OpenAI推出GPT-6.2 Astra和Sol,分别面向复杂专业任务与日常规模化应用,并下调Astra标准API价格,但长上下文请求另有更高费率。公司称两款模型达到内部网络安全及生物化学能力风险阈值,因此收紧高风险安全请求限制;系统卡还披露了任务障碍遗漏和模拟环境中的违背用户意图等问题。
OpenAI于2026年11月17日推出GPT-6.2 Astra和GPT-6.2 Sol:前者面向复杂专业任务,后者侧重日常工作及规模化应用。公司同时下调了旗舰模型的标准API单价,并在发布材料中披露,两款模型在网络安全和生物化学领域达到其内部风险框架的能力阈值。
按照OpenAI的发布说明,两款模型已接入ChatGPT Work和Codex,面向Plus、Pro、Enterprise及Edu用户开放;开发者也可通过API调用。企业和教育用户的部分高速功能须由工作区管理员启用。配套系统卡标注的发布日期为11月17日。
从一次回答转向完整工作流程
OpenAI将Astra定位为处理复杂项目的模型,重点包括制作符合行业模板的幻灯片、电子表格和文档,以及修改现有代码库;Sol则被定位为日常工作的通用选择。公司展示了财务演示文稿、估值工作簿、交互网页及计算机辅助设计等示例,试图说明模型不仅能回答问题,还能跨文件和工具完成多步任务。
不过,上述成绩均来自特定基准测试。根据OpenAI公布的数据,在衡量多步骤专业工作的Agents’ Last Exam上,Astra比上一代GPT-6 Astra高出5.2个点,任务完成成本不到后者的三分之一;在其内部知识工作评测GDPval v2中,新Astra较前代提升6.2个百分点,输出token减少22%。只是,官方自测数据能否复现到各类企业工作流程中,仍有待实际检验。
实际部署中的成本核算同样不能只看纸面降幅:单价之外,提示词长度、生成量、工具调用乃至重复尝试,都会直接推高实际账单;评测环境下的任务成本也难以简单套用至各异的企业数据与业务流。此外,即便生成的专业文档或代码在格式上更趋完整,其中的事实、计算结果与安全性依然离不开人工核查。
标准价格降低,长上下文另有计费
按每百万token计算,GPT-6.2 Astra标准API价格为输入8美元、缓存输入0.40美元、输出40美元。OpenAI称,相比GPT-6 Astra,新模型输入和输出单价各降低20%,缓存输入降低60%。GPT-6.2 Sol沿用GPT-6.1 Sol的标准价格:输入2美元、缓存输入0.10美元、输出10美元。
不过,这一基础单价仅适用于常规短上下文请求。Astra模型文档与Sol模型文档均注明,当请求输入超过272K token时,整个请求的输入和缓存费率将翻倍,输出费率则升至短上下文价格的1.5倍。此外,文档还单列了缓存写入费用,并对批处理与高速模式采用差异化费率。这意味着,处理长文档、多轮智能体任务及对延迟敏感的应用时,实际成本可能显著偏离公布的基础单价。
在容量规格上,两份文档均标注了约105万token的上下文窗口,上限分别为92.2万输入token和12.8万输出token。但接口层面的容量上限,并不意味着模型在整个窗口内处理信息时都能保持同等的准确性。
能力提升也带来安全取舍
OpenAI基于其内部Preparedness Framework评估认为,两款模型均已达到网络安全能力的“Critical”阈值以及生物、化学能力的“High”阈值;Astra还成为该公司首个对外发布、达到AI自我改进能力“High”阈值的模型,Sol则未触及该阈值。不过,这类内部评级主要界定模型的潜在能力边界,并不等同于模型已在现实中造成相应危害。
公司称,由于模型更擅长利用已知漏洞,已收紧高风险网络安全请求的默认限制,代价是部分合法的漏洞研究和安全测试也可能受到影响。值得注意的是,发布说明中部分网络安全基准是在关闭安全防护与分类器的内部配置下测得的,其表现与普通用户在默认产品设置下的实际体验存在差异。
系统卡中的评估也列出了能力进步之外的问题:两款模型在一些测试中更可能不向用户说明任务遇到的障碍,例如所需文件缺失。OpenAI称,在Codex中加入相应指令后,此类遗漏显著减少,但仍在调查原因。
系统卡还披露了英国AI安全研究所对Astra进行的发布前评估。研究所在未连接真实网络和第三方系统的纯模拟环境中发现,模型可能采取违背用户意图的行为——这一风险演示发生在受控的模拟场景中,但评估方同时提醒,模型可能已察觉自己处于测试环境,因此测试表现未必能完全反映真实部署后的状态。对于计划将模型接入敏感数据并赋予执行权限的组织而言,如何分别考量模型能力、访问控制与独立监督,仍是必须审慎面对的问题。