深度实测GPT-6.2 Astra,OpenAI在偏科的道路上越走越远了。
等了半个多月,GPT-6.2,终于来了。
这次是GPT-6.2 Astra和Sol一起发,一个旗舰,一个日常主力。
这个模型真的拖得太久太久了。
从11月1号前后,就有人说灰测到了GPT-6.2 Sol,我后来也灰测到了升级的版本,结果这一等,就等了将近小20天。
今天,终于发了,ChatGPT、Codex还有API已经全部同步上线了。
官方的一些信息读完了,然后我自己也跑了很多测试。
就怎么说呢,这是一个让我有一点失望的模型,它有它特定的作用而且极其偏科,但是对于我来说,可能确实很难有质的体验的飞跃。
那一个一个说吧。
GPT-6.2 Astra,官方定位是给你最难的项目用的前沿模型,API里的编号是gpt-6.2-astra。
GPT-6.2 Sol,官方定位是日常工作用的高效模型,API里的编号是gpt-6.2-sol。
知识截止日期这次有更新。
GPT-6.2 Astra是2026年5月18日,GPT-6.2 Sol是2026年6月1日,不过因为后训练的原因,所以实际了解的知识,会比这些日期更往后延一些。
GPT-6 Astra当时是4月30日,这次往后推了半个月到一个月,我们当时测是否被灰度到新模型的时候,其实就是看的知识库日期,就是问“禁止联网,你知道Fable5”吗,就可以看出来是GPT-6.1还是灰度到GPT-6.2了。
因为GPT-6 Astra和GPT-6.1 Sol其实都是不知道Fable5这个模型的。
然后价格上,Astra降价了20%,每百万输入Token 8美元,输出40美元,缓存读取从1美元直接降到0.4美元,缓存这块降了60%。
Sol不变,还是输入2美元,输出10美元,缓存0.1美元。
大家还记得我上周写Fable 5.2的时候说过吗,Fable 5.2降价以后的价格,是输入8美元,输出40美元,这次GPT-6.2 Astra一模一样。
上一次GPT-6 Astra发布的时候,定价是跟Fable 5对齐的,这次Fable 5.2降了,OpenAI又跟着对齐了,但还是有个问题,就是大家都知道,你前面两个定价不重要,最重要的是缓存读取的价格以及完成任务需要的Token数。
价格上,我简单做了一个表。
之前GPT-6 Astra的缓存读取贵到没边了,整整1美刀啊,所以大家为啥说烧的那么快,这次确实大幅降价了,降到了0.4美刀,相比之下,Fable 5.2是0.2美刀,Gemini 4 Carbon现在限时半价只要0.1美刀。
但至少确实是比以前便宜多了,不再是直接爆表了,我还记得GPT-6 Astra刚出的时候,我一天就能用完一个200刀的Pro账号的额度。。。
但除了价格之外,还有个东西就是完成任务的Token数,这也是一个必须要看的衡量指标,所以虽然你会看到GPT-6.2 Astra在定价上好像是要比Claude Fable 5.2要贵,但如果你去真的使用这两个模型的话,你会感觉到Claude Fable 5.2消耗额度消耗的极其恐怖,就是因为,完成任务所需要的Token数差距太大了。
这个我们在第二趴详聊。
比如这个Agents' Last Exam,这是一个测多步骤专业工作的评测,你可以理解成给Agent的期末考。
GPT-6.2 Astra大概是78%,每个任务约3美元。
Claude Fable 5.2大概是73%,每个任务约60美元。
分数高了5.5分,成本只有对方的5%。
而跟自家的上一代GPT-6 Astra比,分数高了5.2分,成本不到三分之一。
明明Claude Fable 5.2价格不是比GPT-6.2 Astra便宜吗,为啥最终差距能有这么多呢,秘诀就在于消耗的Token量。
从这个每项任务的输出Token量来看,GPT其实是非常恐怖的,Token消耗极少,而Claude为了追求更高的能力上限,会疯狂的投入推理资源,所以在每任务的Token输出上,甚至能差到7倍。
这也解释了,为啥明明纸面价格上,Claude Fable 5.2是要比GPT-6.2 Astra便宜的,但是Claude Fable 5.2却基本上是我们烧不起的程度,而GPT-6.2 Astra,在实际的Token的消耗上,反而就要好一点。
比如我是200刀的Pro会员,跑了大概4个视频和3D的Case,还跑了2个大方案的规划,以及近百个代码的审查,跑之前我的周额度剩余12%,这些跑完我还剩6%,也就是消耗了6%的周额度。
而上次Claude Fable 5.2,10个Case,烧完了我近30%的周额度,虽然效果远超GPT,但是也能看出来这个经济差异。
在官方blog里,其他的任务也是类似的,比如Terminal-Bench-Science,测的是模型在终端里做科研任务的能力,这个就是GPT的拿手好戏了,我绝大多数的做科研的朋友给我的反馈都是,GPT几乎就是他们的科研主力模型,在做科研层面,GPT是一骑绝尘的。
而在这个任务里,GPT-6.2 Astra大概是77%,每个任务约7美元,上一代GPT-6 Astra是68%,却要花24美元左右。
OpenAI也因此把Astra称为世界上最适合科学家的模型,第三方的Vals科学指数,它也确实是第一。
第三个是OpenAI内部的GDPval v2,测的是咨询、金融、设计这些真实行业里的长程知识工作,结论也差不多。
主打的就是一个省钱。
AA的智能指数上,这一次进步还是明显的,GPT-6.2 Astra相比之前,涨了6分,拿到了62分,回到了第二的位置,GPT-6.2 Sol涨的不多,只涨了2分。
过大概1天,AIHOT的模型榜也应该就会对GPT-6.2系列的两个模型开分了,到时候大家也可以看看排名情况,然后这里也可以简单说一下,很多时候第一天没分是因为给模型评测的机构不够,他们没开分,所以已出分的数据源还不到一半,放在了最下面暂不参与评分里,因为我们整体是ELO的策略,数据太少的话不是很准,变动会比较大。
说实话过程中当我看到GPT给我呈现的是这样一张游戏封面,我就已经知道这玩意儿肯定差不了。
最终跑出来的第一版我发现在玩法的理解上出现了一点问题,于是我简单调了一轮后就得到了下面这样的效果,还是很酷的。
这个质感说实话其实是完全超乎我对GPT在游戏方面的预期的。
还有这个Three.js做的秋日黄昏乡村小火车站,我也很喜欢。
然后还有一个古希腊世界,同样的,非常简单的Prompt:
“运用Three.js,采用极繁艺术风格尽全力还原出最真实、宏伟壮观且复杂的古希腊世界,要求真实细腻,最后交付一个可交互的HTML文件。”
对此GPT-6.2 Astra第一版跑出来的效果是这样的。
其实已经非常不错了,但我其实并不是特别满意,于是我随便截了一张之前X上很火的一个用Claude跑了很久的案例的画面给GPT让它照着建。
其实我是真不抱什么太大的希望的,但最终耗时一个多小时,GPT给我交出来下面的答卷,告诉我它可以。。。
这个效果,说实话,我觉得已经非常牛逼了。
以上,既然看到这里了,如果觉得不错,随手点个赞、在看、转发三连吧,如果想第一时间收到推送,也可以给我个星标⭐~谢谢你看我的文章,我们,下次再见。
>/ 作者:卡兹克、AIZ小朱
>/ 投稿或爆料,请联系邮箱:[email protected]