TL;DR
Op 17 november 2026 bracht OpenAI GPT-6.2 Astra (frontiermodel voor de lastigste professionele projecten) en GPT-6.2 Sol (efficiรซnt alledaags model) uit. Beide zijn beschikbaar in ChatGPT Work, Codex en de OpenAI API (gpt-6.2-astra en gpt-6.2-sol). Astra is 20% goedkoper dan GPT-6 Astra ($8 / $40 per miljoen input-/outputtokens) en levert betere resultaten tegen een veel lagere kost-per-taak. Sol behoudt de eerdere prijs ($2 / $10) en benadert Astra op sleutel-benchmarks voor coderen tegen ongeveer eenvijfde van de kosten. Beide modellen gebruiken minder outputtokens, hebben een contextvenster van ~1,05M tokens en ondersteunen Ultrafast mode op hogere abonnementen. CometAPI biedt nu al toegang tot beide modellen, met een uniform OpenAI-compatibel eindpunt, รฉรฉn enkele API-sleutel en concurrerende prijzen voor ontwikkelaars.
Kernpunten
- Uitgebracht, geen gerucht: OpenAI kondigde beide modellen aan op 17 november 2026.
- Sterkere professionele werkstromen: Astra wint 5.2 punten op Agentsโ Last Exam en 6.2 procentpunten op GDPval v2 ten opzichte van GPT-6 Astra.
- Efficiรซntie telt: Astra gebruikt 22% minder outputtokens op GDPval v2 in OpenAIโs evaluatie.
- Onafhankelijke coderingsresultaten zijn gemengd: Artificial Analysis ziet Astra ongewijzigd op zijn Coding Agent Index en Sol drie punten lager dan GPT-6.1 Sol.
- Toegang via CometAPI is beschikbaar: Beide modelpaginaโs tonen input-, output- en cached-inputtarieven die 20% onder de overeenkomstige standaardtarieven van OpenAI liggen.
- Migratie vergt aandacht: Tool calling vereist Responses API, en
reasoning_effort="none"wordt niet ondersteund.
Wat zijn GPT-6.2 Astra en Sol?
Beide modellen accepteren tekst- en afbeeldinginvoer en geven tekst terug. Ze delen een groot contextvenster van circa 1.050.000 tokens (met hoge maximale input en 128.000 maximale output volgens berichtgeving). Kennisafkapdata worden in secundaire rapporten vermeld als 18 mei 2026 voor Astra en 1 juni 2026 voor Sol.
OpenAI benadrukt efficiรซntie in de praktijk: beide modellen ronden veeleisende taken af met minder outputtokens, zodat gebruikers meer gedaan krijgen binnen dezelfde gebruikslimieten of hetzelfde budget.
GPT-6.2 Astra: het model voor veeleisende projecten
OpenAI beschrijft GPT-6.2 Astra als zijn meest capabele model voor moeilijke projecten van begin tot eind. Gedocumenteerde mogelijkheden omvatten het bouwen en reviseren van software, het gebruik van een computer en werken met documenten. De beoogde werklast gaat verder dan het beantwoorden van een vraag: het omvat het begrijpen van bronmateriaal, het kiezen van tools, het aanbrengen van wijzigingen, het controleren van resultaten en het opleveren van een bruikbaar resultaat.
Die positionering maakt Astra relevant voor engineering op repository-niveau, gedetailleerde financiรซle analyse, professionele documenten en onderzoekswerkstromen. De waarde hangt ervan af of het het eindresultaat verbetert of het aantal correctierondes genoeg vermindert om de premie ten opzichte van Sol te rechtvaardigen. Bron: Astra model documentation.
GPT-6.2 Sol: alledaags werk tegen een lagere tokenprijs
GPT-6.2 Sol is het standaardmodel van OpenAI voor alledaags werk, inclusief coderen en agents op schaal. De standaard input- en outputtarieven zijn een kwart van die van Astra, terwijl de context- en outputlimieten gelijk zijn aan die van Astra.
OpenAI meldt dat Sol binnen 0.5 punten van Astra komt op Cognitionโs FrontierCode 2.0 tegen ongeveer eenvijfde van de taakkosten, met beide op Max reasoning effort. Dit is een nuttige reden om Sol eerst te testen, hoewel dat resultaat geen gelijkwaardige prestaties over alle coderingswerkstromen aantoont. Bron: launch announcement.
GPT-6.2 kernfuncties: wat is er veranderd?
Verbeterd wetenschappelijk onderzoek en computergebruik
Astra boekt opvallende winst op wetenschapsbenchmarks (bijv. ~+9 punten op Terminal-Bench Science) en geavanceerde computergebruik-capaciteiten, waaronder fijner werk in CAD-tools, simulaties en 3D-modellering (onderdelen, assemblages, fysieke interacties).
Betere documenten, spreadsheets en presentaties
OpenAI benadrukt betere naleving van professionele conventies in recht, sales, finance en accounting. Astra is ontworpen om duidelijkere documenten te produceren, beter bruikbare spreadsheets en presentaties die aangeleverde templates volgen, inclusief lay-out, kleur en typografie.
Voor een zakelijke gebruiker is de praktische test of een werkboek bewerkbaar blijft, de berekeningen te herleiden zijn en de conclusies overeenkomen met het onderliggende bewijs. Voor een presentatie: vergelijk template-nauwkeurigheid en de hoeveelheid handmatige nabewerking. Deze uitkomsten zijn belangrijker dan hoe gepolijst een eerste screenshot oogt. Bron: professional output examples.
Betere toolselectie en computergebruik
Beide modellen ondersteunen tools via de Responses API, waaronder web search, file search, code interpreter, hosted shell, computer use, MCP en tool search. OpenAI documenteert ook een Multi-agent beta voor het delegeren van werk.
Deze mogelijkheden laten ontwikkelaars redeneren verbinden met applicatiewerkstromen. Een model kan rapporten inspecteren, cijfers berekenen en een memo voorbereiden, mits de applicatie de benodigde tools en permissies levert. Native output blijft tekst; beeldgeneratie is een aparte ondersteunde tool. Door de provider gehoste tools vereisen ook endpoint-specifieke ondersteuning wanneer ze via een gateway worden benaderd. Bron: model documentation.
Efficiรซntere redenering en schonere code
OpenAI zegt dat Astra betere beslissingen neemt over tools en inspanning, schonere code schrijft en minder revisierondes nodig heeft in vroege tests. De migratiegids beschrijft ook een beknoptere standaard schrijfstijl.
Voor bestaande applicaties betekent dit dat prompts opnieuw bekeken moeten worden. Een systeemprompt die herhaaldelijk om beknoptheid vraagt, kan nu nuttige details onderdrukken. Omgekeerd kan expliciet vragen om bronverwijzingen, voltooiingscriteria en bewijzen van validatie de output makkelijker te beoordelen maken. Bron: Using GPT-6.2.
Hoe presteert GPT-6.2 in benchmarktests?
GPT-6.2 levert sterke resultaten in professioneel werk, wetenschappelijke redenering en interactieve 3D-ontwikkeling. Astra biedt de sterkste algehele capaciteit, terwijl Sol concurrerende prestaties levert tegen lagere gemeten taakkosten. Onafhankelijke evaluaties voor coderen laten echter zien dat verbeteringen niet uniform zijn over werkstromen.
Belangrijke officiรซle / door OpenAI gerapporteerde resultaten
Deze komen voornamelijk uit het lanceringmateriaal van OpenAI (vaak op max of xhigh reasoning effort):
| Benchmark | Wat het test | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | Notities / Kostencontext |
|---|---|---|---|---|---|
| Agentsโ Last Exam v1.1 | Meerstaps professionele werkstromen | 78.3% | 73.1% | 73.0% | +5.2 pts vs eerdere Astra tegen <โ โยฝ van de kosten; +5.5 pts vs Claude Fable 5.2 tegen ~5% van de kosten |
| GDPval v2 (internal) | Langetermijn-kenniswerk (consulting, finance, design) | 50.4% (+6.2 pts) | 44.2% | 46.9% (+5.3 pts) | 22% minder outputtokens voor Astra |
| Terminal-Bench-Science 0.1 | Wetenschappelijk onderzoek in een terminal | 77.1% (+9 pts) | 68.1% | 68.0% | <โ van de kosten van eerdere Astra |
| FrontierCode 2.0 | Merge-klare wijzigingen in echte codebases | 44.2% | 42.8% | 43.8% | Sol binnen ~0.5 pts van Astra tegen ~โ van de kosten |
| Vals Science Index | Biologische data + gesimuleerde experimenten | 68.4% | 65.1% | 58.5% | Astra leidt |
| Harvey LAB-AA v1.1 | Strikte juridische deliverables | 15.0% | 8.6% | 11.1% | Sterke relatieve winst; meer dan een verdubbeling t.o.v. Fable 5.2 in sommige rapporten |
| BenchCAD 2.1 Core | CAD-modellering / assemblages op basis van tekeningen | 82.5% | 62.6% | 73.1% | Zeer dicht bij Claude Fable 5.2 (~83.5%) tegen ~1/9โ1/10 van de kosten |
| ExploitBench Internal Port (cyber) | Exploitsucces | 53.5% (+22 pts) | 31.5% | 50.5% | Grote sprong; strengere waarborgen toegepast |
Astra leidt ook of scoort zeer hoog op AA-3D (interactieve 3D-ervaringen, ~1.318 Elo) en laat sterke resultaten zien op AutomationBench en interne security-codeerevaluaties (SecureSWE, PatchBench).
Coderen: sterke kostenefficiรซntie, gemengde upgraderesultaten
Op Cognitionโs FrontierCode 2.0 meldt OpenAI dat GPT-6.2 Sol binnen 0.5 punten van GPT-6.2 Astra eindigt, tegen ongeveer een vijfde van de taakkosten, met beide modellen op Max reasoning effort. Deze benchmark evalueert of wijzigingen in echte repositories voldoen aan de merge-standaarden van maintainers.
Dat maakt Sol een overtuigende kandidaat voor codeerapplicaties waar kosten belangrijk zijn. Artificial Analysisโs onafhankelijke evaluatie schetst echter een meer genuanceerd beeld:
- GPT-6.2 Astra is vlak ten opzichte van GPT-6 Astra op zijn Coding Agent Index.
- GPT-6.2 Sol daalt drie punten ten opzichte van GPT-6.1 Sol op dezelfde index.
- Solโs daling wordt gedreven door een daling van 14 punten op SWE-Atlas-QnA-AA, waar de evaluator meer weggelaten feiten observeerde.
De praktische implicatie is om code-implementatie en repo-uitleg apart te evalueren. Een model kan effectieve patches produceren en toch belangrijke informatie missen bij het beantwoorden van vragen over een codebase.
Onafhankelijke resultaten voor intelligentie, 3D en robotica
Onafhankelijke evaluaties identificeren ook sterktes buiten coderen.
| Evaluatie | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Artificial Analysis Intelligence Index | Tweede achter Claude Fable 5.2; vijf punten winst t.o.v. GPT-6 Astra | Scoort 57, twee punten winst t.o.v. GPT-6.1 Sol |
| AA-3D | 1,318 Elo | 1,259 Elo |
| AA-Robotics v0.1 | 79 | 78 |
Bron: Artificial Analysisโs November 17 release analysis.
- Afzonderlijk vermeldt Epoch AI Astra op 174 ECI, gelijk met Claude Fable 5.2. Verschillen tussen ranglijsten weerspiegelen verschillende evaluatiesets.
- Vals Index: Astra ~67.7% (#7), Sol ~66.1% (#9). Achter enkele modellen van Anthropic en Google hier (zwaardere weging richting finance/coderen).
- Coding Agent Index (Artificial Analysis, Codex harness): Astra ruwweg vlak t.o.v. GPT-6 Astra; Sol iets lager dan GPT-6.1 Sol in sommige runs. Derde-partij codetests (bijv. zware multi-turn-sessies) plaatsen beide vaak enkele punten achter Claude Opus 5.5 / Fable 5.2, hoewel Sol zeer kosteneffectief blijft.
Samenvatting van sterke punten en afwegingen
- Grootste winsten: Kostenefficiรซntie + professionele/agentische werkstromen, wetenschappelijk onderzoek, template-bewuste documenten/slides, CAD/3D en cybersecurity-capaciteit.
- Meer bescheiden winst: Pure prestaties van codeeragents (Sol zit extreem dicht bij Astra op FrontierCode tegen veel lagere kosten).
- Positionering: Astra is de high-capability optie voor moeilijke projecten; Sol is de praktische standaard voor het meeste alledaagse en codeerwerk dankzij bijna-pariteit op sleutel-codingbenchmarks tegen een fractie van de prijs.
GPT-6.2 API-prijzen: OpenAI vs CometAPI
Standaard tokenprijzen
Alle onderstaande bedragen zijn USD per รฉรฉn miljoen tokens, gecontroleerd op 19 november 2026. OpenAI-tarieven zijn standaard short-contexttarieven; CometAPI-cijfers zijn de huidige vermeldingen op de modelpagina.
| Model en aanbieder | Input | Cached input | 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 |
Bronnen: OpenAI Astra, OpenAI Sol, CometAPI Astra, en CometAPI Sol.
De vermelde CometAPI-tarieven liggen 20% onder de overeenkomstige OpenAI-tarieven. Dit is een specifieke tariefkaart-vergelijking, geen claim dat CometAPI altijd de goedkoopste optie is over verwerkingstiers of contractvoorwaarden.
Lange context, cache-schrijfbewerkingen en snelheidsniveaus
OpenAI past hogere tarieven toe wanneer een request meer dan 272.000 inputtokens bevat: input- en cachetarieven verdubbelen, en outputtarieven stijgen met 1,5 keer voor het gehele request. Astraโs resulterende standaard input/outputtarieven zijn $16/$60; die van Sol zijn $4/$15.
Cachelezingen en -schrijvingen hebben afzonderlijke kosten. OpenAI vermeldt 30-minuten cache-schrijfbewerkingen tegen $10 per miljoen tokens voor Astra en $2.50 voor Sol. Schrijfbewerkingen van twaalf uur kosten respectievelijk $20 en $5, vรณรณr long-context-multipliers.
Batch kost 50% van Standard, terwijl Fast twee keer Standard kost. Ultrafast kost drie keer Standard t/m 28 februari 2027, daarna zes keer Standard vanaf 1 maart 2027, Pacific Time. Controleer gateway-ondersteuning en facturatie apart
Hoe krijg je toegang tot GPT-6.2 Astra en Sol
ChatGPT Work, Codex en OpenAI API
De lancering van OpenAI maakt beide modellen beschikbaar in ChatGPT Work en Codex voor Plus-, Pro-, Enterprise- en Edu-gebruikers. Toegang voor Enterprise en Edu kan afhangen van instellingen van beheerders. Ontwikkelaars kunnen gpt-6.2-astra en gpt-6.2-sol gebruiken via de API. Toegang via abonnement en API-gebruik kennen afzonderlijke facturatieregelingen; raadpleeg het relevante abonnement en de API-documentatie. Bron: availability announcement.
Toegang via CometAPI
CometAPI biedt een praktische route voor teams die deze modellen naast modellen van andere aanbieders willen gebruiken onder รฉรฉn uniforme API-integratie. De huidige modelpaginaโs vermelden beide GPT-6.2-varianten als beschikbaar.
- Meld je aan bij de CometAPI console en maak een API-sleutel aan.
- Sla de sleutel op in een server-side omgevingsvariabele.
- Configureer de OpenAI SDK met
https://api.cometapi.com/v1. - Selecteer de model-ID, stuur een klein request en inspecteer gebruik en output.
Het volgende eenvoudige tekstvoorbeeld is een aanpassing van de CometAPI quickstart en OpenAIโs modelspecifieke parameterrichtlijnen.
Gebruik Responses API voor tool-workflows. Verifieer vereiste gehoste tools, streaminggedrag en limieten in CometAPIโs API-documentatie; loutere modelbeschikbaarheid impliceert geen ondersteuning voor elke door de provider gehoste functie.
Migratietips voor bestaande GPT-applicaties
OpenAI raadt aan om nieuwe integraties te starten op Medium reasoning effort. Vervang none of minimal door low. Voor Chat Completions: laat temperature, top_p, logprobs en top_logprobs weg; deze oudere requestopties zijn onverenigbaar met het gedocumenteerde migratiepad.
Conversatie-afhandeling verandert ook. Het bewerken van eerdere geschiedenis, bepaalde modelwijzigingen inclusief downgrades, of het wijzigen van de eindgebruiker of organisatie kan eerdere reasoning-items verwijderen. Dit kan de kwaliteit verminderen en herhaald werk vergroten.
Houd stabiele instructies in een developer-bericht aan het begin van Responses input, en behoud het conversatieprefix. Vanaf GPT-6.2 worden top-level instructions na input toegevoegd, wat hun cache-implicaties verandert. Bron: GPT-6.2 migration guide.
Beste use-cases voor GPT-6.2 Astra en Sol
Softwareteams: implementatie scheiden van uitleg
Gebruik Sol als eerste kandidaat voor routinematige wijzigingen en herhaalbare codeerassistentie. Test Astra op architectuurbeslissingen, moeilijke debugging en wijzigingen die meerdere services beslaan. Gezien de onafhankelijke coderingsresultaten is het zinvol om GPT-6.1 Sol te behouden voor evaluaties van repository-uitleg. Vereis concreet bewijs: uitvoerbare wijzigingen, relevante checks en bestandsverwijzingen die een reviewer kan verifiรซren.
Finance en operations: beoordeel het deliverable
De professionele resultaten van Astra maken het de moeite waard om te testen op bewerkbare werkboeken, reconciliatie en managementrapportage. Geef het de bronrapporten en de vereiste template, en verifieer formules, aannames en de koppeling tussen cijfers. Sol kan voldoende zijn voor terugkerende samenvattingen zodra de workflow staat. Kies op basis van correcte, verifieerbare outputs en bewerkingstijd, niet alleen op presentatieglans.
Product en design: prototype, dan inspecteren
AA-3D biedt bewijs om Astra te testen op interactieve browserervaringen en 3D-prototypes. Lever een specifieke briefing, referentiebeeldmateriaal en interactie-eisen. Beoordeel het resultaat in de browser, inclusief controls en lay-out, voordat je het adopteert. Een voorkeurbenchmark ondersteunt verkenning; het bewijst niet de toegankelijkheid, performance of productierijpheid van een specifieke gegenereerde applicatie.
Beperkingen en overwegingen voor deployment
Geen van beide modellen biedt native audio-/video-input of fine-tuning. Een groot contextvenster garandeert ook geen perfecte retrieval uit elk document; verifieer belangrijke claims tegen bronpassages.
De GPT-6.2 system card meldt verbeteringen in gesimuleerd gedrag op de werkplek naast regressies in het melden van bekende taakobstakels. OpenAI zegt dat de Codex developer prompt die weglatingen substantieel vermindert. Applicaties zouden duidelijke rapportage moeten vereisen wanneer bestanden, tools of bronnen niet beschikbaar zijn.
Artificial Analysis meldt daarnaast AA-Omniscience hallucinatiepercentages van 59% voor Astra en 55% voor Sol op Max effort. Die metriek meet gokken op zijn feitelijke evaluatie; het betekent niet dat die percentages van alle productie-antwoorden onjuist zijn. Het onderstreept de waarde van retrieval en verifieerbare citaties. Bron: independent analysis.
Moet je GPT-6.2 Astra of Sol kiezen?
Kies Sol eerst voor alledaags schrijven, documentverwerking en budgetgevoelige agent-workflows. De lagere tarieven maken het een toegankelijke baseline, en verschillende evaluaties tonen sterke capaciteiten voor de gemeten kosten.
Test Astra op moeilijke engineering, gedetailleerde financiรซle deliverables, interactieve vormgeving en werkstromen waar fouten aanzienlijk herstelwerk veroorzaken. Vergelijk met je huidige model op basis van geaccepteerde uitkomsten, in plaats van aan te nemen dat een nieuwere versie elke taak verbetert.
Voor CometAPI-gebruikers is een nuttig startpunt een vaste set representatieve prompts die tegen beide modellen wordt gedraaid via dezelfde integratie. Vergelijk juistheid, weglatingen, latency en uitgaven, en wijs vervolgens elke werklast toe aan het model dat aan de eisen voldoet. Verken GPT-6.2 Astra op CometAPI of GPT-6.2 Sol op CometAPI om de huidige tarieven te bekijken en te beginnen met testen.
Conclusie en aanbevelingen
GPT-6.2 Astra en Sol laten een duidelijke focus van OpenAI zien op efficiรซntie zonder in te leveren op capaciteit. De combinatie van betere benchmarkresultaten, minder outputtokens en lagere (of stabiele) prijzen maakt beide modellen geschikter voor productiegebruik dan hun directe voorgangers.
Voor de meeste ontwikkelaars en teams:
- Standaardiseer op GPT-6.2 Sol voor coderen, schrijven en agent-loops.
- Kies GPT-6.2 Astra voor complexe research, hoog-stakes professionele deliverables of wanneer maximale kwaliteit vereist is.
- Gebruik CometAPI voor de eenvoudigste integratie, multi-modelflexibiliteit en uniforme facturatieโbijzonder waardevol tijdens het evalueren van deze nieuwe modellen naast Claude, Gemini en andere systemen.
De modellen zijn nu beschikbaar. Vroege adoptie en onafhankelijke tests zullen precies verduidelijken waar de winst in de praktijk het grootst is.


