Pular para o conteúdo principal

GPT-6.2 Astra e Sol: recursos, benchmarks, testes e preços

GPT-6.2 Astra e Sol da OpenAI reduzem drasticamente o custo por tarefa. Veja o que há de novo, os benchmarks, qual nível usar, os preços e um teste prático contra o GPT-6 Astra.
Josef Waples
Josef Waples

Crie sua conta gratuita

Pratique e programa seu progresso.

Continuar com o GoogleAo continuar, você aceita nossa Termos de Uso, nossos Política de Privacidade e que seus dados são armazenados nos EUA.

Novembro foi um mês movimentado para modelos de fronteira. A Anthropic lançou o Claude Fable 5.2, o Google já tem o Gemini 4 Carbon em campo e, hoje, depois de uma semana de especulações, a OpenAI respondeu com dois modelos de uma vez: GPT-6.2 Astra e GPT-6.2 Sol.

GPT-6.2 Astra é o novo modelo de fronteira da OpenAI para trabalhos profissionais exigentes, como apresentações, planilhas financeiras, peças jurídicas, CAD e execuções longas de agentes. GPT-6.2 Sol é o modelo mais barato para o dia a dia — ótimo para código, escrita e loops de agentes — e chega perto do Astra em programação por cerca de um quarto do preço por token.

Acabei de falar sobre as diferenças, mas ambos custam o mesmo ou menos por tarefa do que os modelos que substituem: na API, os preços de entrada e saída do Astra são 20% menores do que os do GPT-6 Astra, e o Sol mantém os preços do GPT-6.1 Sol.

Neste artigo, eu detalho tudo que há de novo no GPT-6.2 Astra e Sol: os recursos, os benchmarks e dois testes práticos colocando o Astra à prova contra o GPT-6 Astra. 

Como dá para ver, novos modelos estão saindo num ritmo acelerado. Para se manter por dentro de IA e dados, assine nossa newsletter semanal, The Median.

Resumo

  • GPT-6.2 Astra é o novo carro-chefe da OpenAI para trabalhos profissionais exigentes; GPT-6.2 Sol é o modelo para o dia a dia.
  • O grande ganho está no custo por tarefa: o Astra faz mais por muito menos que o GPT-6 Astra.
  • Sol chega perto do Astra em programação por uma fração do preço, então deve ser seu padrão.
  • Claude Fable 5.2 ainda lidera vários benchmarks de código e raciocínio, então a OpenAI não leva tudo.
  • Nos nossos testes práticos, o Astra foi muito mais barato que o GPT-6 Astra, mas o GPT-6 Astra interpretou melhor um dataset bagunçado.
  • Troque se você paga pelo GPT-6 Astra hoje; só a economia já compensa.

O que são GPT-6.2 Astra e Sol?

GPT-6.2 Astra substitui o GPT-6 Astra no topo e o Sol substitui o GPT-6.1 Sol um nível abaixo. Duas coisas os diferenciam da geração anterior:

  • Um pouco mais inteligentes, muito mais baratos por tarefa. No índice de capacidade da própria OpenAI, o Astra fica apenas 1,7 ponto acima do GPT-6 Astra, mas seu custo por tarefa caiu mais da metade em vários benchmarks.
  • Uma nova classificação de risco. Astra é o primeiro modelo lançado pela OpenAI que atinge o limiar High para autoaperfeiçoamento de IA, então vem com as salvaguardas mais rígidas até agora.

Aqui está o resumo de custo em um slide, feito pelo GPT-6.2 Astra. (Slides melhores são um dos novos recursos. Já chegamos lá.)

Slide feito pelo GPT-6.2 Astra: Astra tem pontuação maior em tarefas de agente por menos, a $2.89 por tarefa no Agents' Last Exam

Principais recursos de GPT-6.2 Astra e Sol

A maior parte das novidades mira na qualidade de entrega profissional e eficiência, não apenas em inteligência bruta. Estes são os quatro pontos que importam.

Crie slides, planilhas e documentos que seguem seu template

GPT-6.2 Astra consegue pegar um template de slide, como arquivo original ou mesmo uma captura de tela, e replicar layout, cores e tipografia, inclusive o tamanho da fonte. A OpenAI treinou o modelo com convenções de áreas como jurídico, vendas, finanças e contabilidade, com títulos que entregam o insight principal e menos texto de enfeite no corpo.

Eu testei esse recurso ao longo do artigo, incluindo o slide acima. O Astra escreveu cada slide em HTML, que eu renderizei em imagem sem alterações. 

O mesmo treinamento aparece em planilhas. No AA-AnalystAgent da Artificial Analysis, que pede aos modelos para encontrar números em planilhas e relatórios reais, o Astra acertou 62,5% das perguntas em todas as cinco tentativas independentes — um novo recorde, segundo a OpenAI. A ClickUp relata que, em testes cegos, o Astra superou seu modelo de produção na qualidade de apps, dashboards e slides gerados pelo ClickUp Brain, com cerca de 30% menos rodadas de revisão.

Trabalhe em CAD e ferramentas de simulação com uso de computador

O uso de computador do GPT-6.2 Astra agora funciona no nível de peças e conexões em ferramentas de CAD e simulação. Isso deve ser um grande avanço para engenheiros mecânicos e de produto. As demos da OpenAI incluem a dinâmica do chassi de um carro simulada com um solver em Python e animada no Blender, um carrinho RC na escala 1:8 modelado peça a peça a partir de fotos públicas e manuais de montagem, e uma luminária de papel desenhada a partir de fotos de referência com revisões em CAD.

Não dá para montar facilmente um projeto CAD próprio para testar, então aqui vai a demo de simulação de direção da OpenAI. O Astra construiu o carro em 3D, escreveu o solver em Python para pneus e suspensão e animou o resultado no Blender:

Demo da OpenAI de uma simulação de direção com GPT-6.2 Astra: um carro em uma estrada de montanha ao lado de vistas da suspensão dianteira e traseira, cargas no contato do pneu, círculo de tração, comandos do motorista e leituras do trem de força

Fonte: OpenAI

Faça mais por token em fluxos de agentes

Ambos os modelos chegam a resultados melhores usando menos tokens de saída — daí vem a maior parte da economia. No GDPval v2 interno da OpenAI, o GPT-6.2 Astra marca 6,2 pontos a mais que o GPT-6 Astra usando 22% menos tokens de saída. O Astra também escolhe melhor as ferramentas, inclusive quando usar um plugin em vez de uso de computador, e a Basis relata que o tempo médio para trabalhos contábeis de longo prazo caiu pela metade.

O system card também traz boas notícias sobre injeção de prompt, quando instruções ocultas em um e-mail ou página web tentam sequestrar o agente. O slide do Astra resume os trade-offs de segurança:

Slide feito pelo GPT-6.2 Astra: ambos os modelos resistem a mais injeções de prompt, com o Sol resistindo a 91,65%

Slide do GPT-6.2 Astra

Escreva código mais seguro, com salvaguardas mais rígidas

GPT-6.2 Astra e Sol identificam e exploram vulnerabilidades com mais eficácia, e a OpenAI adicionou sinais de treinamento para escrever código seguro e patches que preservam o comportamento desejado. Ambos atingem o limiar Critical em cibersegurança no Preparedness Framework da OpenAI, assim como o GPT-6 Astra.

O trade-off são mais recusas. A OpenAI lançou os dois modelos com salvaguardas mais rígidas que também restringem algumas pesquisas legítimas de vulnerabilidades e testes de segurança. Defensores aprovados continuam usando GPT-6 Astra e GPT-6 Cyber, disponibilizado há duas semanas, via OpenAI Daybreak.

Como GPT-6.2 Astra e Sol se saem nos benchmarks?

GPT-6.2 Astra lidera os benchmarks de trabalho profissional e ciência da OpenAI, mas o Claude Fable 5.2 lidera vários resultados de programação e raciocínio. 

Nas tabelas a seguir, todas as pontuações são reportadas pelos fornecedores. Eu deixei em negrito a melhor pontuação de cada linha.

Trabalho profissional e fluxos agentivos

No Agents' Last Exam v1.1, que testa fluxos de trabalho profissionais longos e com múltiplas etapas, o GPT-6.2 Astra marca 78,3% a $2,89 por tarefa. O GPT-6 Astra marca 73,1% a $8,99 por tarefa, e o Claude Fable 5.2 marca 72,8% a $60,05.

Gráfico do Agents' Last Exam v1.1: GPT-6.2 Astra marca 78,3% a $2.89 por tarefa, à frente de Gemini 4 Carbon com 77,4% ($4.60), GPT-6 Astra com 73,1% ($8.99) e Claude Fable 5.2 com 72,8% ($60.05)

O Gemini 4 Carbon chega mais perto com 77,4%, mas custa $4,60 por tarefa. O restante dos resultados de trabalho profissional segue o mesmo padrão:

BenchmarkO que medeGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
Agents' Last Exam v1.1Fluxos profissionais de longo prazo78,3%73,0%73,1%72,5%72,8%
GDPval v2 (OpenAI interno)Projetos de consultoria, finanças e design em múltiplas etapas50,4%46,9%44,2%41,5%44,8%
Harvey LAB-AA v1.1Entregáveis jurídicos que atendem a todos os critérios15,0%11,1%8,6%6,9%7,2%
AutomationBench 1.0.6Automação de processos de negócio52,4%41,2%41,4%36,1%51,4%
LifeVal (OpenAI)Tarefas desafiadoras do dia a dia86,1%83,8%79,8%79,5%n/a

O Astra lidera todas as linhas aqui entre os modelos da tabela e dobra o Fable 5.2 no benchmark jurídico da Harvey. O Gemini 4 Carbon ainda passa à frente no AutomationBench com 53,9%, e no GDPval v2 os 48,8% do Carbon ficam entre Astra e Sol.

O gráfico do GDPval v2 da OpenAI mostra de onde vem a economia: para o mesmo número de tokens de saída, os novos modelos pontuam mais do que os que substituem.

Gráfico do GDPval v2: GPT-6.2 Astra e Sol alcançam pontuações mais altas que GPT-6 Astra e GPT-6.1 Sol com menos tokens de saída em todos os níveis de esforço de raciocínio

Programação e segurança

Programação é onde o Sol brilha: no FrontierCode 2.0, ele marca 43,8% a $1,29 por tarefa, contra 44,2% do Astra a $5,97.

BenchmarkO que medeGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
FrontierCode 2.0Mudanças de código que atendem ao padrão de merge dos mantenedores44,2%43,8%42,8%39,0%49,1%
SecureSWE (OpenAI interno)Código funcional e seguro para componentes sensíveis65,7%55,6%48,7%49,7%n/a
PatchBenchPatches de segurança79,7%75,6%70,9%71,0%n/a
ExploitBench Internal PortTaxa de execução arbitrária de código em V8 e Chrome53,5%50,5%31,5%21,5%n/a

Claude Fable 5.2 mantém a liderança no FrontierCode 2.0, e o Claude Opus 5.5 no esforço máximo (45,5%) também supera os dois modelos GPT-6.2 ali. As linhas de segurança mostram o salto geracional com mais clareza, embora a OpenAI não tenha reportado o Fable 5.2 nessas métricas.

O gráfico do FrontierCode da OpenAI defende o Sol: no esforço máximo, ele chega na pontuação do Astra por cerca de um quinto do custo por tarefa.

Gráfico do FrontierCode 2.0: GPT-6.2 Sol chega perto do Astra por uma fração do custo por tarefa, enquanto Claude Fable 5.2 pontua mais alto a um custo bem superior

Ciência, CAD e raciocínio geral

No Terminal-Bench-Science 0.1, que testa trabalho científico em um terminal, o GPT-6.2 Astra marca 77,1% — 9 pontos acima do GPT-6 Astra — a menos de um terço do custo por tarefa.

BenchmarkO que medeGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
Terminal-Bench-Science 0.1Fluxos de pesquisa científica em terminal77,1%68,0%68,1%57,0%73,3%*
Vals Science Index v1Interpretação de dados biológicos e execução de experimentos68,4%58,5%65,1%59,6%63,7%
BenchCAD 2.1 CoreTarefas de modelagem CAD82,5%73,1%62,6%52,6%83,5%
Artificial Analysis Intelligence Index v5.0.1Composto de 9 avaliações (pontuação do índice)62,157,356,954,664,6
GPQA Diamond (sem ferramentas)Perguntas de ciência em nível de pós-graduação97,0%96,0%96,0%n/an/a

O Fable 5.2 ainda lidera o Intelligence Index e o BenchCAD, mas a $26,54 e $50,77 por tarefa, contra $4,00 e $5,43 do Astra. Se você precisa do melhor resultado absoluto em CAD, o Fable ainda é a escolha; se precisa disso várias vezes por dia, o Astra entrega 99% do resultado por cerca de um décimo do preço.

No Terminal-Bench-Science, o Astra atinge a maior pontuação a $7,15 por tarefa no esforço máximo, contra $23,80 do GPT-6 Astra e $45,21 do Claude Fable 5.2.

Gráfico do Terminal-Bench-Science 0.1: GPT-6.2 Astra tem a maior pontuação por uma fração do custo por tarefa do Claude Fable 5.2 e do GPT-6 Astra

Qual nível usar?

GPT-6.2 Sol deve ser seu padrão, e GPT-6.2 Astra o modelo para o qual você escala. O Sol custa um quarto do preço por token do Astra e, em programação, perde menos de um ponto.

Qual nível do GPT-6.2 usar: Sol para programação do dia a dia e loops de agente; Astra para apresentações, planilhas, peças jurídicas, CAD, simulação e trabalho científico

O próprio GPT-6.2 Astra defendeu essa tese em seu deck:

Slide feito pelo GPT-6.2 Astra: Sol quase iguala o Astra no FrontierCode a $1.29 por tarefa de programação

Slide do GPT-6.2 Astra

Ambos os modelos expõem cinco níveis de esforço de raciocínio nos gráficos da OpenAI, de baixo a máximo, e o ajuste de esforço importa tanto quanto o nível. No Agents' Last Exam, o Sol em esforço alto (72,0% a $0,69 por tarefa) fica cerca de um ponto atrás do GPT-6 Astra no esforço máximo (73,1% a $8,99) por um décimo terceiro do custo. O modo Ultrafast está disponível para ambos os modelos na API e para assinantes Pro 500 no ChatGPT.

Caso de usoNívelPor quê
Programação diária, refatorações e code reviewSolFica a 0,5 ponto do Astra no FrontierCode 2.0 por cerca de um quinto do custo
Loops de agentes e automações em alto volumeSol$2 / $10 por milhão de tokens, igual ao GPT-6.1 Sol
Apresentações para clientes, planilhas financeiras e memorandosAstraCorrespondência de template e liderança no GDPval v2 são específicas do Astra
Redação e pesquisa jurídicasAstra15,0% no Harvey LAB-AA contra 11,1% do Sol
CAD, simulação e análise científicaAstraCerca de 9 pontos à frente do Sol no BenchCAD e no Terminal-Bench-Science

Testando o GPT-6.2 Astra: exemplos práticos

Os benchmarks acima são da própria OpenAI, então rodei dois testes contra o GPT-6.2 Astra e seu antecessor, GPT-6 Astra, com prompts e ferramentas idênticos. Para o teste de dashboard, ambos os modelos rodaram no OpenCode com uma superfície de ferramentas fixa (ler, buscar e editar arquivos), o mesmo esforço alto de raciocínio, uma tentativa e sessão limpa.

Teste 1: um dashboard honesto a partir de dados bagunçados

A tarefa: construir um dashboard HTML em arquivo único a partir de um CSV de renda e empregabilidade para 173 cursos universitários nos EUA, para um orientador de carreira comparar áreas para seus clientes. Ele precisava comparar categorias por renda e emprego, destacar os cursos com maiores e menores rendas, incorporar os dados em vez de buscá-los e caber em uma tela 1440×900.

O verdadeiro teste está nos dados, que têm problemas que o prompt não menciona:

  • O curso no topo, Petroleum Engineering com $110.000, se baseia em uma amostra de 36 pessoas; 76 dos 173 cursos têm amostras abaixo de 100.
  • O de menor renda, Library Science com $22.000, se baseia em uma amostra de 2.
  • Food Science não tem totais de formados.
  • As categorias variam de um único curso (Interdisciplinar, 12.296 formados) a 13 cursos com 1,3 milhão de formados (Negócios), então a forma de calcular as médias importa.

Isso testa dois argumentos de lançamento ao mesmo tempo: os melhores workbooks analíticos do Astra e sua eficiência, com menos tokens de saída para melhores resultados. Eis o que o GPT-6.2 Astra produziu:

O dashboard do GPT-6.2 Astra ranqueia categorias por mediana não ponderada das medianas dos cursos, colocando Health em 10º com $35.000

Principais achados:

  • Ambos os modelos entregaram um dashboard funcional na primeira tentativa. Cada um incorporou os 173 cursos, desenhou seus próprios gráficos em SVG sem biblioteca de charts, cabendo em uma tela e carregando sem erros.
  • Eles leram os mesmos dados de formas diferentes, o que muda a ordem das categorias. O GPT-6.2 Astra ranqueou cada categoria pela mediana das medianas de seus cursos, o que faz um curso com alguns milhares de formados valer o mesmo que um com 200.000. O GPT-6 Astra ponderou cada curso pelo número de formados. Resultado: Health fica em 10º com $35.000 no dashboard do GPT-6.2 Astra e em 4º com $40,6k no do GPT-6 Astra, porque enfermagem, com 209.394 formados e mediana de $48.000, pesa o que deve pesar.
  • O GPT-6 Astra também trouxe os tamanhos de amostra para a frente. Sua tabela principal mostra que os 4 cursos do topo se baseiam em amostras de 36, 7, 3 e 16. O GPT-6.2 Astra só exibe isso depois que você seleciona um curso, com um aviso de uma linha sobre rankings instáveis.
  • O GPT-6.2 Astra foi mais barato e enxuto. Custou $1,79 contra $2,93 do GPT-6 Astra, com 27.821 tokens de saída contra 35.298.

Vamos olhar mais de perto a versão do GPT-6 Astra. Compare o gráfico de categorias dele com o do GPT-6.2 Astra acima: Health fica em 4º aqui e 10º lá, e Biology & Life Science cai de 6º para 11º.

O dashboard do GPT-6 Astra pondera a renda por número de formados, colocando Health em 4º com $40,6k, e mostra uma coluna de tamanho de amostra ao lado de cada curso

Nenhum método está matematicamente errado, e o GPT-6.2 Astra rotula seu gráfico como mediana das medianas dos cursos. Mas um orientador de carreira quer saber onde os formados de fato chegam — e só a versão ponderada por formados responde isso.

Teste 2: um deck de slides a partir de uma captura de template

A tarefa: transformar as notas de pesquisa deste artigo em um deck de 5 slides para gestores de engenharia decidirem se vale a pena migrar, no estilo de um slide de template. Os modelos receberam o template apenas como captura de tela, e o prompt pediu para replicá-lo "até o tamanho das fontes" sem citar a fonte ou tamanhos.

Isso testa diretamente a promessa de slides da OpenAI. Como os modelos precisavam ver uma imagem, cada um rodou em uma única chamada de API pelo OpenRouter no mesmo esforço alto de raciocínio, e eu incluí o GPT-6.2 Sol, já que decks são trabalho do dia a dia. Este é o template que eles viram, que eu projetei para o teste:

Template de slide dado aos modelos: um slide ao estilo DataCamp com barra verde, título com takeaway, três bullets e um cartão de estatística cinza

Principais achados:

  • Os 3 modelos reconstruíram o template só pela captura de tela. Cada um identificou a fonte como Poppins e manteve a barra verde, a linha de kicker, o cartão cinza de estatística, a linha de fonte e a numeração. Todo título traz um takeaway, como no template.
  • Os 3 ficaram tão próximos do template que, a olho nu, não dá para diferenciar. No navegador, apenas o GPT-6.2 Sol acertou exatamente os tamanhos de fonte do template. O Astra, o modelo que a OpenAI diz replicar templates "até o tamanho da fonte", errou por um ou dois pixels.
  • O GPT-6.2 Astra foi o mais econômico entre os dois Astras. Custou $0,22 e 4.968 tokens de saída, contra $0,59 e 11.247 do GPT-6 Astra. O Sol custou $0,07.

Os 5 slides do Astra são os legendados que você viu ao longo do artigo, e todos os números batem com minhas notas. O deck do GPT-6 Astra foi igualmente utilizável, então nessa tarefa as gerações não se separam.

Então, o GPT-6.2 Astra é mesmo um salto? Em custo, sim: ele concluiu os dois testes por 39% a 63% menos, o que bate com a alegação de eficiência da OpenAI. Em critério, nem tanto: o modelo antigo foi o que ponderou os dados do jeito que um orientador de carreira precisa, enquanto os slides saíram equivalentes.

Uma execução por tarefa não ranqueia dois modelos, mas combina com o achado de Blocker Deception da própria OpenAI: veja o que o GPT-6.2 Astra deixa de fora, não só o que ele constrói.

Preços e disponibilidade do GPT-6.2 Astra e Sol

O GPT-6.2 Astra é 20% mais barato que o GPT-6 Astra em tokens de entrada e saída e 60% mais barato em entrada em cache, enquanto o GPT-6.2 Sol mantém os preços do GPT-6.1 Sol. Tarifas padrão da API por milhão de tokens:

ModeloEntradaEntrada em cacheSaída
GPT-6.2 Astra$8,00$0,40$40,00
GPT-6.2 Sol$2,00$0,10$10,00

Os preços menores são só parte da economia. Como ambos os modelos usam menos tokens de saída, o custo por tarefa cai ainda mais — por isso a execução do Astra no Agents' Last Exam custa menos de um terço do GPT-6 Astra. A OpenAI também recomenda manter prefixos de prompt inalterados e acrescentar novas instruções ao final, para aumentar acertos de cache e preservar o raciocínio entre turnos.

Resumo dos novos preços feito pelo próprio Astra:

Slide feito pelo GPT-6.2 Astra: Astra custa menos enquanto os preços de API do Sol ficam estáveis; Astra 20% mais barato por token de entrada ou saída que o GPT-6 Astra

Slide do GPT-6.2 Astra

No ChatGPT, ambos os modelos estão disponíveis para usuários Plus, Pro, Enterprise e Edu no ChatGPT Work e no Codex desde o lançamento. Usuários Enterprise e Edu têm acesso quando o admin do workspace ativa.

O Ultrafast está disponível com qualquer um dos modelos para assinantes Pro 500, e assinantes Pro 200 recebem pela primeira vez, começando pelo GPT-6.2 Sol. O anúncio da OpenAI não menciona o plano Free.

Como obter acesso ao GPT-6.2 Astra e Sol?

Ambos os modelos estão disponíveis de forma geral na API da OpenAI como gpt-6.2-astra e gpt-6.2-sol, com Ultrafast disponível para ambos no lançamento. Uma requisição mínima com o SDK Python da OpenAI ficaria assim:

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)

Os dois modelos também estão listados no OpenRouter (openai/gpt-6.2-astra e openai/gpt-6.2-sol) e no catálogo de modelos do OpenCode. 

Para um build completo com a geração anterior, veja nosso tutorial da API do GPT-6 Astra e o tutorial do GPT-6.1 Sol; a principal mudança é trocar o ID do modelo.

Considerações finais

GPT-6.2 é um corte de preço que a OpenAI transformou em um lançamento de capacidades. O Astra supera o GPT-6 Astra em todos os benchmarks de trabalho profissional reportados pela OpenAI, a um terço do custo por tarefa, e o Sol chega perto o bastante em programação para que a maioria dos times comece por ele.

Isso não encerra a disputa geral. O Claude Fable 5.2 ainda lidera no FrontierCode e no Intelligence Index, o Gemini 4 Carbon lidera o AutomationBench e, nos nossos testes, o Astra antigo leu um dataset bagunçado de forma mais sensata. Mas eu trocaria do GPT-6 Astra hoje pela economia.

Slide feito pelo GPT-6.2 Astra: use suas próprias tarefas para decidir onde migrar; no GDPval v2, o Astra usa 22% menos tokens de saída

Slide do GPT-6.2 Astra

Se você quer se aprofundar em como construir com os modelos da OpenAI, recomendo o nosso curso Working with the OpenAI API.

Josef Waples

Autor

Josef Waples

FAQs

O que é o GPT-6.2 Astra e como ele é diferente do GPT-6.2 Sol?

GPT-6.2 Astra é o modelo de fronteira da OpenAI para trabalhos profissionais exigentes, como apresentações, planilhas financeiras, peças jurídicas e CAD. GPT-6.2 Sol é o modelo mais barato para o dia a dia, voltado a programação, escrita e loops de agentes. O Sol custa um quarto do preço por token do Astra e fica a 0,5 ponto do Astra no FrontierCode 2.0, enquanto o Astra lidera em benchmarks profissionais e de ciência.

Quanto custa o GPT-6.2 Astra na API?

O GPT-6.2 Astra custa $8 por milhão de tokens de entrada, $0,40 por milhão de tokens de entrada em cache e $40 por milhão de tokens de saída. Isso é 20% abaixo do GPT-6 Astra em entrada e saída e 60% abaixo em entrada em cache. O GPT-6.2 Sol custa $2, $0,10 e $10, os mesmos valores do GPT-6.1 Sol.

O GPT-6.2 Astra é melhor do que o GPT-6 Astra?

Nos benchmarks da OpenAI, sim: o GPT-6.2 Astra supera o GPT-6 Astra em todos os resultados de trabalho profissional, como o Agents' Last Exam (78,3% vs 73,1%), por cerca de um terço do custo por tarefa. Nos nossos 2 testes práticos ele também foi mais barato, mas o GPT-6 Astra ponderou um dataset bagunçado de forma mais sensata.

Onde posso acessar o GPT-6.2 Astra e o GPT-6.2 Sol?

Ambos os modelos estão disponíveis no ChatGPT Work e no Codex para usuários Plus, Pro, Enterprise e Edu, com acesso Enterprise e Edu habilitado pelo admin do workspace. Desenvolvedores podem chamar gpt-6.2-astra e gpt-6.2-sol na API da OpenAI, e ambos estão listados no OpenRouter.

Devo usar o GPT-6.2 Sol ou o GPT-6.2 Astra para programar?

Use o GPT-6.2 Sol para a maioria das tarefas de programação. No FrontierCode 2.0 ele marca 43,8% contra 44,2% do Astra no esforço máximo, por $1,29 por tarefa em vez de $5,97. Mude para o Astra em código sensível à segurança, onde ele lidera o Sol no SecureSWE, ou para CAD e trabalho científico.

Temas

Relacionado

An avian AI exits its cage

blog

12 Alternativas de código aberto ao GPT-4

blog

Tudo o que sabemos sobre o GPT-5