Vai al contenuto principale

GPT-6.2 Astra e Sol: funzionalità, benchmark, test e prezzi

GPT-6.2 Astra e Sol di OpenAI riducono nettamente il costo per task. Vediamo le novità, i benchmark, quale livello usare, i prezzi e un test pratico contro GPT-6 Astra.
Josef Waples
Josef Waples

Crea il tuo account gratuito

Pratica and corso your progress.

Continua con GoogleContinuando, accetti la nostra Termini di utilizzo, i nostri Informativa sulla privacy e il fatto che i tuoi dati sono archiviati negli USA.

Novembre è stato un mese affollato per i modelli di frontiera. Anthropic ha lanciato Claude Fable 5.2, Google ha messo in campo Gemini 4 Carbon e oggi, dopo una settimana di speculazioni, OpenAI risponde con due modelli in una volta: GPT-6.2 Astra e GPT-6.2 Sol.

GPT-6.2 Astra è il nuovo modello di frontiera di OpenAI per lavori professionali impegnativi, come slide deck, fogli di calcolo finanziari, redazione legale, CAD e lunghi run di agenti. GPT-6.2 Sol è il modello economico per l’uso quotidiano in coding, scrittura e loop di agenti, e si avvicina molto ad Astra sul coding a circa un quarto del prezzo per token.

Ho appena parlato delle loro differenze, ma entrambi costano uguale o meno per task rispetto ai modelli che sostituiscono: nell’API, i prezzi di input e output di Astra sono inferiori del 20% rispetto a quelli di GPT-6 Astra, e Sol mantiene i prezzi di GPT-6.1 Sol.

In questo articolo vedremo tutte le novità di GPT-6.2 Astra e Sol, passando in rassegna le nuove funzionalità, i benchmark e mettendo alla prova Astra con 2 test pratici contro GPT-6 Astra. 

Come vedi, i nuovi modelli arrivano a ritmo serrato. Per restare al passo con AI e data, iscriviti alla nostra newsletter settimanale, The Median.

TL;DR

  • GPT-6.2 Astra è il nuovo modello di punta di OpenAI per lavori professionali difficili; GPT-6.2 Sol è il modello per l’uso quotidiano.
  • Il guadagno principale è il costo per task: Astra fa di più spendendo molto meno rispetto a GPT-6 Astra.
  • Sol si avvicina ad Astra nel coding a una frazione del prezzo, quindi dovrebbe essere il tuo default.
  • Claude Fable 5.2 è ancora in testa in diversi benchmark di coding e ragionamento, quindi OpenAI non fa il pieno.
  • Nei nostri test pratici, Astra è stato molto più economico di GPT-6 Astra, ma GPT-6 Astra ha letto un dataset disordinato in modo più sensato.
  • Passa a questi modelli se oggi paghi per GPT-6 Astra; i risparmi da soli lo giustificano.

Cosa sono GPT-6.2 Astra e Sol?

GPT-6.2 Astra sostituisce GPT-6 Astra al vertice, e Sol sostituisce GPT-6.1 Sol un livello sotto. Due aspetti li distinguono dalla generazione precedente:

  • Leggermente più intelligenti, molto più economici per task. L’indice di capacità di OpenAI pone Astra solo 1,7 punti sopra GPT-6 Astra, ma il suo costo per task è sceso di oltre la metà su diversi benchmark.
  • Una nuova valutazione del rischio. Astra è il primo modello rilasciato da OpenAI che soddisfa la soglia High per l’auto-miglioramento dell’AI, quindi viene fornito con le salvaguardie più rigorose di sempre.

Ecco il quadro dei costi in una slide, creata da GPT-6.2 Astra. (Slide migliorate sono una delle novità. Ci arriviamo.)

Slide creata da GPT-6.2 Astra: Astra ottiene punteggi più alti nei task per agenti spendendo meno, a $2,89 per task su Agents' Last Exam

Funzionalità chiave di GPT-6.2 Astra e Sol

La maggior parte delle novità punta a output professionali ed efficienza più che all’intelligenza grezza. Ecco i quattro cambiamenti che contano.

Crea slide, workbook e documenti che seguono il tuo template

GPT-6.2 Astra può prendere un template di slide, come file originale o anche uno screenshot, e riprodurne layout, colori e tipografia fino alla dimensione del font. OpenAI l’ha addestrato sulle convenzioni di campi come diritto, vendite, finanza e contabilità, con titoli che espongono il messaggio chiave e meno riempitivi nel testo.

Ho messo alla prova questa novità in tutto l’articolo, inclusa la slide sopra. Astra ha scritto ogni slide in HTML, che ho renderizzato in immagine senza modifiche. 

Lo stesso addestramento emerge nei fogli di calcolo. Su AA-AnalystAgent di Artificial Analysis, che chiede ai modelli di trovare numeri in fogli e report reali, Astra ha risposto correttamente al 62,5% delle domande in tutti e cinque i tentativi indipendenti, un nuovo massimo secondo OpenAI. ClickUp riporta che Astra ha superato il suo modello di produzione in test alla cieca su app, dashboard e slide generate da ClickUp Brain, con circa il 30% di giri di revisione in meno.

Lavora in CAD e strumenti di simulazione con l’uso del computer

L’uso del computer di GPT-6.2 Astra ora arriva fino ai singoli componenti e connessioni in strumenti CAD e di simulazione. Ci aspettiamo che sia una grande novità per gli ingegneri meccanici e di prodotto. I demo di OpenAI includono la dinamica del telaio di un’auto simulata con un solver Python e animata in Blender, una buggy RC in scala 1:8 modellata pezzo per pezzo da foto pubbliche e manuali di montaggio e una lampada di carta progettata da foto di riferimento attraverso revisioni CAD.

Non possiamo facilmente costruire un progetto CAD nostro per testarlo, quindi ecco il demo di simulazione di guida di OpenAI. Astra ha costruito l’auto 3D, scritto il solver Python per gomme e sospensioni e animato il risultato in Blender:

Demo di OpenAI di una simulazione di guida con GPT-6.2 Astra: un’auto su una strada di montagna accanto a viste di sospensioni anteriori e posteriori, carichi sull’impronta del pneumatico, cerchio di aderenza, input del guidatore e letture del powertrain

Fonte: OpenAI

Fai di più per token nei workflow agentici

Entrambi i modelli raggiungono risultati migliori con meno token di output, da cui arriva gran parte dei risparmi. Sul GDPval v2 interno di OpenAI, GPT-6.2 Astra segna 6,2 punti in più di GPT-6 Astra usando il 22% di token di output in meno. Astra sceglie anche meglio gli strumenti, incluso quando usare un plugin invece del computer use, e Basis riporta che il tempo medio per lavori contabili a lungo orizzonte si è dimezzato.

La system card dà anche notizie migliori su prompt injection, dove istruzioni nascoste in un’email o pagina web provano a dirottare l’agente. La slide di Astra riassume i compromessi di sicurezza:

Slide creata da GPT-6.2 Astra: entrambi i modelli resistono a più prompt injection, con Sol al 91,65%

Slide di GPT-6.2 Astra

Scrivi codice più sicuro, con salvaguardie più strette

GPT-6.2 Astra e Sol trovano ed exploitano vulnerabilità in modo più efficace, e OpenAI ha aggiunto segnali di addestramento per scrivere codice sicuro e patch che preservino il comportamento previsto. Entrambi soddisfano la soglia Critical per la cybersecurity secondo il Preparedness Framework di OpenAI, come già GPT-6 Astra.

Il compromesso sono più rifiuti. OpenAI ha lanciato entrambi i modelli con salvaguardie più strette che limitano anche alcune ricerche di vulnerabilità e test di sicurezza legittimi. I difensori approvati usano ancora GPT-6 Astra e GPT-6 Cyber, disponibile da due settimane, tramite OpenAI Daybreak.

Come si comportano GPT-6.2 Astra e Sol sui benchmark?

GPT-6.2 Astra guida i benchmark di lavoro professionale e scientifico di OpenAI, ma Claude Fable 5.2 è in testa in diversi risultati di coding e ragionamento. 

Nelle tabelle seguenti, tutti i punteggi sono riportati dai vendor. Ho messo in grassetto il miglior punteggio in ogni riga.

Lavoro professionale e workflow agentici

Su Agents' Last Exam v1.1, che testa lunghi workflow professionali multistep, GPT-6.2 Astra segna il 78,3% a $2,89 per task. GPT-6 Astra segna il 73,1% a $8,99 per task e Claude Fable 5.2 il 72,8% a $60,05.

Grafico Agents' Last Exam v1.1: GPT-6.2 Astra segna 78,3% a $2,89 per task, davanti a Gemini 4 Carbon a 77,4% ($4,60), GPT-6 Astra a 73,1% ($8,99) e Claude Fable 5.2 a 72,8% ($60,05)

Gemini 4 Carbon si avvicina di più al 77,4%, ma costa $4,60 per task. Il resto dei risultati sul lavoro professionale segue lo stesso schema:

BenchmarkCosa misuraGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
Agents' Last Exam v1.1Workflow professionali a lungo orizzonte78,3%73,0%73,1%72,5%72,8%
GDPval v2 (interno OpenAI)Assignment multistep in consulenza, finanza e design50,4%46,9%44,2%41,5%44,8%
Harvey LAB-AA v1.1Output legali che soddisfano ogni criterio15,0%11,1%8,6%6,9%7,2%
AutomationBench 1.0.6Automazione di workflow di business52,4%41,2%41,4%36,1%51,4%
LifeVal (OpenAI)Task quotidiani impegnativi86,1%83,8%79,8%79,5%n/d

Astra è in testa in ogni riga tra i modelli in tabella e raddoppia Fable 5.2 sul benchmark legale di Harvey. Gemini 4 Carbon lo supera ancora su AutomationBench con il 53,9% e, su GDPval v2, il 48,8% di Carbon si colloca tra Astra e Sol.

Il grafico di GDPval v2 di OpenAI mostra da dove arrivano i risparmi: a parità di numero di token di output, i nuovi modelli segnano più dei predecessori.

Grafico GDPval v2: GPT-6.2 Astra e Sol raggiungono punteggi più alti di GPT-6 Astra e GPT-6.1 Sol con meno token di output a ogni livello di ragionamento

Coding e sicurezza

Il coding è dove Sol si guadagna il posto: su FrontierCode 2.0, segna 43,8% a $1,29 per task, contro il 44,2% di Astra a $5,97.

BenchmarkCosa misuraGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
FrontierCode 2.0Modifiche al codice che soddisfano gli standard dei maintainer per il merge44,2%43,8%42,8%39,0%49,1%
SecureSWE (interno OpenAI)Codice funzionale e sicuro per componenti sensibili alla sicurezza65,7%55,6%48,7%49,7%n/d
PatchBenchPatch di sicurezza79,7%75,6%70,9%71,0%n/d
ExploitBench Internal PortTasso di esecuzione di codice arbitrario su V8 e Chrome53,5%50,5%31,5%21,5%n/d

Claude Fable 5.2 mantiene la testa su FrontierCode 2.0, e anche Claude Opus 5.5 allo sforzo massimo (45,5%) batte entrambi i modelli GPT-6.2 lì. Le righe sulla sicurezza mostrano più chiaramente il salto generazionale, sebbene OpenAI non abbia riportato Fable 5.2 su nessuna di esse.

Il grafico di FrontierCode di OpenAI fa la causa di Sol: allo sforzo massimo, raggiunge il punteggio di Astra a circa un quinto del costo per task.

Grafico FrontierCode 2.0: GPT-6.2 Sol raggiunge circa il punteggio di Astra a una frazione del costo per task, mentre Claude Fable 5.2 segna più alto a un costo molto maggiore

Scienza, CAD e ragionamento generale

Su Terminal-Bench-Science 0,1, che testa il lavoro scientifico in un terminale, GPT-6.2 Astra segna il 77,1%, 9 punti sopra GPT-6 Astra a meno di un terzo del costo per task.

BenchmarkCosa misuraGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
Terminal-Bench-Science 0.1Workflow di ricerca scientifica in un terminale77,1%68,0%68,1%57,0%73,3%*
Vals Science Index v1Interpretazione di dati biologici ed esecuzione di esperimenti68,4%58,5%65,1%59,6%63,7%
BenchCAD 2.1 CoreTask di modellazione CAD82,5%73,1%62,6%52,6%83,5%
Artificial Analysis Intelligence Index v5.0.1Composito di 9 valutazioni (punteggio indice)62,157,356,954,664,6
GPQA Diamond (no tools)Domande scientifiche a livello graduate97,0%96,0%96,0%n/dn/d

Fable 5.2 guida ancora l’Intelligence Index e BenchCAD, ma a $26,54 e $50,77 per task contro i $4,00 e $5,43 di Astra. Se ti serve il miglior output CAD in assoluto, Fable resta la scelta; se ti serve molte volte al giorno, Astra ti porta al 99% del risultato a circa un decimo del prezzo.

Su Terminal-Bench-Science, Astra raggiunge il punteggio più alto a $7,15 per task allo sforzo massimo, contro $23,80 per GPT-6 Astra e $45,21 per Claude Fable 5.2.

Grafico Terminal-Bench-Science 0.1: GPT-6.2 Astra ottiene il punteggio più alto a una frazione del costo per task di Claude Fable 5.2 e GPT-6 Astra

Quale livello dovresti usare?

GPT-6.2 Sol dovrebbe essere il tuo default, e GPT-6.2 Astra il modello a cui passare quando serve. Sol costa un quarto del prezzo per token di Astra e nel coding perde meno di un punto.

Quale livello GPT-6.2 usare: Sol per coding quotidiano e loop di agenti, Astra per deck, workbook, bozze legali, CAD, simulazione e lavoro scientifico

GPT-6.2 Astra ha sostenuto la stessa tesi contro se stesso nella sua presentazione:

Slide creata da GPT-6.2 Astra: Sol quasi eguaglia Astra su FrontierCode a $1,29 per task di coding

Slide di GPT-6.2 Astra

Entrambi i modelli espongono cinque livelli di sforzo di ragionamento nei grafici di OpenAI, da basso a massimo, e l’impostazione dello sforzo conta quanto il livello. Su Agents' Last Exam, Sol ad alto sforzo (72,0% a $0,69 per task) si colloca circa un punto dietro GPT-6 Astra a sforzo massimo (73,1% a $8,99) a un tredicesimo del costo. La modalità Ultrafast è disponibile per entrambi i modelli nell’API e per gli abbonati Pro 500 in ChatGPT.

Use caseLivelloPerché
Coding quotidiano, refactor e code reviewSolA 0,5 punti da Astra su FrontierCode 2.0 a circa un quinto del costo
Loop di agenti e automazioni ad alto volumeSol$2 / $10 per milione di token, invariato rispetto a GPT-6.1 Sol
Deck pronti per i clienti, workbook finanziari e memoAstraIl matching dei template e la leadership su GDPval v2 sono specifici di Astra
Redazione e ricerca legaleAstra15,0% su Harvey LAB-AA contro l’11,1% di Sol
CAD, simulazione e analisi scientificaAstraCirca 9 punti davanti a Sol su BenchCAD e Terminal-Bench-Science

Test di GPT-6.2 Astra: esempi pratici

I benchmark sopra sono di OpenAI, quindi ho eseguito 2 test contro GPT-6.2 Astra e il suo predecessore, GPT-6 Astra, con prompt e strumenti identici. Per il test sul dashboard, entrambi i modelli sono girati in OpenCode con una superficie di strumenti fissa (lettura, ricerca e modifica file soltanto), lo stesso alto sforzo di ragionamento, un tentativo e una sessione pulita.

Test 1: Un dashboard onesto da dati disordinati

Il task: creare un dashboard HTML a file singolo da un CSV con risultati su reddito e occupazione per 173 corsi di laurea statunitensi, per un career advisor che confronta i campi per i clienti. Doveva confrontare le categorie su redditi e occupazione, mostrare i corsi con reddito più alto e più basso, incorporare i dati invece di recuperarli e rientrare in uno schermo da 1440×900.

Il vero test è nei dati, che hanno problemi mai menzionati nel prompt:

  • Il top earner, Ingegneria del Petrolio a $110.000, si basa su un campione di 36 persone, e 76 dei 173 corsi hanno campioni sotto i 100.
  • Il reddito più basso, Biblioteconomia a $22.000, si basa su un campione di 2.
  • Food Science manca dei totali per i laureati magistrali.
  • Le categorie vanno da un singolo corso (Interdisciplinare, 12.296 laureati) a 13 corsi con 1,3 milioni di laureati (Business), quindi come si fanno le medie conta.

Mette alla prova 2 affermazioni di lancio in una volta: i workbook analitici migliori di Astra e la sua efficienza, con meno token di output per risultati migliori. Ecco cosa ha prodotto GPT-6.2 Astra:

Il dashboard di GPT-6.2 Astra classifica le categorie con una mediana non pesata delle mediane dei corsi, che mette Health al 10° posto a $35.000

I risultati principali:

  • Entrambi i modelli hanno consegnato un dashboard funzionante al primo colpo. Ognuno ha incorporato tutti i 173 corsi, disegnato i propri grafici SVG senza librerie, rientrato in uno schermo e caricato senza errori.
  • Hanno letto gli stessi dati in modo diverso, e questo rimescola le categorie. GPT-6.2 Astra ha classificato ogni categoria per la mediana delle mediane dei corsi, che conta allo stesso modo un corso con poche migliaia di laureati e uno con 200.000. GPT-6 Astra ha pesato ogni corso per numero di laureati. Risultato: Health è 10° a $35.000 nel dashboard di GPT-6.2 Astra e 4° a $40,6k in quello di GPT-6 Astra, perché infermieristica, con 209.394 laureati e una mediana di $48.000, pesa per quello che è.
  • GPT-6 Astra ha anche messo i campioni in primo piano. La sua tabella principale mostra che i primi 4 corsi per reddito si basano su campioni di 36, 7, 3 e 16. GPT-6.2 Astra li mostra solo dopo che selezioni un corso, con un avviso in una riga su classifiche instabili.
  • GPT-6.2 Astra è stato più economico e snello. È costato $1,79 contro $2,93 per GPT-6 Astra, con 27.821 token di output contro 35.298.

Guardiamo più da vicino la versione di GPT-6 Astra. Confronta il suo grafico per categorie con quello di GPT-6.2 Astra sopra: Health è 4° qui e 10° là, e Biologia & Scienze della Vita scende dal 6° all’11°.

Il dashboard di GPT-6 Astra pesa i redditi per categoria in base ai laureati, mettendo Health al 4° posto a $40,6k, e mostra una colonna con la dimensione del campione accanto a ogni corso

Nessuno dei due metodi è sbagliato dal punto di vista matematico, e GPT-6.2 Astra etichetta il grafico come mediana delle mediane dei corsi. Ma un career advisor vuole sapere dove finiscono davvero i laureati, e solo la versione pesata per i laureati risponde a questo.

Test 2: Un deck di slide da uno screenshot di template

Il task: trasformare gli appunti di ricerca dietro a questo articolo in un deck di 5 slide per engineering manager che decidono se passare, nello stile di una slide template. I modelli hanno ricevuto il template solo come screenshot e il prompt chiedeva di riprodurlo "fino alle dimensioni del font" senza nominare né font né dimensioni.

Mette alla prova direttamente l’affermazione di OpenAI sulle slide. Poiché i modelli dovevano vedere un’immagine, ognuno è girato come una singola chiamata API tramite OpenRouter allo stesso alto sforzo di ragionamento, e ho aggiunto GPT-6.2 Sol, dato che i deck sono lavoro quotidiano. Questo è il template che hanno visto, che ho progettato per il test:

Template di slide dato ai modelli: una slide in stile DataCamp con barra verde, titolo con takeaway, tre bullet e una scheda statistica grigia

I risultati principali:

  • Tutti e 3 i modelli hanno ricostruito il template dal solo screenshot. Ognuno ha identificato il font come Poppins e mantenuto la barra verde, la riga di kicker, la scheda statistica grigia, la riga della fonte e il numero di pagina. Ogni titolo dichiara un takeaway, come nel template.
  • Tutti e 3 hanno abbinato il template così da non distinguerli a occhio. Verificato nel browser, solo GPT-6.2 Sol ha centrato esattamente le dimensioni del font del template. Astra, il modello che OpenAI dice riprodurre i template "fino alla dimensione del font", era fuori di un pixel o due.
  • GPT-6.2 Astra è stato il più economico tra i due Astra. È costato $0,22 e 4.968 token di output, contro $0,59 e 11.247 per GPT-6 Astra. Sol è costato $0,07.

Le 5 slide di Astra sono quelle con didascalia che hai visto in questo articolo, e ogni cifra su di esse corrisponde ai miei appunti. Anche il deck di GPT-6 Astra era altrettanto utilizzabile, quindi su questo task le generazioni non si separano.

Quindi GPT-6.2 Astra è davvero un passo avanti? Sul costo, sì: ha completato entrambi i test con il 39%–63% in meno, in linea con l’affermazione di OpenAI sull’efficienza. Sul giudizio, non proprio: il modello più vecchio è quello che ha pesato i dati come serve a un career advisor, mentre le slide sono uscite più o meno pari.

Un run per task non può classificare due modelli, ma si accorda con la stessa Blocker Deception di OpenAI: controlla cosa GPT-6.2 Astra lascia fuori, non solo cosa costruisce.

Prezzi e disponibilità di GPT-6.2 Astra e Sol

GPT-6.2 Astra costa il 20% in meno di GPT-6 Astra su token di input e output e il 60% in meno sull’input in cache, mentre GPT-6.2 Sol mantiene i prezzi di GPT-6.1 Sol. Tariffe API standard per milione di token:

ModelloInputInput in cacheOutput
GPT-6.2 Astra$8,00$0,40$40,00
GPT-6.2 Sol$2,00$0,10$10,00

I prezzi più bassi sono solo una parte del risparmio. Poiché entrambi i modelli usano meno token di output, il costo per task cala ancora, ed è per questo che l’esecuzione di Astra su Agents' Last Exam costa meno di un terzo di quella di GPT-6 Astra. OpenAI consiglia anche di mantenere invariati i prefissi del prompt e aggiungere le nuove istruzioni in coda, per avere più hit della cache e preservare il ragionamento tra i turni.

Il riepilogo dei nuovi prezzi, firmato Astra:

Slide creata da GPT-6.2 Astra: Astra costa meno mentre i prezzi API di Sol restano piatti, con Astra più economico del 20% per token di input o output rispetto a GPT-6 Astra

Slide di GPT-6.2 Astra

In ChatGPT, entrambi i modelli sono disponibili per utenti Plus, Pro, Enterprise ed Edu in ChatGPT Work e Codex dal giorno del lancio. Gli utenti Enterprise ed Edu ottengono l’accesso quando l’admin dello spazio di lavoro lo attiva.

Ultrafast è disponibile con entrambi i modelli per gli abbonati Pro 500, e gli abbonati Pro 200 lo ottengono per la prima volta, a partire da GPT-6.2 Sol. L’annuncio di OpenAI non menziona il piano Free.

Come ottenere accesso a GPT-6.2 Astra e Sol?

Entrambi i modelli sono generalmente disponibili nell’API di OpenAI come gpt-6.2-astra e gpt-6.2-sol, con Ultrafast disponibile per entrambi al lancio. Una richiesta minima con l’SDK Python di OpenAI è così:

from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-6.2-sol",
    reasoning={"effort": "high"},
    input="Summarize this quarterly report in 5 bullet points: ...",
)
print(response.output_text)

Entrambi i modelli sono anche elencati su OpenRouter (openai/gpt-6.2-astra e openai/gpt-6.2-sol) e nel catalogo modelli di OpenCode. 

Per un progetto completo con la generazione precedente, vedi il nostro tutorial sull’API di GPT-6 Astra e il tutorial su GPT-6.1 Sol; la principale modifica è il cambio dell’ID del modello.

Considerazioni finali

GPT-6.2 è un taglio di prezzo che OpenAI ha trasformato in un rilascio di capacità. Astra batte GPT-6 Astra in ogni benchmark di lavoro professionale riportato da OpenAI, a un terzo del costo per task, e Sol si avvicina abbastanza nel coding che la maggior parte dei team dovrebbe partire da lì.

Non chiude la corsa generale. Claude Fable 5.2 guida ancora FrontierCode e l’Intelligence Index, Gemini 4 Carbon guida AutomationBench e nei nostri test l’Astra più vecchio ha letto un dataset disordinato in modo più sensato. Ma io passerei da GPT-6 Astra oggi solo per i risparmi.

Slide creata da GPT-6.2 Astra: usa i tuoi task per decidere dove passare, con Astra che usa il 22% di token di output in meno su GDPval v2

Slide di GPT-6.2 Astra

Se vuoi saperne di più su come costruire con i modelli di OpenAI, ti consiglio il nostro corso Working with the OpenAI API.

Josef Waples

Autore

Josef Waples

Sono uno scrittore e editor di data science, con contributi a articoli di ricerca su riviste scientifiche. Sono particolarmente interessato ad algebra lineare, statistica, R e affini. Inoltre, gioco anche parecchio a scacchi! 

FAQs

Che cos’è GPT-6.2 Astra e in cosa è diverso da GPT-6.2 Sol?

GPT-6.2 Astra è il modello di frontiera di OpenAI per lavori professionali impegnativi come deck, workbook finanziari, redazione legale e CAD. GPT-6.2 Sol è il modello economico per l’uso quotidiano in coding, scrittura e loop di agenti. Sol costa un quarto del prezzo per token di Astra e arriva entro 0,5 punti da Astra su FrontierCode 2.0, mentre Astra guida i benchmark professionali e scientifici.

Quanto costa GPT-6.2 Astra nell’API?

GPT-6.2 Astra costa $8 per milione di token di input, $0,40 per milione di token di input in cache e $40 per milione di token di output. È il 20% in meno di GPT-6 Astra su input e output e il 60% in meno sull’input in cache. GPT-6.2 Sol costa $2, $0,10 e $10, come GPT-6.1 Sol.

GPT-6.2 Astra è migliore di GPT-6 Astra?

Sui benchmark di OpenAI, sì: GPT-6.2 Astra batte GPT-6 Astra in ogni risultato di lavoro professionale, come Agents' Last Exam (78,3% vs 73,1%), a circa un terzo del costo per task. Anche nei nostri 2 test pratici è stato più economico, ma GPT-6 Astra ha pesato in modo più sensato un dataset disordinato.

Dove posso accedere a GPT-6.2 Astra e GPT-6.2 Sol?

Entrambi i modelli sono disponibili in ChatGPT Work e Codex per utenti Plus, Pro, Enterprise ed Edu, con accesso Enterprise ed Edu attivato da un admin dello spazio di lavoro. Gli sviluppatori possono chiamare gpt-6.2-astra e gpt-6.2-sol nell’API di OpenAI, ed entrambi sono elencati su OpenRouter.

Dovrei usare GPT-6.2 Sol o GPT-6.2 Astra per il coding?

Usa GPT-6.2 Sol per la maggior parte del coding. Su FrontierCode 2.0 segna il 43,8% contro il 44,2% di Astra allo sforzo massimo, per $1,29 per task invece di $5,97. Passa ad Astra per codice sensibile alla sicurezza, dove guida Sol su SecureSWE, o per lavoro CAD e scientifico.

Argomenti

Correlato