跳到正文
aihot(aihot.news)· noreply@aihot.news (OpenAI:官網動態)·· 5 天前精選品質評分95

OpenAI 推出 GPT-6.2 Astra 與 Sol,分別主打專業工作和日常任務

OpenAI 釋出 GPT-6.2 Astra 與 GPT-6.2 Sol

重點導讀

處理複雜工作時,模型可能花很多時間和 token,成果也未必符合專業格式。

  • OpenAI 推出 GPT-6.2 Astra 與 GPT-6.2 Sol:Astra 主打法律、金融、科學、程式開發與設計等複雜工作,Sol 則面向日常辦公和多步驟任務。OpenAI 表示,兩款模型在多項測試中用更少 token 做出更好的結果。
  • Astra 的 API 價格是每百萬 token 輸入 8 美元、輸出 40 美元,Sol 沿用 GPT-6.1 Sol 的價格。兩款模型都達到 OpenAI 所定的網路安全 Critical 門檻,因此發布時也加強了高風險網路安全工作的防護措施。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

推薦理由

兩款模型分別瞄準複雜專業工作與日常任務,原文以多項基準、每項任務成本和防護門檻呈現差異,可據此比較用途與成本。

正文

OpenAI:官網動態·2026-11-18 01:45· 2 小時前精選AI 評分86

Introducing GPT-6.2 Astra and Sol

AI 導讀

OpenAI 釋出面向複雜專業工作的 GPT-6.2 Astra 和麵向日常工作的 GPT-6.2 Sol,兩者在更少輸出 token 下取得更好結果。

推薦理由

原文給出兩款的基準成績、token 效率、完整定價和網路安全等門檻資訊,讀者可據此評估在專業工作與日常任務中的成本收益。

隆重推出 GPT-6.2 Astra 與 Sol

GPT-6.2

Astra Sol

專業工作的新標準

在 ChatGPT Work 中試用(在新視窗中開啟)

隆重推出 GPT-6.2 Astra 與 Sol

Image 1

00:00

我們推出GPT‑6.2 Astra,這是面向最艱鉅專案的新一代前沿模型;同時推出GPT‑6.2 Sol,一款高效、多面手的日常辦公模型。兩款模型在完成高難度任務時結果更好、輸出 token 更少,讓你在用量限額內完成更多工作。對企業和開發者而言,這意味著能以適合大規模應用的成本獲得前沿效能。

GPT‑6.2 Astra 為 AI 在複雜專業工作中的表現樹立了新的質量標杆。它生成的幻燈片、電子表格和文件不再那麼像 AI 手筆,而是更貼合你提供的模板和所在行業的慣例。它寫出的程式碼更整潔,構建的前端在觀感和功能上都更出色,在網站、遊戲和 3D 設計領域尤為明顯。

在測試多步驟專業工作的 Agents’ Last Exam 上,GPT‑6.2 Astra 創下新高,得分比 GPT‑6 Astra 高 5.2 分,成本卻不到後者的三分之一;比 Claude Fable 5.2 高 5.5 分,成本僅為後者的 5%。

Agents' Last Exam v1.1

GPT-6.2 Astra

GPT-6 Astra

GPT-6.2 Sol

GPT-6.1 Sol

Claude Fable 5.2

Claude Opus 5.5

Gemini 4 Carbon

Agents’ Last Exam 評估模型在長週期專業工作流中的表現。其排行榜上 Fable 5.2 的成績不含使用備用模型完成的九項任務。

我們認為 GPT-6.2 Astra 是全球最適合科學家的模型。它在 Terminal-Bench-Science 0.1 上創下新高,該測試衡量模型在終端中開展科研工作的能力。GPT-6.2 Astra 的得分比 GPT-6 Astra 高 9 個百分點,成本卻不到後者的三分之一。它還在 Vals Science Index 上創下新高,該測試要求模型解讀真實生物資料,並通過實驗推斷模擬系統的工作方式。

Terminal-Bench-Science 0.1 評估模型在科研工作流中的表現。1

在 API 中,GPT‑6.2 Astra 的輸入和輸出 token 價格比 GPT‑6 Astra 低 20%,快取輸入還可享 60% 折扣(輸入每百萬 token 8 美元,快取輸入 0.40 美元,輸出 40 美元)。GPT‑6.2 Sol 維持 GPT‑6.1 Sol 的 API token 價格。在多項基準測試中,兩款模型都以遠低於其他領先模型的單任務成本,接近甚至超越後者。

Artificial Analysis Intelligence Index v5 綜合了知識工作、程式設計、科學和常識四個領域的九項評測。

GPT-6.2 Sol:我們日常辦公的首選模型

與 GPT‑6.1 Sol 相比,GPT‑6.2 Sol 更聰明、更高效,讓你在同樣的付費方案下完成更多工。它能順暢推進多步驟AI 助理工作流,行文清晰自然,協作起來也很順手。OpenAI 的許多員工都把它作為技術類和非技術類任務的預設模型。

在 Cognition 的 FrontierCode 2.0 中,GPT‑6.2 Sol 與 GPT‑6.2 Astra 的差距僅 0.5 分,成本約為後者的五分之一(兩者均為最高配置)。

FrontierCode 2.0 評估對真實程式碼庫的改動是否符合維護者的合併標準。

它的速度和智慧也使其成為人們在工作之外求助 AI 處理重要任務的理想選擇。在我們近期釋出的 LifeVal⁠ 評測中(該評測衡量模型在具有挑戰性的日常任務上的表現),GPT‑6.2 Sol 的得分超過 GPT‑6 Astra,成本約為後者的七分之一。

LifeVal 測試的是模型能否處理好貼合個人需求的日常事務,比如搬家後篩選幼兒園、找一套符合家庭預算和通勤條件的房子,或者為一位剛確診新病的家長規劃三餐。

達到行業標準的專業產出

我們訓練 GPT‑6.2 Astra,讓它製作出更清晰、設計更精良的幻燈片、電子表格和文件,更貼近法律、銷售、金融、會計等領域的專業慣例。文字更直接、更具體,空泛的結論和湊數的內容都更少。

Harvey LAB‑AA v1.1 用法律任務來測試模型能否在原始文件中找到相關事實,將其應用到一份詳細的簡報中,併產出一份滿足全部要求的準確交付物。GPT‑6.2 Astra 創下新的最優成績,通過率是 Claude Fable 5.2 的兩倍多,成本卻只有後者的約六分之一。Astra for Law⁠ 是我們為律師配置的 GPT-6.2 Astra 版本,在這項基準測試中得分更高。

Harvey LAB‑AA 測試的是合同條款審閱等法律工作。它的主評分只有在交付物滿足全部評分標準且不含實質性幻覺時才會給分。

我們的內部 GDPval v2 基準是 GDPval⁠ 的下一代版本,任務取自諮詢、金融和設計領域的真實專案,且為多步驟任務。GPT‑6.2 Astra 在我們測試的模型中領先,比 GPT‑6 Astra 提升 6.2 個百分點,輸出 token 用量還少了 22%。GPT‑6.2 Sol 比 GPT‑6.1 Sol 提升 5.3 個百分點。

GDPval v2 的任務取自諮詢、金融和設計領域的真實專案,使用的是團隊接到任務時手頭的檔案和訊息。

幻燈片

GPT‑6.2 Astra 是我們迄今最擅長設計幻燈片、遵循幻燈片模板的模型,無論給的是原始檔案還是一張截圖。它能還原版式、配色和字型排版,連字號都分毫不差,還能把模板的寫作風格延續到新幻燈片裡。早期測試者發現,這些簡報幾乎可以直接使用,需要改動的地方更少,因為標題直接點明核心結論,正文簡潔,只聚焦讀者需要了解的細節。

GPT-6 Astra

載入中……

– / –

GPT-6.2 Astra

載入中……

– / –

我們讓兩個模型根據某零售商公開的 Q2 財報和 10‑Q 表格,更新其公開的 Q1 財報簡報。兩者都指出關稅退款是報告利潤增長的主要推手。GPT‑6.2 Astra 把 5.3% 的銷售額增長寫進標題,拆分出線上和門店各自的增長,並突出管理層接下來要做的具體事項,包括保證暢銷商品庫存、在預算中不再計入後續退款。

工作簿與備忘錄

搭建估值工作簿或撰寫投資備忘錄,首先要從原始檔案中找到相關數字,再理清它們之間的關係。Artificial Analysis 的 AA‑AnalystAgent 用真實的電子表格和報告來測試這項工作。其中一項任務是讓模型用加州 Medicaid 的支出報告,算出該專案在醫療轉運上花了多少錢。GPT‑6.2 Astra 創下新高,在全部五次獨立嘗試中答對了 62.5% 的問題。

GPT-6 Astra

載入中……

– / –

GPT-6.2 Astra

載入中……

– / –

我們給兩個模型提供了同一套財務報表、經營假設和市場資料,物件是一家虛構的農業科技公司 Alderfen Field Systems。我們要求它們搭建一個可編輯的 Excel 工作簿,按業務板塊預測到 2031 年的收入,並檢查三張財務報表是否勾稽一致。工作簿還要按 8% 的折現率和 3% 的永續增長率估算每股攤薄價值,給出什麼樣的增長率能支撐參考股價,並展示這些假設變化時估值如何隨之變動。

GPT‑6.2 Astra 把收入結構和從企業價值到每股價值的推導過程放在敏感性表格旁邊。讀者能看出哪些業務在驅動預測,也能追蹤折現現金流、現金及投資、攤薄股數如何一步步得出每股估值。GPT‑6 Astra 則把收入拆分放在單獨的工作表裡,估值推導放在表格更靠下的位置。

第 1 頁,共 4 頁

“ 我們評估了 GPT-6.2 Astra 把密集資訊轉化為可讀簡報和資訊圖的能力,面向技術與非技術兩類受眾。測試樣例包括交易簡報和AI 助理工作流示意圖。

GPT-6.2 Astra 生成的文件比 GPT-6 Astra 有明顯提升。文字和圖表讓人更容易抓住簡報的要點,示意圖則通過展示各部分如何協同工作,把複雜系統講清楚了。

”

Marquis Wong,IMC 首席 AI 工程師

“ 在我們的AI 助理評測中,GPT-6.2 Astra 處理複雜法律AI 助理任務所用的 token 比 GPT-6.1 Sol 少 62%。Astra 在法律研究上表現最強,在我們測試的 10 項研究任務中有 8 項得分高於其他模型,覆蓋稅務、併購和訴訟工作。

”

Jacob Lauritzen,Legora 技術長

“ GPT-6.2 Astra 相比 GPT-6 Astra 有明顯提升,在我們的評測中完成的法律AI 助理基準任務數量超過 3 倍,輸出 token 還少了 34.5%。在內部備忘錄起草任務中,GPT-6.2 Astra 發現了更多客戶立場上的薄弱之處,起草的檔案裡不合理的讓步也更少。

”

Niko Grupen,Harvey 應用研究負責人

“ 在 ClickUp Brain 於工作區內生成的應用、儀表盤和幻燈片上,GPT-6.2 Astra 在盲測中略勝我們的生產模型。真正讓人印象深刻的是它的實現方式:token 用量減少約 40%,評審輪次減少 30%。

”

Jay Hack,ClickUp AI 負責人

  • IMC

  • Legora

  • Harvey

  • ClickUp

  • IMC

  • Legora

  • Harvey

  • ClickUp

計算機使用與互動式網頁設計

GPT‑6.2 Astra 的計算機使用更精準,在 CAD 和模擬工具中能精細到單個零件和連線關係。工程師可以藉助這些額外細節檢查部件如何裝配、設計移動時載荷在哪裡轉移,並在製作原型之前測試修改方案。

駕駛模擬

我們讓 GPT‑6.2 Astra 視覺化一輛汽車在山路上的底盤動態。Astra 建立了 3D 模型,並編寫 Python 求解器來模擬輪胎與懸架之間的複雜動力學,然後用 Blender 把結果做成動畫。這讓工程師能快速測試新設計,並逐步提高模擬精度。

一輛行駛在山路上的敞篷跑車,旁邊展示前後懸架的運動、輪胎接地印跡和駕駛員輸入。

Image 2

00:00

機械設計與裝配

GPT‑6.2 Astra 能逐個零件地為機械系統建模,讓工程師可以展示系統如何裝配,並測試設計變更會如何影響其行為。

一套 1:8 比例的燃油遙控越野車套件以零件形式鋪開,隨後是組裝過程和成品車的特寫鏡頭。

Image 3

00:00

我們讓 GPT‑6.2 Astra 根據公開照片和組裝手冊,為一輛無線電遙控越野車和發動機建模。它完成了各個部件的建模,製作了動畫組裝指南,還生成了一份圖文並茂的零件目錄。這說明 Astra 能如何加速實體工程產品的開發和文件製作。

從 CAD 到紙藝燈

我們的團隊用 GPT‑6.2 Astra 把芝加哥瑪麗娜城雙塔的扇貝形陽臺變成了一盞燈。影片記錄了從參考照片、CAD 修改到手工組裝實體燈的全過程。由 GPT-6.2 Astra 生成的網站,可以用來製作你自己的紙藝燈。

一盞靈感來自芝加哥瑪麗娜城雙塔的紙藝燈,從 CAD 修改到組裝。

Image 4

00:00

GPT‑6.2 Astra 為網頁設計帶來了更強的視覺推理能力,能挑選出賦予每個網站獨特外觀的佈局和影像,並圍繞網站的實際目標來構建頁面元素。

一個帶互動式車輛配置器的露營車網站。

Image 5

00:00

這些在視覺推理和計算機操作上的進步也延續到了 3D 設計。GPT‑6.2 Astra 和 Sol 能把一份文字簡報變成可互動的瀏覽器體驗,從能上手玩的彈珠檯,到可以從不同角度探索的鬥獸場復刻。在 Artificial Analysis 的 AA‑3D 評測中,人類評審會體驗兩個由同一提示詞生成、隱去來源的作品,並投票選出更喜歡的一個。GPT‑6.2 Astra 以 1,318 Elo 排名第一,Claude Fable 5.2 以 1,271 緊隨其後,GPT‑6.2 Sol 為 1,259。

一個花園規劃演示,將高架種植床佈局與原始後院進行對比。

Image 6

00:00

一艘紅色競速艇在燈火通明的賽道上飛馳。

Image 7

00:00

GPT‑6.2 Astra 在一條蜿蜒穿過城市的賽道上,構建出一款可玩的未來競速遊戲。試玩 Meridian Sound Racing↗⁠(在新視窗開啟)

“ GPT-6.2 Astra 是創意工作的一次巨大飛躍。它讓 Higgsfield Miracle 成為可能,以畫素級精度驅動即時影片編輯,讓創作者擁有完全的創作掌控力。在我們內部的 3D 生成評測中,它在 73% 的情況下一次就達到了目標結果,而 GPT-6 Astra 需要三次或更多次迭代。這為我們的創意團隊節省了大量時間,也讓更高效的完全AI 助理化工作流成為可能。”

”

Alex Mashrabov,Higgsfield AI 執行長兼聯合創始人

更簡潔的程式碼風格,更高效的工作流

GPT‑6.2 Astra 對如何執行任務有更好的判斷力,包括讓所用工具和投入的精力與工作流相匹配,以及知道何時該用外掛、何時該用計算機操作。

在程式設計方面,GPT-6.2 Astra 更擅長在現有程式碼庫中實現和測試複雜的改動。早期測試者反饋,程式碼風格更簡潔,測試更聚焦,修改輪次也更少。

1 / 3

“ 相比 GPT-6 Astra,GPT-6.2 Astra 在 token 和工具效率上有巨大提升,它能更好地規劃長軌跡,更高效地編寫 Bash,用更少的輪次完成更多工作。我們長週期會計工作的平均耗時下降了 50%,最複雜工作的耗時降幅最高達 73%。”

”

Eros Wang,Basis 技術團隊成員

“ GPT-6.2 Astra 在推理和系統設計上邁出了顯著一步。在我的測試中,它以更強的架構判斷力處理複雜專案,在理論可能性和實際約束之間取得平衡。”

”

Daniel Bjanes,Ramp 高階應用 AI 工程師

“GPT-6.2 Astra 處理複雜最佳化問題的方式,就像一位經驗豐富的研究者:從第一性原理出發推理,並從自己的失誤中學習,找到更好的路徑。它把我們的硬體逼到了極限,讓一個已經穩立三年多的基準測試徹底飽和。它在不到一天內就達到了我原以為不可能的目標。

”

Adam Alnasser,Jump Trading 技術團隊成員

  • Basis

  • Ramp

  • Jump Trading

  • Basis

  • Ramp

  • Jump Trading

網路安全能力

GPT‑6.2 Astra 和 GPT-6.2 Sol 標誌著網路安全能力的又一次顯著躍升。它們能更有效地發現和利用漏洞,編寫更安全的程式碼,產出更好的補丁,在多項評估中 token 效率也有大幅提升。與 GPT‑6 Astra⁠ 一樣,6.2 Astra 和 Sol 在我們的 Preparedness Framework⁠ 下達到了網路安全的 Critical 閾值。

由於能力提升,我們在釋出 GPT‑6.2 Astra 和 Sol 時,對高風險的網路安全協助施加了更嚴格的防護措施。這些保護降低了濫用風險,但也限制了一些合法的漏洞研究和安全測試流程。目前,經過批准的防禦方可以通過 OpenAI Daybreak⁠ 在 Daybreak Blue 上使用網路安全拒答更少的 GPT‑6 Astra,並在 Daybreak Red 上使用 GPT‑6 Cyber⁠ 進行高階的授權安全測試。我們將努力把 GPT‑6.2 模型引入 Daybreak。

下面重點列出關鍵基準測試結果,測試使用內部配置,並關閉了網路安全防護措施和分類器。完整結果和方法見隨附的系統卡⁠(在新視窗開啟)。

DeepBinary⁠(在新視窗開啟)測試模型在編譯後的 Windows 系統二進位制檔案中發現漏洞的能力。每一行展示一個以最大推理能力執行的模型在 12 個目標二進位制檔案中發現漏洞的情況。每個點代表累計過程中的一個檔案,最後一個點是所有檔案的累計總數。

為網路安全防禦方賦能

開發者越來越依賴程式設計AI 助理來編寫生產軟體,而能力更強的AI 助理也降低了發現和利用漏洞的門檻。PHP2Shell⁠(在新視窗開啟)展示了 AI 如何幫助研究人員發現關鍵缺陷。藉助 GPT‑6.2 Astra 和 Sol,我們把防禦能力作為核心重點,引入新的訓練訊號,幫助開發者預防和修復這些缺陷——從一開始就編寫安全的程式碼,併產出能保持預期行為的補丁。

SecureSWE 是一項內部基準測試,考察為安全敏感元件(例如提供檔案服務或處理資料庫查詢)編寫功能正確且安全的程式碼的能力。

安全與對齊

我們部署 GPT-6.2 Astra 和 Sol 時採用了迄今最強的防護措施。我們收緊了限制,並強化了用於監控模型⁠和在需要時干預⁠的系統。

與 GPT-6 Astra 一樣,GPT-6.2 Astra 和 Sol 除了達到網路安全的 Critical 閾值外,還在我們的 Preparedness Framework⁠ 下達到了生物和化學能力的 High 閾值。我們已實施保護措施來緩解相關風險,同時加強了對一系列潛在兩用生物和網路安全請求的限制。

有關防護措施和測試的更多細節,請參閱 GPT-6.2 系統卡⁠(在新視窗開啟)。

AI 研究能力與安全保障

GPT-6.2 Astra 是我們首個對外發布、達到“AI 自我改進”高閾值的模型,該閾值衡量的是模型加速 AI 研究的能力。評為“高”,意味著我們評估該模型的影響相當於在 2024 年基線之上,為每位 OpenAI 研究員額外配備一名能力很強的研究工程師作為助手。我們追蹤這一能力,是因為能幫助開發未來 AI 系統的模型也可能帶來新的安全風險,比如讓進展速度超過安全保障或人類監督所能適應的程度。

為應對這些風險,我們在模型的訓練和部署中加入了更多監督與管控。在擴大 GPT-6.2 Astra 的內部訪問許可權之前,我們評估了它的對齊情況,並確認每個階段所需的保障措施都已到位。我們加強了研究環境中的隔離管控,並用我們能力最強的模型測試了這些防護措施。我們還構建了控制室(Control Room),這一系統會追蹤研究工作負載,並在需要干預時停止模型繼續輸出。我們擴充套件了監控範圍,覆蓋內部工作負載和受支援的外部部署中模型的推理與操作,能自動標記未經授權的行為,並在支援的情況下暫停相應的工作負載或對話。

對齊

在大多數對齊評估中,兩款模型的表現與 GPT-6 Astra 相近,在模擬辦公任務中採取的不當行為更少。但在兩項測試中,它們更傾向於不提及阻礙其工作的障礙,例如檔案缺失或搜尋工具不可用。我們在 Codex 中加入了指令,大幅減少了這類遺漏,目前仍在繼續調查這一行為。

在“障礙欺騙”(Blocker Deception)測試中,我們在一項程式設計任務裡設定障礙,例如刪除使用者要求AI 助理編輯的檔案,然後評估模型是否會向用戶披露該障礙。

定價與可用性

從今天起,GPT-6.2 Astra 和 Sol 面向 ChatGPT Work 和 Codex 中的所有 Plus、Pro、Enterprise 和 Edu 使用者開放。Pro 500 訂閱使用者可在任一模型上使用 Ultrafast。我們還首次將 Ultrafast 帶給 Pro 200 訂閱使用者,先從 GPT-6.2 Sol 開始。符合條件的 Enterprise 和 Edu 使用者在工作區管理員啟用後即可獲得同樣的訪問許可權。開發者也可以通過 OpenAI API 訪問 gpt-6.2-astra 和 gpt-6.2-sol,兩款模型在釋出時均提供 Ultrafast。

得益於更好的 token 效率、輸入和輸出 token 20% 的折扣,以及快取輸入 token 高達 60% 的折扣,GPT‑6.2 Astra 每項任務的成本顯著低於 GPT‑6 Astra。標準 API 每百萬 token 的價格為:輸入 8 美元,快取輸入 0.40 美元,輸出 40 美元。GPT‑6.2 Sol 沿用 GPT‑6.1 Sol 的價格:每百萬 token 輸入 2 美元,快取輸入 0.10 美元,輸出 10 美元。

對於 GPT-6.2 Astra 和 Sol,為提高快取複用、幫助降低成本和延遲,並在多輪對話中保留推理過程,我們建議保持提示詞字首不變,將新指令追加到對話中(在新視窗開啟)。

作者

OpenAI

腳註

  1. 1 Fable 5.2 在 Terminal-Bench-Science 0.1 上的結果由 Artificial Analysis(在新視窗開啟) 在 mini-swe-agent 測試框架中報告。Anthropic 報告稱,Fable 5.2 在 Claude Code 中以最大推理強度執行時得分為 74.6%。

來源:OpenAI:官網動態 · openai.com

事件後續 · 1

檢視事件全部

來源: aihot (aihot.news)
開啟原文

讀者討論

理性交流 · 即時討論