、8 小时两档,模型 token 费率分别比 Standard 低 30% 和 40%。这些是 OpenAI 直连规则。Astra 定价 · Sol 定价 · 初代 Astra 定价 · OpenAI API 更新记录

272,000 是整笔请求的计价分界。 输入一旦超过该值,整笔请求的输入与缓存单价翻倍,输出单价变为原来的 1.5 倍。假设没有缓存,另有 8,000 个计费输出 token,Astra 在 272,000 输入时为 $2.496,增加一个输入 token 后约为 $4.832。如果多轮 Agent 把整份工具日志不断追加到上下文,成本跳档可能比模型选择本身更早出现。实践中可以分别跟踪每次请求的输入长度分位数、跨档比例和缓存读取量。Astra 定价规则 · Sol 定价规则

缓存例子也能看出账单结构。设单次请求有 100,000 个输入和 8,000 个计费输出 token。无缓存读写时,Astra 为 $1.12,Sol 为 $0.28。若 80,000 输入命中缓存,余下 20,000 按普通输入收费,价格降到 $0.512 和 $0.128。若 80,000 计作首次 30 分钟缓存写入,则分别为 $1.28 和 $0.32。算长期预算时,应同时看首次写入、可复用前缀、真实命中率和推理输出。只看最后一轮缓存命中的请求,会低估整条流程的用量。

Modelflare 价格:Astra、Sol 和上一代如何比较

Modelflare 公开价格接口在 2026 年 11 月 18 日列出 gpt-6.2-astra 与 gpt-6.2-sol。两款都提供短、长两档,按模型在所选分组下的费率计价。下表每格依次为 普通输入 / 缓存读取 / 缓存写入 / 输出,单位为 美元 / 百万 token。Modelflare Astra 价格 · Modelflare Sol 价格 · 公开价格接口

分组 Astra ≤272K Astra >272K Sol ≤272K Sol >272K
openai-award 0.24 / 0.012 / 0.30 / 1.20 0.48 / 0.024 / 0.60 / 1.80 0.06 / 0.003 / 0.075 / 0.30 0.12 / 0.006 / 0.15 / 0.45
openai-stable 0.64 / 0.032 / 0.80 / 3.20 1.28 / 0.064 / 1.60 / 4.80 0.16 / 0.008 / 0.20 / 0.80 0.32 / 0.016 / 0.40 / 1.20
openai-premium 1.04 / 0.052 / 1.30 / 5.20 2.08 / 0.104 / 2.60 / 7.80 0.26 / 0.013 / 0.325 / 1.30 0.52 / 0.026 / 0.65 / 1.95
openai-enterprise 4.00 / 0.20 / 5.00 / 20.00 8.00 / 0.40 / 10.00 / 30.00 1.00 / 0.05 / 1.25 / 5.00 2.00 / 0.10 / 2.50 / 7.50
openai-first-topup 0.12 / 0.006 / 0.15 / 0.60 0.24 / 0.012 / 0.30 / 0.90 0.03 / 0.0015 / 0.0375 / 0.15 0.06 / 0.003 / 0.075 / 0.225

Award、Stable 和 Premium 分别按目录基础费率的 3%、8% 和 13% 计价。Enterprise 面向有相应权限的客户,费率为 50%。首充专享分组费率为 1.5%,公开规则要求单次合资格充值达到 $20,该分组限 10 RPM,实际能否选择取决于账号权限。这两个模型的公开价格条目未列请求级加价规则。使用具体分组时,以实时价格页和用量记录中实际命中的模型与分组为准。Modelflare 价格与分组 · 公开价格接口

同一份价格快照里,短上下文下的 openai-stable 为上一代模型提供了可直接比较的参照。单位仍为美元 / 百万 token。

模型 普通输入 缓存读取 缓存写入 输出
gpt-6-astra 0.80 0.08 1.00 4.00
gpt-6.2-astra 0.64 0.032 0.80 3.20
gpt-6.1-sol 0.16 0.008 0.20 0.80
gpt-6.2-sol 0.16 0.008 0.20 0.80
gpt-6.1-terra 0.08 0.004 0.10 0.40
gpt-6-luna 0.02 0.002 0.025 0.10

已有 6.1 Sol 流量时,升到 6.2 Sol 的主要变量是成功率、耗时和实际 token,而两者在同分组下的短、长单价一致。对分类、抽取和固定模板,可以纳入 Terra 或 Luna 做成本对照。若把上一节的缓存命中例子放在 Stable 分组,按这份价表算出的模型 token 费用分别为 Astra $0.04096、Sol $0.01024,适合用来复核自己的预算表。官方 Fast、Ultrafast、后台窗口和工具费用应按实际支持的入口另行确认。Modelflare 公开价格接口

从每百万 token,算到每个验收通过的任务

一个可执行的评估方案是,把样本按可验收补丁、代码库问答、长文档、长流程交付拆开,使用同一个版本的输入、同样的工具权限和结束条件。先用 Sol 6.2 medium 跑出基线,再比较 Sol high、Astra medium 或旧版 Sol。用 6.2 接替旧版之前,检查关键事实召回、需人工纠正次数、完整任务耗时,以及失败恢复后还能不能交付。对频繁调用工具的流程,还要区分首个可见 token、首个工具动作和最终完成时间。

成本的分母用验收通过的任务数,分子加上失败尝试、转交、工具支出和人工审阅。举一个纯假设的例子:100 个任务先交给 Sol,每次 $0.10,80 个通过。余下 20 个交给 Astra,每次 $0.40,再通过 16 个,总计 $18 / 96 = $0.1875 每个通过任务。若同批全部交给 Astra,假设 95 个通过,则为 $40 / 95 ≈ $0.421。对照实验要按真实失败集合测量第二次成功率。两款模型可能在同一类边界上失败,直接套用某个通用排名无法估出这项收益。

迁移时还有一个具体的缓存变化。GPT‑6.2 的 Responses API 会把顶层 instructions 追加在 input 后。要让可复用规则进入命中前缀,官方建议将其放入 input 开头的 developer 消息,把本轮特有的指导保留在顶层。工具工作流用 Responses,核对旧的采样或 logprobs 参数、输出预算和未完成状态,再根据线上用量确认实际缓存行为。OpenAI GPT‑6.2 迁移指南

对日常代码修改和规模化 Agent,Sol 6.2 是成本和质量最值得先测的一档。对只有少量样本但返工昂贵的跨模块变更、长任务和复杂研究,可把 Astra 加入候选,用实际可验收结果判断额外支出是否划算。本文引用公开首发评测和第三方结果,价格为所注明日期的快照,成本算例为假设输入下的计算。