TL;DR
17 ноября 2026 года OpenAI выпустила GPT-6.2 Astra (передовая модель для самых сложных профессиональных проектов) и GPT-6.2 Sol (эффективная модель для повседневной работы). Обе доступны в ChatGPT Work, Codex и OpenAI API (gpt-6.2-astra и gpt-6.2-sol). Astra на 20% дешевле, чем GPT-6 Astra ($8 / $40 за миллион входных/выходных токенов) и обеспечивает лучшие результаты при существенно меньшей стоимости задачи. Sol сохраняет прежние цены ($2 / $10), при этом почти сравниваясь с Astra по ключевым кодовым бенчмаркам примерно за пятую часть стоимости. Обе модели используют меньше выходных токенов, имеют контекстное окно ~1.05M токенов и поддерживают режим Ultrafast в старших тарифах. CometAPI уже предоставляет доступ к обеим моделям, предлагая единый совместимый с OpenAI эндпоинт, один API-ключ и конкурентные цены для разработчиков.
Ключевые выводы
- Релиз, а не слухи: OpenAI объявила о обеих моделях 17 ноября 2026 года.
- Усиление профессиональных рабочих процессов: Astra прибавляет 5.2 пункта на Agents’ Last Exam и 6.2 процентных пункта на GDPval v2 по сравнению с GPT-6 Astra.
- Эффективность имеет значение: Astra использует на 22% меньше выходных токенов на GDPval v2 в оценке OpenAI.
- Независимые результаты по кодированию неоднозначны: Artificial Analysis фиксирует отсутствие изменений у Astra в своем Coding Agent Index и падение Sol на три пункта относительно GPT-6.1 Sol.
- Доступ через CometAPI: На страницах обеих моделей указаны ставки для входа, выхода и кэшированных входов на 20% ниже соответствующих стандартных ставок OpenAI.
- На миграцию стоит обратить внимание: Вызов инструментов требует Responses API, а
reasoning_effort="none"не поддерживается.
Что такое GPT-6.2 Astra и Sol?
Обе модели принимают текст и изображения на вход и возвращают текст. Они разделяют большое контекстное окно примерно в 1,050,000 токенов (в обзорах сообщаются высокие максимумы по входу и 128,000 по выходу). В неофициальных источниках указаны границы знаний: 18 мая 2026 для Astra и 1 июня 2026 для Sol.
OpenAI делает акцент на реальной эффективности: обе модели завершают требовательные задачи с меньшим числом выходных токенов, так что пользователи успевают больше при тех же лимитах или бюджете.
GPT-6.2 Astra: модель для требовательных проектов
OpenAI описывает GPT-6.2 Astra как свою наиболее способную модель для сложных проектов от начала до конца. Документированные возможности включают создание и доработку ПО, использование компьютера и работу с документами. Предполагаемая нагрузка выходит за рамки ответа на вопрос: она включает понимание исходных материалов, выбор инструментов, внесение изменений, проверку результатов и выпуск готового результата.
Такое позиционирование делает Astra релевантной для разработки на уровне целых репозиториев, детализированного финансового анализа, профессиональных документов и исследовательских процессов. Ее ценность зависит от того, улучшает ли она конечный результат или сокращает число циклов правок настолько, чтобы оправдать премию по сравнению с Sol. Источник: документация модели Astra.
GPT-6.2 Sol: повседневная работа по более низкой цене за токены
GPT-6.2 Sol — основная модель OpenAI для повседневной работы, включая кодирование и агентов в масштабе. Ее стандартные ставки за вход и выход составляют четверть от ставок Astra, при этом лимиты контекста и выхода совпадают с Astra.
OpenAI сообщает, что Sol отстает от Astra всего на 0.5 пункта в Cognition’s FrontierCode 2.0 при примерно одной пятой стоимости задачи, при том что обе работают на Max reasoning effort. Это разумная причина сначала протестировать Sol, хотя такой результат не гарантирует равной производительности во всех кодовых нагрузках. Источник: анонс релиза.
Ключевые особенности GPT-6.2: что изменилось?
Улучшения для научных исследований и использования компьютера
Astra заметно прибавляет на научных бенчмарках (например, ~+9 пунктов на Terminal-Bench Science) и продвинутых возможностях использования компьютера, включая более тонкую работу в CAD-инструментах, симуляциях и 3D-моделировании (детали, сборки, физические взаимодействия).
Более полезные документы, таблицы и презентации
OpenAI подчеркивает лучшее соблюдение профессиональных норм в юриспруденции, продажах, финансах и бухгалтерии. Astra создана для производства более понятных документов, более пригодных для работы таблиц и презентаций, соблюдающих заданные шаблоны, включая макет, цвет и типографику.
Для бизнес-пользователя практический тест — остается ли книга редактируемой, можно ли проследить вычисления и соответствуют ли выводы исходным данным. Для презентации сравните соответствие шаблону и объем ручной доработки. Эти показатели важнее, чем полированный вид первого скриншота. Источник: примеры профессиональной выдачи.
Лучший выбор инструментов и использование компьютера
Обе модели поддерживают инструменты через Responses API, включая веб-поиск, поиск по файлам, интерпретатор кода, hosted shell, компьютерное управление, MCP и поиск инструментов. OpenAI также документирует Multi-agent beta для делегирования работы.
Эти возможности позволяют разработчикам связать рассуждения с прикладными рабочими процессами. Модель может изучать отчеты, рассчитывать показатели и готовить записку, если приложение предоставляет необходимые инструменты и разрешения. Нативный выход — текст; генерация изображений — отдельный поддерживаемый инструмент. Инструменты, размещенные у провайдера, также требуют специфичной поддержки эндпоинтов при доступе через шлюз. Источник: документация модели.
Более эффективные рассуждения и более чистый код
OpenAI утверждает, что Astra лучше принимает решения о выборе инструментов и усилий, пишет более чистый код и требует меньше раундов правок на ранних тестах. В руководстве по миграции также описан более краткий стиль письма по умолчанию.
Для существующих приложений это означает, что подсказки стоит пересмотреть. Системное сообщение, которое настойчиво требует краткости, теперь может подавлять полезные детали. Напротив, явные запросы на указание источников, критериев завершения и подтверждающих доказательств делают результат удобнее для проверки. Источник: Using GPT-6.2.
Как GPT-6.2 показывает себя в бенчмарках?
GPT-6.2 демонстрирует сильные результаты в профессиональной работе, научных рассуждениях и интерактивной 3D-разработке. Astra обеспечивает наивысшие суммарные возможности, а Sol — сопоставимую производительность при более низкой измеренной стоимости задач. Однако независимые оценки по кодированию показывают, что улучшения неоднородны между различными рабочими нагрузками.
Ключевые официальные результаты / данные OpenAI
Они преимущественно из материалов запуска OpenAI (часто на максимальном или xhigh уровне усилий рассуждения):
| Бенчмарк | Что он тестирует | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | Примечания / контекст стоимости |
|---|---|---|---|---|---|
| Agents’ Last Exam v1.1 | Многошаговые профессиональные рабочие процессы | 78.3% | 73.1% | 73.0% | +5.2 п. против прежней Astra при <⅓–½ стоимости; +5.5 п. против Claude Fable 5.2 при ~5% стоимости |
| GDPval v2 (внутренний) | Долгосрочная работа с знаниями (консалтинг, финансы, дизайн) | 50.4% (+6.2 п.) | 44.2% | 46.9% (+5.3 п.) | На 22% меньше выходных токенов у Astra |
| Terminal-Bench-Science 0.1 | Научные исследования в терминале | 77.1% (+9 п.) | 68.1% | 68.0% | <⅓ стоимости прежней Astra |
| FrontierCode 2.0 | Готовые к слиянию изменения в реальных кодовых базах | 44.2% | 42.8% | 43.8% | Sol в пределах ~0.5 п. от Astra при ~⅕ стоимости |
| Vals Science Index | Биологические данные + симулированные эксперименты | 68.4% | 65.1% | 58.5% | Astra лидирует |
| Harvey LAB-AA v1.1 | Строгие юридические документы | 15.0% | 8.6% | 11.1% | Сильный относительный прирост; в некоторых отчетах более чем вдвое превосходит Fable 5.2 |
| BenchCAD 2.1 Core | CAD-моделирование / сборки по чертежам | 82.5% | 62.6% | 73.1% | Очень близко к Claude Fable 5.2 (~83.5%) при ~1/9–1/10 стоимости |
| ExploitBench Internal Port (cyber) | Успешность эксплуатации уязвимостей | 53.5% (+22 п.) | 31.5% | 50.5% | Большой скачок; применены более строгие меры безопасности |
Astra также лидирует или занимает очень высокие позиции на AA-3D (интерактивные 3D-опыты, ~1,318 Elo) и демонстрирует сильные результаты на AutomationBench и внутренних проверках безопасного кода (SecureSWE, PatchBench).
Кодирование: высокая экономическая эффективность, смешанные результаты апгрейда
На Cognition’s FrontierCode 2.0 OpenAI сообщает, что GPT-6.2 Sol отстает от GPT-6.2 Astra всего на 0.5 пункта, при этом примерно в пять раз дешевле по стоимости задачи, и обе модели используют Max reasoning effort. Этот бенчмарк оценивает, соответствуют ли изменения в реальных репозиториях стандартам мейнтейнеров для слияния.
Это делает Sol привлекательным кандидатом для приложений кодирования, где важна стоимость. Однако независимая оценка Artificial Analysis дает более квалифицированную картину:
- GPT-6.2 Astra без изменений относительно GPT-6 Astra в их Coding Agent Index.
- GPT-6.2 Sol на три пункта ниже, чем GPT-6.1 Sol на том же индексе.
- Падение Sol связано с снижением на 14 пунктов по SWE-Atlas-QnA-AA, где наблюдалось больше пропущенных фактов.
Практический вывод — раздельно оценивать реализацию кода и объяснение репозитория. Модель может делать эффективные патчи, одновременно упуская важную информацию при ответах на вопросы о кодовой базе.
Независимые результаты по «интеллекту», 3D и робототехнике
Независимые оценки также отмечают сильные стороны за пределами кодирования.
| Оценка | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Artificial Analysis Intelligence Index | Вторая после Claude Fable 5.2; +5 пунктов к GPT-6 Astra | 57 баллов, +2 пункта к GPT-6.1 Sol |
| AA-3D | 1,318 Elo | 1,259 Elo |
| AA-Robotics v0.1 | 79 | 78 |
Источник: анализ релиза Artificial Analysis от 17 ноября.
- Отдельно, Epoch AI указывает Astra на уровне 174 ECI, наравне с Claude Fable 5.2. Различия в рейтингах отражают разные наборы оценок.
- Vals Index: Astra ~67.7% (#7), Sol ~66.1% (#9). Отстают от ряда моделей Anthropic и Google (более высокий вес финансов/кодирования).
- Coding Agent Index (Artificial Analysis, Codex harness): Astra примерно на уровне GPT-6 Astra; Sol немного ниже GPT-6.1 Sol в некоторых прогонах. Сторонние тесты кодирования (например, сложные многотуровые сессии) часто ставят обе модели ниже Claude Opus 5.5 / Fable 5.2 на несколько пунктов, хотя Sol остается высоко экономичной.
Итог по сильным сторонам и компромиссам
- Главные выигрыши: Экономическая эффективность + профессиональные/агентные рабочие процессы, научные исследования, документы/слайды с учетом шаблонов, CAD/3D и кибербезопасность.
- Более скромные улучшения: «Чистая» производительность кодовых агентов (Sol чрезвычайно близок к Astra на FrontierCode при гораздо меньшей цене).
- Позиционирование: Astra — вариант максимальных возможностей для сложных проектов; Sol — практичный дефолт для повседневной и кодовой работы благодаря почти паритету на ключевых бенчмарках при малой цене.
Цены GPT-6.2 в API: OpenAI vs CometAPI
Стандартные цены за токены
Все суммы — USD за миллион токенов, проверено 19 ноября 2026 года. Тарифы OpenAI — стандартные для короткого контекста; цифры CometAPI — текущие на страницах моделей.
| Модель и провайдер | Вход | Кэшированный вход | Выход |
|---|---|---|---|
| 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 |
Источники: OpenAI Astra, OpenAI Sol, CometAPI Astra, и CometAPI Sol.
Указанные ставки CometAPI на 20% ниже соответствующих ставок OpenAI. Это сравнение конкретных прайс-карт, а не утверждение, что CometAPI всегда самый дешевый вариант во всех режимах обработки или по договорным условиям.
Длинный контекст, запись в кэш и уровни скорости
OpenAI применяет повышенные ставки при превышении 272,000 входных токенов: цены за вход и кэш удваиваются, а ставки за выход растут в 1.5 раза для всего запроса. В итоге стандартные ставки Astra за вход/выход составляют $16/$60; у Sol — $4/$15.
Чтение и запись кэша тарифицируются отдельно. OpenAI указывает запись в кэш на 30 минут по $10 за миллион токенов для Astra и $2.50 для Sol. Запись на 12 часов — $20 и $5 соответственно, до применения мультипликаторов длинного контекста.
Batch стоит 50% от Standard, тогда как Fast — вдвое дороже Standard. Ultrafast стоит втрое дороже Standard до 28 февраля 2027 года, затем в шесть раз дороже Standard с 1 марта 2027 года по тихоокеанскому времени. Проверяйте поддержку шлюза и биллинг отдельно
Как получить доступ к GPT-6.2 Astra и Sol
ChatGPT Work, Codex и OpenAI API
В анонсе запуска OpenAI делает обе модели доступными в ChatGPT Work и Codex для пользователей Plus, Pro, Enterprise и Edu. Доступ в Enterprise и Edu может зависеть от настроек администратора. Разработчики могут использовать gpt-6.2-astra и gpt-6.2-sol через API. Доступ по подписке и использование API имеют раздельный биллинг; изучайте соответствующие планы и документацию API. Источник: объявление о доступности.
Доступ через CometAPI
CometAPI предлагает практичный путь для команд, которые хотят использовать эти модели вместе с моделями других провайдеров в рамках единой интеграции API. На текущих страницах моделей указано, что доступны оба варианта GPT-6.2.
- Войдите в консоль CometAPI и создайте API-ключ.
- Сохраните ключ в переменной окружения на серверной стороне.
- Настройте OpenAI SDK на
https://api.cometapi.com/v1. - Выберите ID модели, отправьте небольшой запрос и проверьте usage и вывод.
Следующий базовый пример для текста адаптирует быстрый старт CometAPI и рекомендации OpenAI по параметрам для конкретных моделей.
Используйте Responses API для рабочих процессов с инструментами. Проверьте необходимые hosted-инструменты, поведение стриминга и лимиты в документации API CometAPI; факт наличия модели не гарантирует поддержку всех функций, размещенных у провайдера.
Советы по миграции для существующих GPT-приложений
OpenAI рекомендует начинать новые интеграции с Medium reasoning effort. Замените none или minimal на low. Для Chat Completions опустите temperature, top_p, logprobs и top_logprobs; эти устаревшие параметры запроса несовместимы с документированным путем миграции.
Также меняется работа с историей диалога. Редактирование ранней истории, определенные смены модели, включая понижение версии, или смена конечного пользователя/организации могут привести к сбросу ранних элементов рассуждений. Это может снизить качество и увеличить повторную работу.
Держите стабильные инструкции в developer-сообщении в начале Responses input и сохраняйте префикс беседы. Начиная с GPT-6.2, верхнеуровневые instructions добавляются после input, что меняет их кэширование. Источник: руководство по миграции GPT-6.2.
Лучшие сценарии использования GPT-6.2 Astra и Sol
Команды разработки ПО: разделяйте реализацию и объяснение
Используйте Sol как первичного кандидата для рутинных изменений и повторяемой помощи в кодинге. Тестируйте Astra на архитектурных решениях, сложной отладке и изменениях, охватывающих несколько сервисов. Учитывая независимые результаты по кодированию, сохраните GPT-6.1 Sol для оценок объяснения репозиториев. Требуйте конкретных доказательств: запускаемые изменения, релевантные проверки и ссылки на файлы, которые может верифицировать ревьюер.
Финансы и операции: оценивайте конечный результат
Профессиональные результаты Astra оправдывают тесты на редактируемых книгах, сверках и управленческой отчетности. Дайте ей исходные отчеты и необходимый шаблон, затем проверьте формулы, допущения и связи между цифрами. Sol может быть достаточен для регулярных сводок после настройки процесса. Выбирайте по корректности и проверяемости выходов и времени редактирования, а не по внешнему лоску.
Продукт и дизайн: прототипируйте и проверяйте
AA-3D дает основания тестировать Astra на интерактивных браузерных опытах и 3D-прототипах. Предоставьте конкретное ТЗ, референсные изображения и требования к интеракции. Проверьте результат в браузере, включая управление и макет, перед внедрением. Бенчмарк предпочтений помогает исследованию; он не гарантирует доступность, производительность или готовность к продакшену конкретного сгенерированного приложения.
Ограничения и вопросы внедрения
Ни одна из моделей не предлагает нативного аудио/видео-ввода или дообучения. Большое контекстное окно также не гарантирует идеальное извлечение информации из каждого документа; проверяйте важные утверждения по исходным фрагментам.
Системная карта GPT-6.2 сообщает об улучшениях в симулированном рабочем поведении наряду с регрессами в раскрытии известных препятствий задач. OpenAI утверждает, что разработческая подсказка Codex существенно уменьшает эти пропуски. Приложения должны требовать прозрачных сообщений, когда файлы, инструменты или источники недоступны.
Artificial Analysis также сообщает о показателях галлюцинаций AA-Omniscience 59% для Astra и 55% для Sol на Max effort. Эта метрика измеряет «угадывание» на ее фактической оценке; она не означает, что такой процент всех продакшен-ответов ложный. Это лишь подчеркивает пользу извлечения и проверяемых цитат. Источник: независимый анализ.
Что выбрать: GPT-6.2 Astra или Sol?
Выбирайте Sol в первую очередь для повседневных черновиков, обработки документов и бюджет-чувствительных агентных рабочих процессов. Более низкие ставки делают ее доступной базой, а несколько оценок показывают высокую способность при своей цене.
Тестируйте Astra на сложной инженерии, детализированных финансовых результатах, интерактивном дизайне и рабочих процессах, где ошибки вызывают существенную доработку. Сравнивайте с текущей моделью по принятым исходам, а не предполагая, что новая версия улучшает каждую задачу.
Пользователям CometAPI полезно начать с фиксированного набора репрезентативных подсказок, запущенных на обеих моделях через одну интеграцию. Сравните корректность, пропуски, латентность и затраты, затем назначьте каждую нагрузку модели, которая удовлетворяет требованиям. Изучите GPT-6.2 Astra на CometAPI или GPT-6.2 Sol на CometAPI, чтобы посмотреть актуальные ставки и начать тестирование.
Заключение и рекомендации
GPT-6.2 Astra и Sol ясно демонстрируют фокус OpenAI на эффективности без потери возможностей. Сочетание лучших бенчмарков, меньшего числа выходных токенов и более низких (или стабильных) цен делает обе модели более привлекательными для продакшена, чем их непосредственные предшественники.
Для большинства разработчиков и команд:
- По умолчанию выбирайте GPT-6.2 Sol для кодирования, письма и циклов агентов.
- Используйте GPT-6.2 Astra для сложных исследований, ответственных профессиональных результатов или когда требуется максимальное качество.
- Применяйте CometAPI для простой интеграции, гибкости мультимоделей и единого биллинга — особенно ценно в период оценки этих новых моделей вместе с Claude, Gemini и другими системами.
Модели доступны уже сейчас. Раннее внедрение и независимые тесты прояснят, где именно наибольшие выигрыши в реальных условиях.


