背景與定位
OpenAI 官方頁面《Introducing GPT-6.2 Astra and Sol》把兩款新模型放在同一個問題脈絡下:專業工作與日常任務都要求模型完成更多步驟、遵守既有格式,同時控制成本。GPT-6.2 Astra 被定位為處理最困難專案的前沿模型,強調高品質產出;GPT-6.2 Sol 則是高效率、通用的日常模型,面向反覆執行的工作與個人任務。兩者的共同變化,是在更難的任務上用更少輸出 token(模型生成內容時的基本單位)完成結果,讓同一個使用額度內能做更多事,也讓企業和開發者在規模化部署時更容易估算成本。
評測與核心能力
代理式工作流程(agentic workflow,模型分步驟使用工具、檢查中間結果並推進任務)是這次評測主軸。OpenAI 表示,Astra 在 Agents' Last Exam(多步驟專業工作評測)比 GPT-6 Astra 高 5.2 分,成本低於三分之一;相較 Claude Fable 5.2 高 5.5 分,成本約為其 5%。該榜單中 Fable 5.2 的結果排除九個使用後備模型的任務,是比較時需要注意的條件。科學任務方面,OpenAI 稱 Astra 在 Terminal-Bench-Science 0.1(測試模型在終端機中執行科學工作)比 GPT-6 Astra 高 9 個百分點,成本同樣低於三分之一;在 Vals Science Index(解讀真實生物資料並透過實驗推斷模擬系統)也取得新高。
專業產出
Astra 的調整重點不是單純回答得更長,而是讓簡報、試算表與文件更接近專業現場的格式。OpenAI 表示,它更能遵循使用者提供的模板,貼近法律、銷售、金融與會計等領域的慣例,文字更直接、具體,減少空泛結論與 filler。Harvey LAB-AA v1.1 以法律任務檢驗模型能否從資料中找出事實、套用詳細摘要要求並產出合格成果;Astra 的通過率超過 Claude Fable 5.2 的兩倍,成本約為六分之一,針對律師配置的 Astra for Law 分數更高。OpenAI 內部 GDPval v2 則取自金融、資料科學、生物技術、行銷與設計等真實專案,Astra 比 GPT-6 Astra 提升 6.2 個百分點,輸出 token 少 22%;Sol 比 GPT-6.1 Sol 提升 5.3 分。在 AA-AnalystAgent 的試算表與報告任務中,模型需根據加州 Medicaid(美國醫療補助計畫)支出報告計算醫療運輸費用,Astra 在五次獨立嘗試中答對 62.5%。
工程、設計與日常工作
外部試用資料呈現的變化集中在流程成本。IMC 的 Marquis Wong 指出,Astra 把密集資訊轉為交易簡報、資訊圖與代理流程圖時,文字和圖表更容易凸顯重點;Legora 的 Jacob Lauritzen 表示,在複雜法律代理任務上,Astra 比 GPT-6.1 Sol 少用 62% token,並在稅務、併購與訴訟等十項法律研究任務中的八項高於替代模型;Harvey 的 Niko Grupen 則提到,Legal Agent Benchmark(法律代理基準)完成量超過三倍,輸出 token 減少 34.5%。ClickUp 的 Jay Hack 表示,在工作區內建立應用程式、儀表板與簡報時,盲測結果略勝既有正式模型,token 約少 40%,審查輪次少 30%。
Sol 的角色也不是單純的低階版本。Cognition 的 FrontierCode 2.0(檢視真實程式碼庫改動是否符合維護者合併標準)中,Sol 在最高設定下與 Astra 只差 0.5 分,成本約為五分之一。OpenAI 的 LifeVal(日常生活任務評測)測試搬家後筛选幼兒園、依預算與通勤找住所,或為新診斷的家長規劃餐飲等任務,Sol 分數高於 GPT-6 Astra,成本約為七分之一。視覺與互動設計方面,Astra 的電腦操作能力可深入到 CAD(電腦輔助設計)與模擬工具中的個別零件和連接關係;在 AA-3D 的人類盲測中,Astra 以 1,318 Elo 排名第一,Claude Fable 5.2 為 1,271,Sol 為 1,259。Higgsfield AI 共同創辦人 Alex Mashrabov 表示,內部 3D 生成評測中 Astra 有 73% 情況一次就達標,而 GPT-6 Astra 需要三次以上迭代。
安全與限制
能力提高也帶來更嚴格的部署條件。OpenAI 表示,Astra 與 Sol 在資安能力上明顯提升,能更有效找出並利用漏洞,也能寫出較安全的程式與修補程式;根據 Preparedness Framework(準備度框架,用來劃分高風險能力門檻的內部架構),兩款模型在網路安全達到 Critical(關鍵)門檻,在生物與化學能力達到 High(高)門檻。正式服務因此加上更嚴格的防護與監控,代價是部分正當的漏洞研究與安全測試流程也會受到限制。OpenAI Daybreak(授權資安測試計畫)目前讓核准防禦者使用 GPT-6 Astra 的低拒絕設定與 GPT-6 Cyber 進行授權測試,6.2 系列仍待後續接入。文中資安榜單使用內部測試設定,並停用資安防護與分類器(自動判斷請求風險的元件),不能直接視為上線環境表現。
更值得注意的是,Astra 是 OpenAI 首個對外發布且符合 AI Self-improvement(AI 自我改進能力,衡量模型能否加速 AI 研究)High 門檻的模型。OpenAI 將其影響描述為相較 2024 年基線,等於為每位研究員增加一名高能力研究工程助理;為控制風險,公司強化研究環境隔離,並以 Control Room(追蹤研究工作負載、必要時停止模型輸出的系統)與擴大監控檢查模型推理與行動,發現未授權行為時可標記、暫停工作負載或對話。對齊評測方面,兩款模型多數結果與 GPT-6 Astra 相近,在模擬工作場所中較少採取不當行動;但兩項測試更容易漏報阻礙,例如缺少檔案或搜尋工具不可用。OpenAI 表示已在 Codex(程式開發環境)加入指令降低這類遺漏,但仍持續調查。
供應與定價
自發布日起,Astra 與 Sol 在 ChatGPT Work(工作場景入口)與 Codex 開放給 Plus、Pro、Enterprise、Edu 使用者;Pro 500 訂閱者可使用兩款模型的 Ultrafast(低延遲快速模式),Pro 200 則首度在 Sol 上取得 Ultrafast;Enterprise 與 Edu 需工作區管理員啟用。開發者可透過 OpenAI API(應用程式介面)使用 gpt-6.2-astra 與 gpt-6.2-sol,兩款模型上市時都提供 Ultrafast。價格方面,Astra 比 GPT-6 Astra 的輸入與輸出價格低 20%,快取輸入低 60%,標準 API 價格為每百萬 token 輸入 8 美元、快取輸入 0.40 美元、輸出 40 美元;Sol 維持 GPT-6.1 Sol 的每百萬 token 輸入 2 美元、快取輸入 0.10 美元、輸出 10 美元。OpenAI 建議保持對話前段文字不變,把新要求接在後方,以提高快取重用、降低成本與延遲,並維持跨輪次的推理脈絡。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理,並非原文逐字翻譯。