TL;DR
Il 17 novembre 2026, OpenAI ha rilasciato GPT-6.2 Astra (modello di frontiera per i progetti professionali più difficili) e GPT-6.2 Sol (modello efficiente per l’uso quotidiano). Entrambi sono disponibili in ChatGPT Work, Codex e nell’OpenAI API (gpt-6.2-astra e gpt-6.2-sol). Astra costa il 20% in meno di GPT-6 Astra ($8 / $40 per milione di token di input/output) e offre risultati migliori a un costo per attività molto inferiore. Sol mantiene i prezzi precedenti ($2 / $10) pur avvicinandosi ad Astra su benchmark chiave di coding a circa un quinto del costo. Entrambi i modelli usano meno token di output, offrono una finestra di contesto di ~1.05M token e supportano la modalità Ultrafast sui piani superiori. CometAPI offre già accesso a entrambi i modelli, con endpoint unificato compatibile con OpenAI, singola chiave API e prezzi competitivi per gli sviluppatori.
Punti chiave
- Rilasciati, non solo voci: OpenAI ha annunciato entrambi i modelli il 17 novembre 2026.
- Flussi di lavoro professionali più solidi: Astra guadagna 5.2 punti su Agents’ Last Exam e 6.2 punti percentuali su GDPval v2 rispetto a GPT-6 Astra.
- L’efficienza conta: Astra utilizza il 22% di token di output in meno su GDPval v2 nella valutazione di OpenAI.
- Risultati indipendenti sul coding misti: Artificial Analysis rileva Astra invariato sul suo Coding Agent Index e Sol in calo di tre punti rispetto a GPT-6.1 Sol.
- Accesso tramite CometAPI disponibile: le pagine dei modelli riportano tariffe di input, output e input in cache inferiori del 20% rispetto alle tariffe standard OpenAI corrispondenti.
- La migrazione richiede attenzione: la chiamata degli strumenti richiede la Responses API e
reasoning_effort="none"non è supportato.
Che cosa sono GPT-6.2 Astra e Sol?
Entrambi i modelli accettano input di testo e immagini e restituiscono testo. Condividono una grande finestra di contesto di circa 1,050,000 token (con alti limiti massimi di input e 128,000 di output riportati nella copertura). I knowledge cutoff sono indicati come 18 maggio 2026 per Astra e 1 giugno 2026 per Sol in report secondari.
OpenAI enfatizza l’efficienza nel mondo reale: entrambi i modelli portano a termine compiti impegnativi con meno token di output, così gli utenti riescono a fare di più con gli stessi limiti di utilizzo o budget.
GPT-6.2 Astra: il modello per progetti impegnativi
OpenAI descrive GPT-6.2 Astra come il suo modello più capace per progetti difficili dall’inizio alla fine. Le capacità documentate includono costruire e revisionare software, usare un computer e lavorare con documenti. Il carico di lavoro previsto va oltre il rispondere a una domanda: comprende comprendere il materiale sorgente, scegliere gli strumenti, apportare modifiche, verificare i risultati e produrre un deliverable utilizzabile.
Questo posizionamento rende Astra rilevante per l’ingegneria a livello di repository, l’analisi finanziaria dettagliata, i documenti professionali e i flussi di lavoro di ricerca. Il suo valore dipende dal fatto che migliori il risultato finale o riduca il numero di cicli di correzione a sufficienza da giustificarne il premium rispetto a Sol. Fonte: documentazione del modello Astra.
GPT-6.2 Sol: lavoro quotidiano a un prezzo per token inferiore
GPT-6.2 Sol è il modello di riferimento di OpenAI per il lavoro quotidiano, incluso il coding e gli agenti su larga scala. Le sue tariffe standard di input e output sono un quarto di quelle di Astra, mentre limiti di contesto e output coincidono con quelli di Astra.
OpenAI riporta che Sol è entro 0.5 punti da Astra su FrontierCode 2.0 di Cognition a circa un quinto del costo per attività, con entrambi al massimo sforzo di ragionamento. È un buon motivo per testare prima Sol, sebbene quel risultato non stabilisca prestazioni equivalenti su tutti i carichi di lavoro di coding. Fonte: annuncio di lancio.
Caratteristiche chiave di GPT-6.2: cosa è cambiato?
Ricerca scientifica e uso del computer migliorati
Astra registra guadagni notevoli sui benchmark scientifici (es., ~+9 punti su Terminal-Bench Science) e capacità avanzate di uso del computer, inclusi lavori più fini all’interno di strumenti CAD, simulazioni e modellazione 3D (parti, assiemi, interazioni fisiche).
Documenti, fogli di calcolo e presentazioni più utili
OpenAI enfatizza una migliore aderenza alle convenzioni professionali in ambito legale, vendite, finanza e contabilità. Astra è progettato per produrre documenti più chiari, fogli di calcolo più usabili e presentazioni che seguono i template forniti, inclusi layout, colore e tipografia.
Per un utente business, il test pratico è se un workbook resta modificabile, se i calcoli sono tracciabili e se le conclusioni corrispondono alle evidenze sottostanti. Per una presentazione, confrontare l’aderenza al template e la quantità di editing manuale richiesta. Questi esiti contano più di quanto sia rifinito uno screenshot iniziale. Fonte: esempi di output professionali.
Migliore selezione degli strumenti e uso del computer
Entrambi i modelli supportano strumenti tramite la Responses API, inclusi web search, file search, code interpreter, hosted shell, computer use, MCP e tool search. OpenAI documenta anche una beta Multi-agent per delegare il lavoro.
Queste capacità permettono agli sviluppatori di connettere il ragionamento ai flussi applicativi. Un modello potrebbe ispezionare report, calcolare cifre e preparare un memo, a condizione che l’applicazione fornisca gli strumenti e i permessi necessari. L’output nativo resta testuale; la generazione di immagini è uno strumento separato supportato. Gli strumenti ospitati dal provider richiedono anche supporto specifico dell’endpoint quando si accede tramite un gateway. Fonte: documentazione del modello.
Ragionamento più efficiente e codice più pulito
OpenAI afferma che Astra prende decisioni migliori su strumenti e sforzo, scrive codice più pulito e necessita di meno cicli di revisione nei primi test. La sua guida alla migrazione descrive anche uno stile di scrittura predefinito più conciso.
Per le applicazioni esistenti, ciò implica rivedere i prompt. Un system prompt che richiede ripetutamente brevità potrebbe ora sopprimere dettagli utili. Al contrario, chiedere esplicitamente riferimenti alle fonti, criteri di completamento ed evidenze di validazione può rendere l’output più facile da revisionare. Fonte: Using GPT-6.2.
Come si comporta GPT-6.2 nei test di benchmark?
GPT-6.2 offre risultati solidi nel lavoro professionale, nel ragionamento scientifico e nello sviluppo 3D interattivo. Astra fornisce la capacità complessiva più forte, mentre Sol offre prestazioni competitive a un costo per attività misurato più basso. Tuttavia, valutazioni indipendenti sul coding mostrano che i miglioramenti non sono uniformi su tutti i carichi di lavoro.
Risultati chiave ufficiali/riportati da OpenAI
Questi provengono principalmente dai materiali di lancio di OpenAI (spesso a reasoning effort max o xhigh):
| Benchmark | Cosa misura | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | Note / Contesto dei costi |
|---|---|---|---|---|---|
| Agents’ Last Exam v1.1 | Flussi di lavoro professionali multistep | 78.3% | 73.1% | 73.0% | +5.2 punti vs il precedente Astra a <⅓–½ del costo; +5.5 punti vs Claude Fable 5.2 a ~5% del costo |
| GDPval v2 (internal) | Lavoro di conoscenza a lungo orizzonte (consulenza, finanza, design) | 50.4% (+6.2 pt) | 44.2% | 46.9% (+5.3 pt) | 22% di token di output in meno per Astra |
| Terminal-Bench-Science 0.1 | Ricerca scientifica in un terminale | 77.1% (+9 pt) | 68.1% | 68.0% | <⅓ del costo del precedente Astra |
| FrontierCode 2.0 | Modifiche pronte al merge su codebase reali | 44.2% | 42.8% | 43.8% | Sol entro ~0.5 punti da Astra a ~⅕ del costo |
| Vals Science Index | Dati biologici + esperimenti simulati | 68.4% | 65.1% | 58.5% | Astra in testa |
| Harvey LAB-AA v1.1 | Deliverable legali rigorosi | 15.0% | 8.6% | 11.1% | Forte guadagno relativo; in alcuni report più che raddoppia Fable 5.2 |
| BenchCAD 2.1 Core | Modellazione CAD / assiemi da disegni | 82.5% | 62.6% | 73.1% | Molto vicino a Claude Fable 5.2 (~83.5%) a ~1/9–1/10 del costo |
| ExploitBench Internal Port (cyber) | Successo dell’exploit | 53.5% (+22 pt) | 31.5% | 50.5% | Grande salto; salvaguardie più rigorose applicate |
Astra inoltre guida o si piazza molto in alto su AA-3D (esperienze 3D interattive, ~1,318 Elo) e mostra risultati solidi su AutomationBench e valutazioni interne di coding per la sicurezza (SecureSWE, PatchBench).
Programmazione: grande efficienza dei costi, risultati di upgrade misti
Su FrontierCode 2.0 di Cognition, OpenAI riporta che GPT-6.2 Sol finisce entro 0.5 punti da GPT-6.2 Astra, a circa un quinto del costo per attività, con entrambi i modelli a Max reasoning effort. Questo benchmark valuta se le modifiche a repository reali soddisfano gli standard di merge dei maintainer.
Ciò rende Sol un candidato convincente per applicazioni di coding dove il costo conta. Tuttavia, la valutazione indipendente di Artificial Analysis riporta un quadro più qualificato:
- GPT-6.2 Astra è piatto rispetto a GPT-6 Astra sul suo Coding Agent Index.
- GPT-6.2 Sol scende di tre punti rispetto a GPT-6.1 Sol sullo stesso indice.
- Il calo di Sol è dovuto a una diminuzione di 14 punti su SWE-Atlas-QnA-AA, dove il valutatore ha osservato più fatti omessi.
L’implicazione pratica è valutare separatamente l’implementazione del codice e la spiegazione del repository. Un modello può produrre patch efficaci pur mancando informazioni importanti quando risponde a domande su una codebase.
Risultati indipendenti su intelligenza, 3D e robotica
Le valutazioni indipendenti identificano anche punti di forza oltre il coding.
| Valutazione | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Artificial Analysis Intelligence Index | Secondo dietro Claude Fable 5.2; guadagno di cinque punti su GPT-6 Astra | Punteggio 57, +2 punti rispetto a GPT-6.1 Sol |
| AA-3D | 1,318 Elo | 1,259 Elo |
| AA-Robotics v0.1 | 79 | 78 |
Fonte: analisi del rilascio del 17 novembre di Artificial Analysis.
- Separatamente, Epoch AI riporta Astra a 174 ECI, a pari merito con Claude Fable 5.2. Le differenze tra classifiche riflettono suite di valutazione diverse.
- Vals Index: Astra ~67.7% (#7), Sol ~66.1% (#9). Qui dietro a diversi modelli di Anthropic e Google (pesi maggiori su finanza/coding).
- Coding Agent Index (Artificial Analysis, harness Codex): Astra pressoché piatto vs GPT-6 Astra; Sol leggermente sotto GPT-6.1 Sol in alcuni run. Test di coding di terze parti (es., sessioni multi-turn difficili) spesso pongono entrambi dietro Claude Opus 5.5 / Fable 5.2 di alcuni punti, sebbene Sol resti altamente conveniente.
Sintesi di punti di forza e compromessi
- Vittorie maggiori: efficienza dei costi + flussi di lavoro professionali/basati su agenti, ricerca scientifica, documenti/slide consapevoli dei template, CAD/3D e capacità di cybersecurity.
- Guadagni più modesti: prestazioni dei coding agent pure (Sol è estremamente vicino ad Astra su FrontierCode a costo molto inferiore).
- Posizionamento: Astra è l’opzione ad alta capacità per progetti difficili; Sol è il default pratico per la maggior parte del lavoro quotidiano e di coding grazie alla quasi parità sui benchmark chiave a una frazione del prezzo.
Prezzi API di GPT-6.2: OpenAI vs CometAPI
Prezzi standard per token
Tutte le cifre sotto sono in USD per un milione di token, verifica al 19 novembre 2026. Le tariffe OpenAI sono tariffe standard per contesti brevi; le cifre CometAPI sono le attuali riportate nelle pagine dei modelli.
| Modello e provider | Input | Input in cache | Output |
|---|---|---|---|
| GPT-6.2 Astra, OpenAI | $8.00 | $0.40 | $40.00 |
| GPT-6.2 Astra, CometAPI | $6.40 | $0.32 | $32.00 |
| GPT-6.2 Sol, OpenAI | $2.00 | $0.10 | $10.00 |
| GPT-6.2 Sol, CometAPI | $1.60 | $0.08 | $8.00 |
Fonti: OpenAI Astra, OpenAI Sol, CometAPI Astra, e CometAPI Sol.
Le tariffe CometAPI elencate sono inferiori del 20% rispetto alle corrispondenti tariffe OpenAI. Si tratta di un confronto specifico di listino, non dell’affermazione che CometAPI sia sempre l’opzione più economica su tutti i livelli di elaborazione o termini contrattuali.
Contesto lungo, scritture in cache e livelli di velocità
OpenAI applica tariffe più alte quando una richiesta supera i 272,000 token di input: input e cache raddoppiano, e l’output sale di 1.5 volte per l’intera richiesta. Le tariffe standard risultanti di Astra sono $16/$60; quelle di Sol sono $4/$15.
Le letture e le scritture della cache hanno addebiti separati. OpenAI elenca le scritture in cache di 30 minuti a $10 per milione di token per Astra e $2.50 per Sol. Le scritture di dodici ore costano rispettivamente $20 e $5, prima dei moltiplicatori per contesto lungo.
Batch costa il 50% dello Standard, mentre Fast costa il doppio dello Standard. Ultrafast costa tre volte lo Standard fino al 28 febbraio 2027, poi sei volte lo Standard dal 1 marzo 2027, ora del Pacifico. Verificare separatamente il supporto del gateway e la fatturazione
Come accedere a GPT-6.2 Astra e Sol
ChatGPT Work, Codex e OpenAI API
L’annuncio di lancio di OpenAI rende entrambi i modelli disponibili in ChatGPT Work e Codex per utenti Plus, Pro, Enterprise ed Edu. L’accesso Enterprise ed Edu può dipendere dalle impostazioni dell’amministratore. Gli sviluppatori possono usare gpt-6.2-astra e gpt-6.2-sol tramite l’API. L’accesso in abbonamento e l’uso dell’API hanno schemi di fatturazione distinti; consultare il piano pertinente e la documentazione dell’API. Fonte: annuncio di disponibilità.
Accesso tramite CometAPI
CometAPI offre una via pratica per i team che vogliono questi modelli insieme a modelli di altri provider sotto un’integrazione API unificata. Le sue pagine modello attuali elencano entrambe le varianti GPT-6.2 come disponibili.
- Accedi alla console CometAPI e crea una chiave API.
- Archivia la chiave in una variabile d’ambiente lato server.
- Configura l’SDK OpenAI con
https://api.cometapi.com/v1. - Seleziona l’ID del modello, invia una piccola richiesta e verifica utilizzo e output.
Il seguente esempio di testo di base adatta il quickstart di CometAPI e le indicazioni di OpenAI sui parametri specifici del modello.
Usa la Responses API per i workflow con strumenti. Verifica strumenti ospitati richiesti, comportamento di streaming e limiti nella documentazione API di CometAPI; la sola disponibilità del modello non stabilisce il supporto per ogni funzionalità ospitata dal provider.
Suggerimenti per la migrazione delle applicazioni GPT esistenti
OpenAI consiglia di iniziare le nuove integrazioni con reasoning effort Medium. Sostituisci none o minimal con low. Per Chat Completions, ometti temperature, top_p, logprobs e top_logprobs; queste opzioni di richiesta più vecchie sono incompatibili con il percorso di migrazione documentato.
Cambia anche la gestione della conversazione. Modificare la cronologia precedente, alcuni cambi di modello inclusi i downgrade, o cambiare l’end user o l’organizzazione può scartare elementi di ragionamento precedenti. Questo può ridurre la qualità e aumentare il lavoro ripetuto.
Mantieni istruzioni stabili in un messaggio developer all’inizio dell’input di Responses e preserva il prefisso della conversazione. A partire da GPT-6.2, le instructions di livello superiore vengono aggiunte dopo l’input, il che cambia le loro implicazioni per la cache. Fonte: guida alla migrazione di GPT-6.2.
Migliori casi d’uso per GPT-6.2 Astra e Sol
Team software: separare implementazione e spiegazione
Usa Sol come candidato iniziale per modifiche di routine e assistenza di coding ripetibile. Prova Astra su decisioni architetturali, debug difficili e modifiche che attraversano più servizi. Dati i risultati indipendenti sul coding, mantieni anche GPT-6.1 Sol nelle valutazioni di spiegazione del repository. Richiedi evidenze concrete: modifiche eseguibili, check pertinenti e riferimenti ai file che un revisore può verificare.
Finanza e operazioni: valutare il deliverable
I risultati nel lavoro professionale rendono Astra degno di test su workbook modificabili, riconciliazioni e reportistica direzionale. Fornisci i report sorgente e il template richiesto, quindi verifica formule, assunzioni e collegamenti tra cifre. Sol può essere sufficiente per riepiloghi ricorrenti dopo che il workflow è consolidato. Scegli in base a output corretti e revisionabili e al tempo di editing, più che alla sola rifinitura della presentazione.
Prodotto e design: prototipare, poi ispezionare
AA-3D fornisce evidenze per testare Astra su esperienze browser interattive e prototipi 3D. Fornisci un brief specifico, immagini di riferimento e requisiti d’interazione. Rivedi il risultato nel browser, inclusi controlli e layout, prima di adottarlo. Un benchmark di preferenza supporta l’esplorazione; non stabilisce accessibilità, prestazioni o prontezza alla produzione per una specifica applicazione generata.
Limitazioni e considerazioni di deployment
Nessuno dei due modelli offre input audio/video nativo o fine-tuning. Una grande finestra di contesto non garantisce comunque un recupero perfetto da ogni documento; verifica le affermazioni importanti rispetto ai passaggi sorgente.
La scheda di sistema di GPT-6.2 riporta miglioramenti nel comportamento simulato sul posto di lavoro insieme a regressioni nella divulgazione di ostacoli noti al compito. OpenAI afferma che il prompt per sviluppatori di Codex riduce sostanzialmente tali omissioni. Le applicazioni dovrebbero richiedere una rendicontazione chiara quando file, strumenti o fonti non sono disponibili.
Artificial Analysis riporta anche tassi di allucinazione AA-Omniscience del 59% per Astra e 55% per Sol a Max effort. Questa metrica misura il “guessing” sulla sua valutazione fattuale; non significa che tali percentuali di tutte le risposte in produzione siano false. Rafforza il valore del retrieval e delle citazioni verificabili. Fonte: analisi indipendente.
Dovresti scegliere GPT-6.2 Astra o Sol?
Scegli prima Sol per bozze quotidiane, elaborazione documenti e flussi di lavoro di agenti sensibili al budget. Le sue tariffe inferiori lo rendono una base accessibile e diverse valutazioni mostrano una forte capacità per il costo misurato.
Prova Astra su ingegneria difficile, deliverable finanziari dettagliati, design interattivo e flussi di lavoro in cui gli errori generano molto rework. Confrontalo con il tuo modello attuale usando esiti accettati, invece di assumere che una versione più recente migliori ogni compito.
Per gli utenti CometAPI, un punto di partenza utile è un set fisso di prompt rappresentativi eseguiti su entrambi i modelli tramite la stessa integrazione. Confronta correttezza, omissioni, latenza e spesa, quindi assegna ogni carico di lavoro al modello che soddisfa i requisiti. Esplora GPT-6.2 Astra su CometAPI o GPT-6.2 Sol su CometAPI per rivedere le tariffe attuali e iniziare i test.
Conclusioni e raccomandazioni
GPT-6.2 Astra e Sol rappresentano un chiaro focus di OpenAI su efficienza senza sacrificare capacità. La combinazione di risultati di benchmark migliori, meno token di output e prezzi più bassi (o stabili) rende entrambi i modelli più attraenti per l’uso in produzione rispetto ai loro immediati predecessori.
Per la maggior parte degli sviluppatori e team:
- Imposta come default GPT-6.2 Sol per coding, scrittura e loop di agenti.
- Scegli GPT-6.2 Astra per ricerca complessa, deliverable professionali ad alto impatto o quando è richiesta la massima qualità.
- Usa CometAPI per l’integrazione più semplice, la flessibilità multi-modello e la fatturazione unificata—particolarmente utile mentre si valutano questi nuovi modelli insieme a Claude, Gemini e altri sistemi.
I modelli sono disponibili ora. Adozione precoce e test indipendenti chiariranno esattamente dove i guadagni nel mondo reale sono maggiori.


