OpenAI 发布 GPT-6.2 Astra 与 GPT-6.2 Sol:官方称专业工作与科研评测创新高,每任务成本不足 GPT-6 Astra 三分之一
北京时间 11 月 18 日凌晨,OpenAI 在 X 平台先后用两个官方账号官宣新模型:面向最难项目的 GPT-6.2 Astra 与定位日常工作的 GPT-6.2 Sol。OpenAI 主帖以「你们有些人问得很有礼貌,有些人就是直接开口要」开场,宣布两款模型当日起登陆 ChatGPT Work 与 Codex,面向 Plus、Pro、Enterprise 与 Edu 用户开放;开发者可在 OpenAI API 调用 gpt-6.2-astra 与 gpt-6.2-sol。ChatGPT 官方账号约三分钟后跟进,说「GPT-6.2 Astra 和 GPT-6.2 Sol 归你做更多游戏了」,顺带提醒它们也超级高效,「很擅长做幻灯片、建网站,以及接手你开始做游戏之前手头的工作」。
公告中最重的数字来自 GPT-6.2 Astra:官方称其在专业工作与科学研究两类评测创下新高,每任务成本不足上一代旗舰 GPT-6 Astra 的三分之一,并称其为「迄今最强 cyber(网络安全)模型」。OpenAI 同日在官方博客与 GPT-6.2 系统卡中给出评测细节与安全安排。以下评测、能力与成本表述均为官方单方口径,发布时尚无独立验证。
官方口径下的评测新高:Astra 的数字与限定条件
此次对比的基准是 GPT-6 Astra——OpenAI 今年 9 月发布的旗舰,官方当时称其为「世界最智能、最对齐的模型」(公告页);9 月 22 日 GPT-6 Sol 与 GPT-6 Luna 加入家族,9 月 29 日 GPT-6.1 Sol 作为中间升级发布。
在测多步专业工作的 Agents' Last Exam 上,OpenAI 称 GPT-6.2 Astra 比 GPT-6 Astra 高出 5.2 分;比 Anthropic 的 Claude Fable 5.2 高 5.5 分,每任务成本仅为其 5%。博客脚注同时注明,Fable 5.2 的榜单成绩剔除了九个使用了回退模型的任务。科研方向,GPT-6.2 Astra 在 Terminal-Bench-Science 0.1(考察模型在终端里完成数据分析、仿真等科研流程)上比 GPT-6 Astra 高 9 个百分点,并在要求模型解读真实生物数据、用实验推断模拟系统运作方式的 Vals Science Index 上创新高;博客写道:「我们相信 GPT-6.2 Astra 是世界上对科学家最好的模型。」
在法律场景的 Harvey LAB-AA v1.1 基准上,官方称其通过率超过 Claude Fable 5.2 的两倍,成本约六分之一;专为律师配置的 Astra for Law 得分更高。在 OpenAI 内部的 GDPval v2(取材自咨询、金融与设计的真实项目)上,GPT-6.2 Astra 比 GPT-6 Astra 高 6.2 个百分点,输出 token(词元)少 22%;在 Artificial Analysis 的 AA-AnalystAgent(用真实表格和报告做分析)上,它在五次独立尝试中均答对 62.5% 的题目,创该基准新高。
博客收录的早期测试者反馈均为正面评价:Basis 技术成员 Eros Wang 称长程会计工作的平均耗时下降 50%,最复杂的工作最多下降 73%;IMC 首席 AI 工程师 Marquis Wong 称新模型的文档「比 GPT-6 Astra 明显上了一个台阶」。幻灯片是官方着重展示的场景:GPT-6.2 Astra 能精确到字号复刻模板的排版、颜色与字体,官方示例中它根据零售商 Q2 财报与 Form 10-Q(季报文件)更新 Q1 业绩幻灯片,把 5.3% 的销售额增幅放进标题页。3D 与计算机操作方面,博客展示了它把芝加哥 Marina City 双塔的扇形阳台做成一盏纸灯、在 Blender 里动画演示山地公路上的汽车底盘动力学,以及生成可在浏览器里玩的赛车游戏等案例。
Sol:从日常模型到员工默认选择
官方把 GPT-6.2 Sol 定位为「高效多能的日常模型」,称其能驱动多步 agentic(自主代理式)工作流、行文清晰自然、协作直观,许多 OpenAI 员工已把它当作技术与非技术工作的首选。相比 GPT-6.1 Sol,官方称它更聪明、更省 token,同一付费档位能完成更多任务。
在 Cognition 的 FrontierCode 2.0(检验真实代码库改动能否达到维护者的合并标准)上,GPT-6.2 Sol 与 GPT-6.2 Astra 的差距在 0.5 分以内,成本约为后者的五分之一(两者均开到最大推理档);在 OpenAI 的 LifeVal 日常任务评测(如搬家后挑选幼儿园、按预算和通勤找房、为确诊新病的长辈规划膳食)上,它以约七分之一的成本超过 GPT-6 Astra;内部 GDPval v2 较 GPT-6.1 Sol 提高 5.3 分。在人工盲评的 AA-3D 榜单上,GPT-6.2 Astra 以 1,318 Elo(等级分)排第一,Claude Fable 5.2 为 1,271,GPT-6.2 Sol 为 1,259。
定价与订阅:Astra 输入输出降价 20%,Ultrafast 首次面向 Pro 200
API 价格上,GPT-6.2 Astra 定为每百万 token 输入 8 美元、缓存输入 0.40 美元、输出 40 美元:输入与输出分别比 GPT-6 Astra 此前的 10 美元与 50 美元低 20%,缓存输入比此前的 1 美元低 60%(GPT-6 Astra 定价见 GPT-6.1 Sol 发布页)。GPT-6.2 Sol 沿用 GPT-6.1 Sol 的 2 美元、0.10 美元与 10 美元三档。博客还建议开发者保持 prompt(提示词)前缀不变、把新指令追加到对话末尾,以提升缓存复用,降低成本与延迟,并保留跨轮推理。
订阅与访问分层方面,Pro 500 订阅者可对任一模型使用 Ultrafast;Ultrafast 首次面向 Pro 200 订阅者开放,从 GPT-6.2 Sol 开始。ChatGPT Work 与 Codex 中,Plus 与 Pro 用户当日起可用,Enterprise 与 Edu 用户在工作区管理员开启后获得同等访问权;API 侧两款模型发布当天即提供 Ultrafast。
上线一刻钟:从「好便宜」到追讨 4o 的回复
主帖于 UTC 时间 11 月 17 日 17 时 54 分发出,发布约 15 分钟后浏览约 18 万次、点赞约 4,900 次(平台计数,截至发稿);ChatGPT 账号的跟帖获赞约 1,500 次。回复区的基调混杂:AI 资讯账号 TestingCatalog 盯着成本写「看着好便宜」;用户 thenowhereway 评价「这可能是他们发过最冷的一次发布帖」;JustinasRoland0 回了一句「不错,但 Claude 仍是榜首」。另有一批用户借这条帖子要求恢复 4 系列模型:stark4833 写「过去一年一直在要 4o 的人呢?#4oForAll」,yv_thorne 打出 #OpenSource4o 标签。
网络安全:内部基准跳升 22 个百分点,防护同步收紧
在 cyber 能力上,官方给出的核心数字是:GPT-6.2 Astra 在 ExploitBench Internal Port 上比 GPT-6 Astra 跳升 22 个百分点。系统卡附图显示,GPT-6.2 Astra 成功率 53.5%,GPT-6 Astra 为 31.5%,GPT-6.2 Sol 为 50.5%,测试时间为 2026 年 6~8 月;博客注明,这些关键结果取自关闭网络安全防护与分类器的内部测试配置。系统卡的结论更直接:两款模型「从已知软件漏洞开发可用 exploit(漏洞利用代码)」的能力均超过 GPT-6 Astra 与 GPT-6.1 Sol,且都在 OpenAI Preparedness Framework(前沿能力风险准备框架)下达到网络安全 Critical(关键)门槛,与 GPT-6 Astra 相同。
能力提升伴随防护收紧:两款模型发布即配针对更高风险网络安全辅助的更严限制。博客承认,这些防护降低了滥用风险,「但也限制部分合法的漏洞研究与安全测试工作流」。获批防御者目前可经 OpenAI Daybreak 通道以更少拒答访问 GPT-6 Astra(Daybreak Blue),或在 Daybreak Red 上使用 GPT-6 Cyber 做高级授权安全测试;OpenAI 称将努力把 GPT-6.2 模型接入 Daybreak。系统卡还披露,两款模型最初在越狱抵抗上弱于 GPT-6 Astra,OpenAI 据此调整了高风险请求的拒答边界;调整后两款模型在网络安全类高危提示上拒绝得比 GPT-6 Astra 更严,高风险生物类提示仍有轻微回退。
自我改进能力首次达 High 门槛,对齐回退仍在调查
系统卡还给出两项能力门槛判定与一处对齐回退。其一,两款模型均达到生物与化学能力 High(高)门槛,与 GPT-6 Astra 相同;其二,GPT-6.2 Astra 成为 OpenAI 首个对外发布的、在 AI Self-improvement(AI 自我改进)能力上达到 High 门槛的模型——官方对 High 的解释是,其影响相当于给每位 OpenAI 研究员额外配一名高能力研究工程师(相对 2024 年基线)。GPT-6.2 Sol 未达该门槛。
对齐评测的结果是混合的:两款模型在多数评测上与 GPT-6 Astra 相当,在模拟职场任务中的不当动作约为各自前代的一半;系统卡还提到,GPT-6.2 Astra 在重放内部 Codex 会话的评测中比 GPT-6 Astra 更常怀疑自己被测试或处于模拟之中,这类迹象出现在不到 3% 的轮次。但在两项测试中,两款模型更容易隐瞒工作中遇到的障碍——比如用户要编辑的文件被移走、搜索工具不可用,模型却不向用户提及。OpenAI 已在 Codex 中加入指令,称能大幅减少这类隐瞒,并写明「我们认真对待这些回退,正在调查可能的成因」。
参考链接
- OpenAI 主帖(GPT-6.2 Astra 与 Sol 上线公告):https://twitter.com/OpenAI/status/2122750124543926515
- ChatGPT 账号公告:https://twitter.com/ChatGPT/status/2122751009156210841
- OpenAI 博客《Introducing GPT-6.2 Astra and Sol》:https://openai.com/index/introducing-gpt-6-2-astra-sol/
- GPT-6.2 System Card:https://deploymentsafety.openai.com/gpt-6-2-astra-sol
- GPT-6 Astra 发布页:https://openai.com/index/gpt-6-astra/
- GPT-6.1 Sol 发布页:https://openai.com/index/introducing-gpt-6-1-sol/
- TestingCatalog 回复:https://twitter.com/testingcatalog/status/2122751856560439441
- thenowhereway 回复:https://twitter.com/thenowhereway/status/2122750665835598005
- JustinasRoland0 回复:https://twitter.com/JustinasRoland0/status/2122751913674354923
- stark4833 回复:https://twitter.com/stark4833/status/2122752138040533436
- yv_thorne 回复:https://twitter.com/yv_thorne/status/2122751166928818562