跳到正文
DEV Community· Magnus·· 4 天前精選AI 評分77

GPT-6.2 Astra 與 GPT-6.2 Sol:基準測試及 API 定價比較

GPT-6.2 Astra vs. Sol: Benchmarks and API Pricing

AI 導讀

文章比較 GPT-6.2 Astra 與 GPT-6.2 Sol 的基準表現和 API 定價,兩者在 Cognition FrontierCode 2.0 均有 48.2% 通過率。

推薦理由

文章並列編碼基準、ARC-AGI-3 表現差距與 API 成本,亦提供按驗收任務核算支出的思路。

正文 · 繁體中文

透過編碼及推理基準測試、長上下文及快取成本,以及按組別拆解 Modelflare 價格,了解 GPT-6.2 Astra 與 Sol。

這份轉載版本依據 Modelflare 的原文。基準測試分數、測試框架說明及 OpenAI 官方標價,均歸屬於文中引述的發布者(OpenAI、Cognition、Artificial Analysis、Epoch AI 及 ARC Prize)。Modelflare 價格是按日期記錄的公開目錄快照。Modelflare 沒有為本文自行對 GPT-6.2 Astra 或 Sol 進行獨立基準測試,而工作負載示例使用說明用途的 token 數量及驗收率。

GPT‑6.2 Astra 與 GPT‑6.2 Sol 由 OpenAI 於十一月 17 日(2026 年)推出。兩者的上下文視窗均為 1.05 百萬 token,但額外支出換來甚麼,取決於工作內容。在 Cognition 的 FrontierCode 2.0 中,兩者的任務通過率均為 48.2%。Sol 每次運行成本為 $1.29,Astra 則為 $5.97。在標準 ARC‑AGI‑3 測試框架中,模型需要探索互動環境,並根據之前的回合繼續推進;Astra 領先 15.4 個百分點。開發團隊要決定哪些工作值得交由較高階的模型處理,以及哪些任務可以可靠地交給 Sol。OpenAI 發佈公告 · Cognition FrontierCode · ARC Prize Astra 結果 · ARC Prize Sol 結果

能力與規格

規格 GPT‑6.2 Astra GPT‑6.2 Sol
API 模型 ID gpt-6.2-astra gpt-6.2-sol
工作負載 高難度推理、多步驟專業工作、複雜程式碼修改 日常編碼、文件工作、大規模運行代理
上下文視窗 1,050,000 tokens 1,050,000 tokens
最大輸入/輸出 922,000 / 128,000 tokens 922,000 / 128,000 tokens
模態 輸入文字及圖像,輸出文字 輸入文字及圖像,輸出文字
知識截止日期 2026年5月18日 2026年6月1日
API 端點 Responses、Chat Completions、Batch Responses、Chat Completions、Batch
推理力度 low、medium、high、xhigh、max low、medium、high、xhigh、max

兩個模型均支援串流及結構化輸出。官方 API 的工具呼叫需要使用 Responses。圖像輸入可讓模型解讀截圖或圖表,而圖像生成則可透過獨立的 Responses 工具使用。OpenAI 建議新整合由 medium 開始;遷移時則建議以 low 作起點,適用於原本使用 none 或 minimal 的情況。請為輸出預留足夠空間,除了最終文字外亦要計入推理 token,尤其是長篇報告、修補程式或結構化結果。Astra 模型文件 · Sol 模型文件 · GPT‑6.2 遷移指南 · 推理 token 文件

Sol 適合用於需求說明清晰、範圍明確,而且有方法驗證結果的修改。如果項目涉及跨元件依賴、互相衝突的要求,或需要多輪查核證據的研究,則值得進一步考慮 Astra。在現有報告加入定義清晰的指標,是適合交給 Sol 的工作。若要遷移整套報告定義,並追蹤對舊指標的隱含依賴,則較適合實測 Astra 能否減少返工。

922,000 token 的輸入上限,讓你有足夠空間整理大量資料。若要評估模型如何運用這些資料,可要求它提供第一手來源引文,加入互相矛盾的文件版本,並檢查它有否考慮生效日期及例外情況。對程式碼代理,檢視它讀取了哪些進入點、保留了哪些現有行為,以及測試是否涵蓋相關結果。

編碼、研究及抽象推理基準測試

可合併的修補程式及程式碼庫問題

Cognition 的 FrontierCode 2.0 會評估對真實程式碼庫作出的修改。其排行榜會列出加權評分及通過率,並列出每次 rollout 的平均 API 成本。每項結果亦會列明所用的測試框架及推理力度。Cognition 排行榜及方法

模型 測試框架/推理力度 加權評分 通過率 每次 rollout 成本
Claude Fable 5.2 Claude Code / xhigh 50.2% 54.7% $17.73
Claude Opus 5.5 Claude Code / max 47.3% 51.8% $12.82
GPT‑6.2 Astra Codex / max 44.2% 48.2% $5.97
GPT‑6 Astra Codex / max 44.0% 47.6% $6.68
GPT‑6.2 Sol Codex / max 43.8% 48.2% $1.29
GPT‑6.1 Sol Codex / max 39.6% 43.0% $1.03

在相同的 Codex 設定下,Sol 6.2 的表現高出 4.2 個百分點(與 Sol 6.1 比較),每次執行成本則由 $1.03 升至 $1.29。輸入、快取及輸出 token 的數量和組成有所變動時,即使標價相同,帳單也可能不同。在這項基準測試中,Sol 的成本只相當於 約 22%(以 Astra 6.2 的成本為基準)。因此,對於有界限且設有自動驗收檢查的實作工作,Sol 是值得優先考慮的候選模型。Claude 各行的數據同時反映不同模型和測試框架,因此要移植到另一個 agent,必須另行測量。 Cognition FrontierCode

Artificial Analysis 報告指,Astra 推出時的 Intelligence Index 得分為 62,Sol 為 57,較前代分別高 5 分及 2 分。其另一項 Coding Agent Index 採用 Codex 的 max effort 設定,Astra 得分持平;Sol 的得分則下跌 3 分,比較基準為 6.1 Sol。SWE‑Atlas‑QnA‑AA 分數下跌 14 分,是 Sol 得分下滑的主因。Artificial Analysis 觀察到,較新的模型在回答有關程式碼儲存庫的問題時,更可能漏掉關鍵事實。如果你的團隊用同一個 agent 同時處理這兩類工作,應分開追蹤實作能力和程式碼儲存庫理解能力。 Artificial Analysis 推出時的評估

多步驟工作與開放式判斷的限制

OpenAI 報告指,Astra 高出 5.2 個百分點,比較對象是原版 GPT‑6 Astra,所用的專業任務基準測試是 Agents’ Last Exam;在另一項基準測試中,得分則高出約 9 分,該項為 Terminal‑Bench‑Science 0.1。OpenAI 報告指,Astra 在每項基準測試上的成本均不到上一代的三分之一。解讀比較時,應連同原始配置一併考慮。舉例而言,OpenAI 的註腳指出,Terminal‑Bench‑Science 上報告的 Claude Fable 5.2 結果採用了不同的執行測試框架。 OpenAI 推出時的評估

在 OpenAI 內部的 GDPval v2 知識工作基準測試中,Astra 比前代高出 6.2 個百分點,而輸出 token 減少了 22%。Sol 的得分則比前代高出 5.3 分;比較基準為 6.1。Artificial Analysis 的 AA‑3D 則會讓評審試用兩種由同一提示生成、且不標明來源的互動體驗,然後投票選出其一。Astra 得分為 1,318 Elo,Fable 5.2 為 1,271,Sol 則為 1,259。這些測試從不同角度反映交付成果是否符合要求,以及實際使用感受。例如,對於財務工作簿,你可以同時要求數據答案正確,以及公式引用正確的儲存格。 OpenAI GDPval v2 · Artificial Analysis AA‑3D

Epoch AI 對 Astra 6.2 和 Claude Fable 5.2 給出的 Epoch Capabilities Index 估算分數同為 174,區間分別為 170–179 和 170–177。在另一項以 Epoch 內部工作為對象、規模較小且由人工評分的評估中,Astra 平均得分為 65%,比 Fable 低 17 個百分點。評分員評估了研究問題的選擇、證據質素、迭代過程,以及讀者能否理解研究結果。若用於市場研究或內部決策文件,可直接將這些準則納入驗收評分準則,並把人工編輯所需時間計入成本。 Epoch Capabilities Index · Epoch 對實際工作的評估

ARC‑AGI 與跨輪次狀態的影響

ARC Prize 經核實的評估 GPT‑6.2 Astra GPT‑6.2 Sol
ARC‑AGI‑2,半私有集合,max 95.8% 85.8%
ARC‑AGI‑3,Standard 測試框架,max 70.3% 54.9%
ARC‑AGI‑3,Provider Adapter,max 99.8% 98.2%
ARC‑AGI‑3,Provider Adapter,xhigh 100.0% 97.4%

ARC‑AGI‑2 透過範例衡量規則歸納能力。第 3 版加入互動環境。Standard 測試框架會保留模型選擇留下的筆記。Provider Adapter 亦會保留不透明的推理狀態,並精簡較長的對話。Astra 的 100% 是其使用 adapter 時在 xhigh 下取得的結果。ARC Prize 指出,部分 Sol 執行的任務或遊戲覆蓋並不完整;已公布分數則採用完整資料集的分母計算。在你自己的多輪 agent 評估中,請納入工具結果重播、中斷後恢復,以及上下文精簡。當你更改客戶端或伺服器端的狀態處理方式時,這些項目都可能受影響。 ARC Prize Astra 結果 · ARC Prize Sol 結果及覆蓋率說明

OpenAI 標價、快取與長上下文門檻

金額為官方 Standard 費率,以每百萬個 token 的美元金額計。快取寫入費率適用於保留 30 分鐘。

模型 請求輸入 未快取輸入 快取讀取 快取寫入 輸出
GPT‑6.2 Astra ≤272,000 $8 $0.40 $10 $40
GPT‑6.2 Astra >272,000 $16 $0.80 $20 $60
GPT‑6.2 Sol ≤272,000 $2 $0.10 $2.50 $10
GPT‑6.2 Sol >272,000 $4 $0.20 $5 $15

與原版 Astra 相比,Astra 的未快取輸入費率低 20%,30 分鐘快取寫入及輸出費率亦同。快取讀取費率由 $1 降至 $0.40,減幅為 60%。Sol 沿用 6.1 Sol 的相應標價;Astra 6.2 的 token 費率,在任一上下文級別均為 Sol 的四倍。短上下文情況下,12 小時快取寫入費率為 Astra $20、Sol $5。OpenAI 亦提供 Batch(Standard 的 0.5×)、Fast(2×)和 Ultrafast(3×),Ultrafast 的費率適用至二月 28 日(2027 年);之後調升至 6×,並於太平洋時間三月 1 日生效。Responses 公開測試版的兩小時及八小時背景完成時限,其模型 token 費率分別比 Standard 低 30% 及 40%。以上條款適用於 OpenAI 的直接 API。 Astra 價格 · Sol 價格 · 原版 Astra 價格 · OpenAI API 更新紀錄

272,000 是整個請求的門檻。由 272,001 個輸入 token 起,輸入和快取費率會加倍,輸出費用則是短上下文費率的 1.5 倍。在沒有快取活動且有 8,000 個可計費輸出 token 的情況下,Astra 的費用會由 $2.496(輸入 272,000 個 token)升至再多一個 token 時的約 $4.832。每次都附加工具記錄的 agent 可能會在工作流程早期越過這條界線。請追蹤輸入長度分佈、越界請求所佔比例,以及快取讀取量。 Astra 定價規則 · Sol 定價規則

以 100,000 個輸入 token 和 8,000 個可計費輸出 token 為例。Astra 成本為 $1.12,Sol 為 $0.28,兩者均沒有快取活動。若 80,000 個輸入 token 是快取讀取,另有 20,000 個未快取,總額會降至 $0.512 和 $0.128。若首次呼叫時將這 80,000 個 token 寫入 30 分鐘快取,總額則為 $1.28 和 $0.32。計算整個工作流程的預算時,應計入首次寫入、重用前綴、快取命中率,以及可計費的推理輸出。只看最後一次使用暖快取的呼叫,會低估整個工作流程的成本。

Modelflare 的 Astra、Sol 及較早期 GPT 模型價格

Modelflare 的公開定價 API 列出 gpt-6.2-astra 和 gpt-6.2-sol,資料日期為十一月 18 日(2026 年)。兩者均設有短、長上下文級別,並按所選組別採用相應費率。每個儲存格均按 未快取輸入 / 快取讀取 / 快取寫入 / 輸出 的順序列出金額,單位是 每百萬 tokens 的美元。 Modelflare Astra 定價 · Modelflare Sol 定價 · 公開定價 API

組別 Astra ≤272K Astra >272K Sol ≤272K Sol >272K
openai-award 0.24 / 0.012 / 0.30 / 1.20 0.48 / 0.024 / 0.60 / 1.80 0.06 / 0.003 / 0.075 / 0.30 0.12 / 0.006 / 0.15 / 0.45
openai-stable 0.64 / 0.032 / 0.80 / 3.20 1.28 / 0.064 / 1.60 / 4.80 0.16 / 0.008 / 0.20 / 0.80 0.32 / 0.016 / 0.40 / 1.20
openai-premium 1.04 / 0.052 / 1.30 / 5.20 2.08 / 0.104 / 2.60 / 7.80 0.26 / 0.013 / 0.325 / 1.30 0.52 / 0.026 / 0.65 / 1.95
openai-enterprise 4.00 / 0.20 / 5.00 / 20.00 8.00 / 0.40 / 10.00 / 30.00 1.00 / 0.05 / 1.25 / 5.00 2.00 / 0.10 / 2.50 / 7.50
openai-first-topup 0.12 / 0.006 / 0.15 / 0.60 0.24 / 0.012 / 0.30 / 0.90 0.03 / 0.0015 / 0.0375 / 0.15 0.06 / 0.003 / 0.075 / 0.225

Award、Stable 和 Premium 分別按目錄基準費率的 3%、8% 和 13% 收費。Enterprise 以 50% 費率提供予獲授權客戶。top-up 組別採用 1.5% 費率,並設有 10 RPM 上限。其公開資格規則要求單次合資格充值至少 $20,而帳戶資格決定能否使用。這兩個模型項目的已發布規則均未列出按請求收取的附加費。請查閱即時目錄,以及使用紀錄中顯示的模型和組別,以確認適用費率。 Modelflare 模型及組別定價 · 公開定價 API

以下是其他 GPT 世代在短上下文 openai-stable 費率下的相同快照,單位同樣是每百萬個 token 的美元價格。

模型 未快取輸入 快取讀取 快取寫入 輸出
gpt-6-astra 0.80 0.08 1.00 4.00
gpt-6.2-astra 0.64 0.032 0.80 3.20
gpt-6.1-sol 0.16 0.008 0.20 0.80
gpt-6.2-sol 0.16 0.008 0.20 0.80
gpt-6.1-terra 0.08 0.004 0.10 0.40
gpt-6-luna 0.02 0.002 0.025 0.10

現有 Sol 用戶可比較成功率、所需時間和實際 token 數量,因為同一組別內 6.1 和 6.2 的短上下文及長上下文單位價格相同。Terra 和 Luna 為團隊提供較便宜的基準選項,適用於分類、資料擷取和可預測的範本。按 Stable 費率計算,上述 80,000-token 快取命中示例的模型 token 費用,Astra 為 $0.04096,Sol 為 $0.01024。請另行確認你所用端點的服務層級、背景執行時限和工具費用。 Modelflare 公開定價 API

每項獲接納任務的成本

將評估樣本拆分為可合併的修補程式、程式碼庫問題、長文件工作和多步驟交付項目。保持輸入版本、工具權限和停止規則一致。先以 medium 設定運行 Sol 6.2,再比較 high 設定下的 Sol、medium 設定下的 Astra,或你目前使用的 Sol 版本。量度重要事實的召回率、人工修正次數、整項任務所需時間,以及中斷的執行是否仍能交付成果。對於大量使用工具的工作流程,請分別記錄首次顯示 token、首次工具操作和最終交付成果所需的時間。

以總支出除以通過驗收的任務數量。計入失敗的執行、升級處理、工具費用和審核人員時間。在一個假設示例中,100 次初始 Sol 執行每次成本 $0.10,其中 80 次通過。其餘 20 次交由 Astra 處理,每次 $0.40,其中 16 次通過。計算結果是每項獲接納任務 $18 / 96 = $0.1875。假設 Astra 處理全部 100 次,並有 95 次通過,則是 $40 / 95 ≈ $0.421。估算第二個模型在實際失敗子集上的成功率。不同模型可能在相同個案上遇到困難,而整體排行榜無法告訴你升級處理有多大機會挽救其中一項任務。

遷移時還要考慮一項具體的快取改動。GPT‑6.2 的 Responses API 會把頂層 instructions 放在 input 之後。OpenAI 建議用 developer 訊息寫下固定指示,並將該訊息放在 input 開頭,讓這些指示納入可重用的前綴。請將請求專屬的指引保留在頂層欄位。對於工具工作流程,請使用 Responses,並檢查舊有的 sampling 或 logprob 欄位、輸出上限,以及不完整回應的處理方式。使用所得的用量資料,確認快取行為是否符合預期。 OpenAI GPT‑6.2 遷移指南

對日常編碼和高用量代理而言,Sol 6.2 是值得優先考慮的候選模型。若工作難度高,而且昂貴失敗的數量少,可將 Astra 加入比較,並根據通過審核的結果評估其溢價。本文採用已發布的評估結果及有日期的價格觀察資料。工作量示例使用說明性 token 數量和驗收率。

來源及更新紀錄

更新紀錄:來源於 modelflare.dev 發布,日期為十一月18日(年份為2026年)。同步稿於十一月19日(年份為2026年)(Asia/Shanghai)根據即時文章編備。以上數值為連結頁面及來源所引述的 Modelflare 目錄快照所載;投入正式路由前請重新核實。


原文最初刊載於 modelflare.dev。

披露:我是 Modelflare 團隊成員之一;該團隊開發本文提及的 AI API 閘道。

來源:DEV Community · dev.to