TL;DR
2026 年 11 月 17 日,OpenAI 發布了 GPT-6.2 Astra(面向最艱難專業專案的前沿模型)和 GPT-6.2 Sol(高效的日常模型)。兩者均可在 ChatGPT Work、Codex 和 OpenAI API(gpt-6.2-astra 和 gpt-6.2-sol)中使用。Astra 比 GPT-6 Astra 便宜 20%(每百萬輸入/輸出 token 分別為 $8 / $40),且以更低的單任務成本帶來更佳結果。Sol 保持先前定價($2 / $10),在關鍵編碼基準上幾乎與 Astra 持平,成本約為其五分之一。兩個模型都減少輸出 token,具備約 ~1.05M-token 的上下文視窗,並在更高方案中支援 Ultrafast 模式。CometAPI 已提供對這兩個模型的存取,為開發者提供統一的與 OpenAI 相容端點、單一 API 金鑰以及具競爭力的價格。
重點摘要
- 已正式發布,並非傳聞:OpenAI 於 2026 年 11 月 17 日宣布了兩個模型。
- 更強的專業工作流程:Astra 在 Agents’ Last Exam 提升 5.2 分,在 GDPval v2 較 GPT-6 Astra 提升 6.2 個百分點。
- 效率很重要:在 OpenAI 的評估中,Astra 在 GDPval v2 上輸出 token 減少 22%。
- 獨立編碼結果喜憂參半:Artificial Analysis 指出 Astra 在其 Coding Agent Index 上與前代持平,而 Sol 相較 GPT-6.1 Sol 下降 3 分。
- 可透過 CometAPI 存取:兩個模型頁面列出的輸入、輸出與快取輸入費率,均較對應的 OpenAI 標準費率低 20%。
- 遷移需注意:工具呼叫需要使用 Responses API,且不支援
reasoning_effort="none"。
什麼是 GPT-6.2 Astra 與 Sol?
兩個模型都接受文字與影像輸入並輸出文字。它們共享約 1,050,000 個 token 的大型上下文視窗(外部報導提到高上限輸入與 128,000 的上限輸出)。次要報導列示的知識截止日期為 Astra:2026 年 5 月 18 日;Sol:2026 年 6 月 1 日。
OpenAI 強調實際效率:兩個模型以更少的輸出 token 完成高難度任務,讓使用者在相同使用上限或預算下完成更多工作。
GPT-6.2 Astra:為高難度專案而生的模型
OpenAI 將 GPT-6.2 Astra 描述為其在艱難專案中從頭到尾最具能力的模型。其文件化能力包括構建與修訂軟體、使用電腦,以及處理文件。其定位的工作量不僅是回答問題,還涵蓋理解來源材料、選擇工具、進行變更、檢查結果,並產出可用的交付物。
這使 Astra 對於全倉庫工程、細緻的財務分析、專業文書與研究流程尤為相關。其價值取決於它是否能提升最終成品,或將修正迭代次數降低到足以證成其相較 Sol 的溢價。來源:Astra 模型文件。
GPT-6.2 Sol:以更低 token 價格應對日常工作
GPT-6.2 Sol 是 OpenAI 面向日常工作的首選模型,包括大規模的編碼與代理。其標準輸入與輸出費率為 Astra 的四分之一,同時上下文與輸出上限與 Astra 一致。
OpenAI 報告指出,在 Cognition 的 FrontierCode 2.0 上,Sol 與 Astra 的差距在 0.5 分以內,而任務成本約為其五分之一,兩者均為 Max reasoning effort。這是先測試 Sol 的充分理由,但該結果並不代表其在所有編碼工作負載上表現等同。來源:發佈公告。
GPT-6.2 關鍵特性:有哪些變化?
科學研究與電腦操作的提升
Astra 在科學基準上有顯著提升(例如在 Terminal-Bench Science 約 +9 分),並具備更進階的電腦使用能力,包括更細緻地操作 CAD 工具、模擬與 3D 建模(零件、組件、物理交互)。
更實用的文件、試算表與簡報
OpenAI 強調在法律、銷售、金融與會計等領域對專業慣例的更佳遵循。Astra 旨在產出更清晰的文件、更可用的試算表,以及能遵循所提供範本(包含版面、色彩與字體配置)的簡報。
對商務使用者而言,實際的檢驗在於:活頁簿是否仍可編輯、其計算是否可追溯、結論是否與底層證據一致。對於簡報,請比較範本的一致性與所需的手動編輯量。這些結果比初始截圖是否漂亮更為重要。來源:專業輸出示例。
更佳的工具選擇與電腦操作
兩個模型皆可透過 Responses API 使用工具,包括網頁搜尋、檔案搜尋、程式碼直譯器、託管殼層、電腦使用、MCP 與工具搜尋。OpenAI 亦文件化了可委派工作的 Multi-agent beta。
這些能力讓開發者能將推理連結到應用工作流程。若應用提供必要的工具與權限,模型即可檢視報告、計算數字並撰寫備忘錄。原生輸出仍為文字;影像生成則為單獨支援的工具。透過閘道存取提供者託管工具時,也需要端點層級的相容支援。來源:模型文件。
更高效的推理與更乾淨的程式碼
OpenAI 表示,Astra 在工具與投入的決策上更佳、寫出更乾淨的程式碼,且在早期測試中需要更少的修訂輪次。其遷移指南亦描述了更精煉的預設寫作風格。
對既有應用而言,這意味著值得重新檢視提示詞。重複要求簡潔的系統提示,現在可能會壓抑有用細節。相反地,明確要求來源參考、完成準則與驗證證據,可讓輸出更易於審閱。來源:使用 GPT-6.2。
GPT-6.2 在基準測試中的表現如何?
GPT-6.2 在專業工作、科學推理與交互式 3D 開發方面表現強勁。**Astra 提供最強的整體能力,Sol 則以更低的測得單任務成本提供具競爭力的表現。**然而,獨立的編碼評估顯示,改進並非在所有工作負載上均勻呈現。
官方/OpenAI 報告的關鍵結果
這些結果主要來自 OpenAI 的發佈材料(通常在 max 或 xhigh reasoning effort):
| 基準 | 測試內容 | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | 備註/成本背景 |
|---|---|---|---|---|---|
| Agents’ Last Exam v1.1 | 多步驟專業工作流程 | 78.3% | 73.1% | 73.0% | 較前代 Astra +5.2 分,成本僅為 <⅓–½;較 Claude Fable 5.2 +5.5 分,成本約 5% |
| GDPval v2 (internal) | 長期知識工作(顧問、金融、設計) | 50.4% (+6.2 pts) | 44.2% | 46.9% (+5.3 pts) | Astra 輸出 token 減少 22% |
| Terminal-Bench-Science 0.1 | 在終端中的科學研究 | 77.1% (+9 pts) | 68.1% | 68.0% | 成本低於前代 Astra 的 <⅓ |
| FrontierCode 2.0 | 對真實代碼庫的可合併變更 | 44.2% | 42.8% | 43.8% | Sol 與 Astra 相差約 ~0.5 分,但成本約為其 ~1/5 |
| Vals Science Index | 生物資料 + 模擬實驗 | 68.4% | 65.1% | 58.5% | Astra 領先 |
| Harvey LAB-AA v1.1 | 嚴格的法律交付物 | 15.0% | 8.6% | 11.1% | 相對提升大;在部分報告中超過 Fable 5.2 一倍以上 |
| BenchCAD 2.1 Core | 從圖面進行 CAD 建模/裝配 | 82.5% | 62.6% | 73.1% | 與 Claude Fable 5.2(~83.5%)非常接近,但成本約為其 ~1/9–1/10 |
| ExploitBench Internal Port (cyber) | 漏洞利用成功率 | 53.5% (+22 pts) | 31.5% | 50.5% | 大幅提升;施加更嚴格的防護 |
Astra 在 AA-3D(交互式 3D 體驗,約 1,318 Elo)上也領先或排名非常靠前,並在 AutomationBench 與內部的安全編碼評估(SecureSWE、PatchBench)上表現強勁。
程式開發:高性價比,但升級效果不一
在 Cognition 的 FrontierCode 2.0 上,OpenAI 報告 GPT-6.2 Sol 與 GPT-6.2 Astra 的差距在 0.5 分以內,而任務成本約為其五分之一,兩者均使用 Max reasoning effort。此基準評估對真實代碼庫的變更是否符合維護者的合併標準。
這讓 Sol 在成本敏感的程式開發應用中相當具有吸引力。然而,Artificial Analysis 的獨立評估提供了更審慎的觀點:
- GPT-6.2 Astra 在其 Coding Agent Index 上相較 GPT-6 Astra 基本持平。
- GPT-6.2 Sol 在同一指標上相較 GPT-6.1 Sol 下降三分。
- Sol 的下滑主要由 SWE-Atlas-QnA-AA 上的 14 分降幅所致,評估者觀察到更多遺漏事實的情形。
實務上的啟示是應將「程式實作」與「代碼庫解說」分別評估。模型可能能產出有效補丁,但在回答關於代碼庫的問題時仍會遺漏重要資訊。
獨立智慧、3D 與機器人領域結果
獨立評估也指出了編碼之外的優勢。
| 評估 | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Artificial Analysis Intelligence Index | 僅次於 Claude Fable 5.2;較 GPT-6 Astra 提升五分 | 得分 57,較 GPT-6.1 Sol 提升兩分 |
| AA-3D | 1,318 Elo | 1,259 Elo |
| AA-Robotics v0.1 | 79 | 78 |
來源:Artificial Analysis 的 11 月 17 日發佈分析。
- 另見,Epoch AI 將 Astra 列為 174 ECI,與 Claude Fable 5.2 持平。排名差異反映評估套件不同。
- Vals Index:Astra 約 67.7%(第 7),Sol 約 66.1%(第 9)。在此處落後於部分 Anthropic 與 Google 模型(更偏重金融/編碼)。
- Coding Agent Index(Artificial Analysis,Codex 測試工具):Astra 大致與 GPT-6 Astra 持平;Sol 在部分測試中略低於 GPT-6.1 Sol。第三方編碼測試(例如困難的多輪互動)常見兩者落後 Claude Opus 5.5/Fable 5.2 數分,不過 Sol 仍具很高的成本效益。
優勢與權衡總結
- 最大優勢:成本效率 + 專業/代理型工作流程、科學研究、範本感知的文件/投影片、CAD/3D 與資安能力。
- 提升較溫和:純編碼代理表現(Sol 在 FrontierCode 上極接近 Astra,且成本更低)。
- 定位:Astra 是處理困難專案的高能力選擇;Sol 由於在關鍵編碼基準上幾近同級、價格僅其一小部分,成為大多數日常與程式工作實用的預設選擇。
GPT-6.2 API 定價:OpenAI 對比 CometAPI
標準 token 價格
以下數字為每百萬 token 的美元價格,檢視日期為 2026 年 11 月 19 日。OpenAI 費率為標準短上下文費率;CometAPI 數字為目前模型頁面所列。
| 模型與提供者 | 輸入 | 快取輸入 | 輸出 |
|---|---|---|---|
| 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 |
來源:OpenAI Astra、OpenAI Sol、CometAPI Astra、以及 CometAPI Sol。
CometAPI 所列費率較對應的 OpenAI 費率低 20%。這是特定價目表的對比,並非宣稱 CometAPI 在所有處理等級或合約條款下都是最低價。
長上下文、快取寫入與速度等級
當請求超過「272,000 個輸入 token」時,OpenAI 會套用更高費率:輸入與快取費率加倍,輸出費率則為 1.5 倍,且套用於整個請求。Astra 的結果標準輸入/輸出費率為 $16/$60;Sol 則為 $4/$15。
快取讀寫分別收費。OpenAI 列示 30 分鐘快取寫入的費率:Astra 為每百萬 token $10,Sol 為 $2.50。12 小時寫入分別為 $20 與 $5,長上下文倍率前的價格。
Batch 為 Standard 的 50%,Fast 為 Standard 的兩倍。Ultrafast 在 2027 年 2 月 28 日前為 Standard 的三倍,自 2027 年 3 月 1 日(太平洋時間)起為六倍。請另外確認閘道支援與計費
如何存取 GPT-6.2 Astra 與 Sol
ChatGPT Work、Codex 與 OpenAI API
OpenAI 的發佈公告表示,兩個模型可在 ChatGPT Work 與 Codex 中供 Plus、Pro、Enterprise 與 Edu 使用者使用。Enterprise 與 Edu 存取可能取決於管理員設定。開發者可透過 API 使用 gpt-6.2-astra 與 gpt-6.2-sol。訂閱存取與 API 使用有不同的計費安排;請參考相關方案與 API 文件。來源:可用性公告。
透過 CometAPI 存取
CometAPI 為希望在同一 API 整合下同時使用多家提供者模型的團隊提供實用途徑。其目前的模型頁面列示兩個 GPT-6.2 變體皆可用。
- 登入 CometAPI 主控台 並建立 API 金鑰。
- 將金鑰儲存在伺服器端環境變數中。
- 以
https://api.cometapi.com/v1.設定 OpenAI SDK。 - 選擇模型 ID,發送小型請求,並檢視用量與輸出。
以下基本文字範例改寫自 CometAPI 快速上手 與 OpenAI 的模型參數指引。
對工具工作流程使用 Responses API。請在 CometAPI 的 API 文件 中確認所需的託管工具、串流行為與限制;僅有模型可用性不代表對每項提供者託管功能皆有支援。
現有 GPT 應用的遷移建議
OpenAI 建議新整合從 Medium reasoning effort 開始。將 none 或 minimal 改為 low。若使用 Chat Completions,請省略 temperature、top_p、logprobs 與 top_logprobs;這些較舊的請求選項與文件化的遷移路徑不相容。
對話處理也有所改變。編輯較早的歷史、某些模型變更(包含降級)、或變更最終使用者或組織,可能會丟棄較早的推理項目。這可能降低品質並增加重複工作。
請將穩定的指示保留在 Responses input 開頭的 developer 訊息中,並保留對話前綴。自 GPT-6.2 起,頂層 instructions 會附加在 input 之後,這也改變了其在快取上的影響。來源:GPT-6.2 遷移指南。
GPT-6.2 Astra 與 Sol 的最佳使用場景
軟體團隊:將實作與說明分開
針對例行變更與可重複的編碼協助,優先使用 Sol 作為起點。對架構決策、棘手除錯、以及橫跨多服務的變更測試 Astra。考慮到獨立編碼結果,也可在代碼庫解說評估中保留 GPT-6.1 Sol。要求具體證據:可執行的變更、相關檢查、以及審核者可驗證的檔案參考。
財務與營運:評估可交付成果
Astra 在專業工作方面的結果,值得在可編輯的活頁簿、對帳與管理報告上測試。提供來源報告與必要的範本,並驗證公式、假設與數字關聯。流程建立後,Sol 或可勝任重複性的摘要。決策應以正確、可審核的輸出與編輯時間為準,而非僅看呈現是否精緻。
產品與設計:先做原型,再檢視
AA-3D 提供了在互動式瀏覽器體驗與 3D 原型上測試 Astra 的依據。提供具體簡報、參考影像與互動需求。在採用前,請於瀏覽器中檢視結果,包括操控與版面配置。偏好型基準可供探索,但不代表生成應用在可及性、效能或生產就緒度上的結論。
限制與部署考量
兩個模型皆不提供原生的音訊/視訊輸入或微調。大型上下文視窗也不保證能從每份文件中完美擷取;請對重要主張進行來源段落驗證。
GPT-6.2 系統卡 報告在模擬的職場行為上有所改善,同時在揭露已知任務障礙方面出現回退。OpenAI 表示 Codex 的開發者提示可大幅降低這些遺漏。應用應在檔案、工具或來源不可用時,要求清楚的回報。
Artificial Analysis 亦報告,在 AA-Omniscience 事實評估上,Astra 與 Sol 在 Max effort 時的幻覺率分別為 59% 與 55%。此指標衡量在其事實評估上「猜測」的情形;並不表示所有生產回應中有該比例為錯。這強化了檢索與可驗證引用的價值。來源:獨立分析。
應該選擇 GPT-6.2 Astra 還是 Sol?
對日常撰寫、文件處理與注重預算的代理工作流程,請先選擇 Sol。其較低的費率讓其成為可親近的基準,且多項評估顯示就測得成本而言具備強大能力。
在困難工程、細緻的財務交付物、互動式設計,以及錯誤會導致大量重工的工作流程上,請測試 Astra。將其與當前模型比較時,以可接受的成果為依據,而非假定新版本在每項任務上都更好。
對 CometAPI 使用者而言,實用的起點是以固定的一組代表性提示,透過相同整合分別測試兩個模型。比較正確性、遺漏、延遲與花費,然後將各工作負載指派給符合其需求的模型。探索 CometAPI 上的 GPT-6.2 Astra 或 CometAPI 上的 GPT-6.2 Sol,以檢視當前費率並開始測試。
結論與建議
GPT-6.2 Astra 與 Sol 清楚展現了 OpenAI 在「不犧牲能力的效率」上的重點。更佳的基準表現、更少的輸出 token、以及更低(或持平)的定價,使兩個模型較其前代更適合投入生產。
對多數開發者與團隊:
- 預設使用 GPT-6.2 Sol 進行編碼、寫作與代理迴圈。
- 在複雜研究、高風險的專業交付物,或需要最高品質時,選擇 GPT-6.2 Astra。
- 使用 CometAPI 以獲得最簡單的整合、多模型彈性與統一計費——在與 Claude、Gemini 與其他系統一同評估新模型時尤為有價值。
模型現已可用。早期採用與獨立測試將釐清其在真實世界中最大化收益的具體場景。


