OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol 后,首批开发者的反馈并不一致。两款模型定位不同:Astra 面向复杂专业任务,Sol 更强调效率与成本,覆盖日常办公、编程和多步骤 Agent 工作。有人认可新模型在 3D 生成和成本上的表现,也有人认为它在复杂任务中完成度不佳,甚至向 OpenAI 写了长信投诉。

GPT-6.2 Astra 发布后评价两极,实测数据说明了什么

从公开数据看,Astra 在长周期、多步骤的 Agents’ Last Exam 测试中比上一代高 5.2 分,完成任务成本不到上一代的三分之一;对比 Claude Fable 5.2,它领先 5.5 分,任务成本约为对方的 5%。在 Terminal-Bench-Science 0.1 中,Astra 比上一代提高 9 个百分点。第三方机构 Artificial Analysis 的综合智能指数中,Astra 排名第二,仅次于 Claude Fable 5.2,但在 Coding Agent 指数上与上一代持平,Sol 则下降了 3 分。

OpenAI 此次还展示了模型处理真实工作的案例:根据 PPT 截图模仿原有布局、字体和配色制作新页面,或依据财务报表生成包含收入预测和估值分析的 Excel 工作簿。官方称,在内部 GDPval v2 评测中 Astra 比上一代提高 6.2 个百分点,输出 Token 减少 22%;在 Harvey LAB-AA 法律工作评测中,任务通过率超过 Claude Fable 5.2 的两倍,成本约为后者的六分之一。3D 设计方面,Astra 在 Artificial Analysis 的 AA-3D 评测中以 1318 Elo 排名第一,比上一代提高 150 Elo,领先 Claude Fable 5.2 的 1271 Elo。不过也有开发者实测后认为,Astra 配合 Blender 制作的机械手模型和动画效果尚可,距离惊艳仍有差距。

价格上,Astra 的 API 输入和输出价格比上一代下降 20%,缓存输入下降 60%,每百万 Token 的输入、缓存输入及输出价格分别为 8 美元、0.4 美元和 40 美元。主打效率的 Sol 保持上一代价格,每百万 Token 输入 2 美元。在 FrontierCode 2.0 编程测试中,Sol 与 Astra 仅相差 0.5 分,成本约为后者的五分之一。