GPT-6.2 Astra и Sol: возможности, бенчмарки, тесты и цены
GPT-6.2 Astra и Sol от OpenAI резко снижают стоимость задачи. Разбираем, что нового, бенчмарки, какой уровень выбрать, цены и практический тест против GPT-6 Astra.
Ноябрь выдался насыщенным на передовые модели. Anthropic выпустила Claude Fable 5.2, Google вывела в поле Gemini 4 Carbon, и сегодня, после недели слухов, OpenAI ответила сразу двумя моделями: GPT-6.2 Astra и GPT-6.2 Sol.
GPT-6.2 Astra — новая флагманская модель OpenAI для сложной профессиональной работы: презентации, финансовые таблицы, юридическая документация, CAD и длительные агентные запуски. GPT-6.2 Sol — более дешёвая повседневная модель для кодинга, письма и агентных циклов, причём по кодингу она близка к Astra при цене токенов примерно в четверть от её стоимости.
Я уже описал их различия, но обе обходятся в ту же или меньшую сумму за задачу, чем модели, которые они заменяют: в API вход и выход у Astra на 20% дешевле, чем у GPT-6 Astra, а Sol сохраняет цены GPT-6.1 Sol.
В этой статье мы разберём всё новое в GPT-6.2 Astra и Sol: рассмотрим функции, изучим бенчмарки и поставим Astra в одинаковые условия с GPT-6 Astra в 2 практических тестах.
Как видно, новые модели выходят очень быстро. Чтобы не отставать от мира ИИ и данных, обязательно подпишитесь на наш еженедельный дайджест The Median.
TL;DR
GPT-6.2 Astra — новый флагман OpenAI для сложной профессиональной работы; GPT-6.2 Sol — модель на каждый день.
Главный выигрыш — стоимость задачи: Astra делает больше заметно дешевле, чем GPT-6 Astra.
Sol почти догоняет Astra по кодингу при кратно меньшей цене, так что это должен быть выбор по умолчанию.
Claude Fable 5.2 всё ещё лидирует в ряде бенчмарков по кодингу и рассуждению, так что OpenAI не «забирает всё».
В наших практических тестах Astra была гораздо дешевле GPT-6 Astra, но GPT-6 Astra осмысленнее прочитала «грязный» датасет.
Переходите, если сейчас платите за GPT-6 Astra; одной экономии уже достаточно, чтобы это оправдать.
Что такое GPT-6.2 Astra и Sol?
GPT-6.2 Astra сменяет GPT-6 Astra на вершине линейки, а Sol приходит на место GPT-6.1 Sol уровнем ниже. Два отличия от прошлого поколения:
Чуть умнее, но намного дешевле за задачу. По индексу возможностей OpenAI Astra всего на 1,7 пункта выше GPT-6 Astra, но её стоимость за задачу упала более чем вдвое на нескольких бенчмарках.
Новый рейтинг рисков. Astra — первая модель OpenAI, достигшая высокого порога по самоулучшению ИИ, поэтому она поставляется с самыми строгими на сегодня мерами безопасности OpenAI.
Вот как выглядит история со стоимостью на одном слайде, созданном GPT-6.2 Astra. (Улучшенные слайды — одна из функций. Дойдём и до неё.)
Ключевые функции GPT-6.2 Astra и Sol
Большинство нововведений нацелено на профессиональный результат и эффективность, а не на «сырую» интеллектуальность. Вот четыре действительно значимых изменения.
Создавайте слайды, книги и документы с точным следованием вашему шаблону
GPT-6.2 Astra может взять шаблон слайда — исходный файл или даже скриншот — и воспроизвести его макет, цвета и типографику вплоть до кегля. OpenAI обучала модель на конвенциях таких областей, как право, продажи, финансы и бухгалтерия: заголовки формулируют главный вывод, а в основном тексте меньше «воды».
Эту функцию мы проверяли на протяжении всей статьи, включая слайд выше. Astra писала каждый слайд в HTML, который затем был отрендерен в изображение без изменений.
То же обучение проявляется в электронных таблицах. На AA-AnalystAgent от Artificial Analysis, где модели ищут цифры в реальных таблицах и отчётах, Astra ответила верно на 62,5% вопросов по всем пяти независимым прогонам — новый максимум, по данным OpenAI. ClickUp сообщает, что в слепых тестах приложений, дашбордов и слайдов, которые строит ClickUp Brain, Astra чуть опередила их продакшн-модель, сократив число раундов правок примерно на 30%.
Работайте в CAD и инструментах моделирования с помощью «компьютерного использования»
«Компьютерное использование» GPT-6.2 Astra теперь работает на уровне отдельных деталей и соединений в CAD и инструментах симуляции. Ожидаем, что это большое событие для механических и продуктовых инженеров. В демо OpenAI — динамика шасси автомобиля, смоделированная на Python-решателе и анимированная в Blender; радиоуправляемый багги масштаба 1:8, смоделированный по деталям по публичным фото и мануалам; бумажная лампа, спроектированная по референсам через итерации в CAD.
Собственный CAD-проект для теста сделать непросто, поэтому вот демо OpenAI по симуляции вождения. Astra собрала 3D-модель автомобиля, написала Python-решатель для шин и подвески и анимировала результат в Blender:
Обе модели достигают лучших результатов при меньшем числе выходных токенов — это и даёт основную экономию. На внутреннем GDPval v2 у OpenAI GPT-6.2 Astra набирает на 6,2 пункта больше, чем GPT-6 Astra, используя на 22% меньше выходных токенов. Astra также лучше выбирает инструменты — в том числе, когда использовать плагин, а не «компьютерное использование», — а Basis сообщает, что среднее время для длительных бухгалтерских задач сократилось вдвое.
В системной карточке есть и хорошие новости по prompt injection — когда скрытые инструкции в письме или на веб-странице пытаются перехватить агента. Слайд Astra подытоживает компромиссы по безопасности:
Слайд GPT-6.2 Astra
Пишите более безопасный код при более жёстких ограничениях
GPT-6.2 Astra и Sol эффективнее находят и эксплуатируют уязвимости, а OpenAI добавила сигналы обучения для написания безопасного кода и патчей с сохранением предполагаемого поведения. Обе модели соответствуют критическому порогу по кибербезопасности в рамках Preparedness Framework OpenAI, как и GPT-6 Astra.
Компромисс — больше отказов. Обе модели запущены с более жёсткими ограничителями, которые также задевают часть легитимных исследований уязвимостей и тестирования безопасности. Одобренные защитники по-прежнему используют GPT-6 Astra и GPT-6 Cyber, который стал доступен две недели назад, через OpenAI Daybreak.
Как GPT-6.2 Astra и Sol показывают себя в бенчмарках?
GPT-6.2 Astra лидирует в профессиональных и научных бенчмарках OpenAI, но Claude Fable 5.2 удерживает лидерство в ряде результатов по кодингу и рассуждению.
В таблицах ниже все оценки предоставлены вендорами. В каждой строке лучшая оценка выделена жирным.
Профессиональная работа и агентные сценарии
В Agents' Last Exam v1.1, тестирующем длинные многошаговые профессиональные процессы, GPT-6.2 Astra набирает 78,3% при $2,89 за задачу. GPT-6 Astra — 73,1% при $8,99, а Claude Fable 5.2 — 72,8% при $60,05.
Ближе всего — Gemini 4 Carbon с 77,4%, но за $4,60 за задачу. Остальные результаты по профессиональной работе соответствуют той же тенденции:
Benchmark
Что измеряет
GPT-6.2 Astra
GPT-6.2 Sol
GPT-6 Astra
GPT-6.1 Sol
Claude Fable 5.2
Agents' Last Exam v1.1
Долгие профессиональные процессы
78,3%
73,0%
73,1%
72,5%
72,8%
GDPval v2 (OpenAI internal)
Многошаговые задания по консалтингу, финансам и дизайну
50,4%
46,9%
44,2%
41,5%
44,8%
Harvey LAB-AA v1.1
Юридические документы, полностью соответствующие критериям
15,0%
11,1%
8,6%
6,9%
7,2%
AutomationBench 1.0.6
Автоматизация бизнес-процессов
52,4%
41,2%
41,4%
36,1%
51,4%
LifeVal (OpenAI)
Сложные бытовые задачи
86,1%
83,8%
79,8%
79,5%
n/a
Среди указанных моделей Astra лидирует в каждой строке и вдвое опережает Fable 5.2 в юридическом бенчмарке Harvey. Gemini 4 Carbon всё же немного превосходит её в AutomationBench с 53,9%, а на GDPval v2 его 48,8% находится между Astra и Sol.
График OpenAI по GDPval v2 показывает, откуда берётся экономия: при том же числе выходных токенов новые модели набирают больше, чем предыдущие.
Кодинг и безопасность
Кодинг — сильная сторона Sol: на FrontierCode 2.0 он набирает 43,8% за $1,29 за задачу против 44,2% у Astra за $5,97.
Benchmark
Что измеряет
GPT-6.2 Astra
GPT-6.2 Sol
GPT-6 Astra
GPT-6.1 Sol
Claude Fable 5.2
FrontierCode 2.0
Изменения кода, соответствующие стандартам мейнтейнеров для влития
44,2%
43,8%
42,8%
39,0%
49,1%
SecureSWE (OpenAI internal)
Функциональный и безопасный код для критичных по безопасности компонентов
65,7%
55,6%
48,7%
49,7%
n/a
PatchBench
Патчи безопасности
79,7%
75,6%
70,9%
71,0%
n/a
ExploitBench Internal Port
Частота произвольного выполнения кода в V8 и Chrome
53,5%
50,5%
31,5%
21,5%
n/a
Claude Fable 5.2 сохраняет лидерство на FrontierCode 2.0, а Claude Opus 5.5 на максимальном усилии (45,5%) также обходит обе модели GPT-6.2 там. По строкам безопасности заметнее всего скачок поколения, хотя OpenAI не приводила результаты Fable 5.2 по ним.
График OpenAI по FrontierCode говорит в пользу Sol: на максимальном усилии он достигает показателя Astra примерно за пятую часть стоимости задачи.
Наука, CAD и общее рассуждение
На Terminal-Bench-Science 0.1, тестирующем научную работу в терминале, GPT-6.2 Astra набирает 77,1% — на 9 пунктов выше GPT-6 Astra при менее чем трети стоимости задачи.
Benchmark
Что измеряет
GPT-6.2 Astra
GPT-6.2 Sol
GPT-6 Astra
GPT-6.1 Sol
Claude Fable 5.2
Terminal-Bench-Science 0.1
Научные рабочие процессы в терминале
77,1%
68,0%
68,1%
57,0%
73,3%*
Vals Science Index v1
Интерпретация биологических данных и проведение экспериментов
68,4%
58,5%
65,1%
59,6%
63,7%
BenchCAD 2.1 Core
Задачи CAD-моделирования
82,5%
73,1%
62,6%
52,6%
83,5%
Artificial Analysis Intelligence Index v5.0.1
Композит из 9 оценок (индекс)
62,1
57,3
56,9
54,6
64,6
GPQA Diamond (no tools)
Вопросы по наукам уровня магистратуры
97,0%
96,0%
96,0%
n/a
n/a
Fable 5.2 всё ещё лидирует в Intelligence Index и BenchCAD, но при $26,54 и $50,77 за задачу против $4,00 и $5,43 у Astra. Если вам нужен абсолютный максимум по CAD, выбирайте Fable; если нужно выполнять такие задачи много раз в день, Astra даст 99% результата примерно за десятую часть цены.
На Terminal-Bench-Science Astra достигает лучшего результата при $7,15 за задачу на максимальном усилии, против $23,80 у GPT-6 Astra и $45,21 у Claude Fable 5.2.
Какой уровень вам использовать?
GPT-6.2 Sol должен быть выбором по умолчанию, а GPT-6.2 Astra — моделью для эскалации. Sol стоит четверть цены токена Astra и проигрывает по кодингу менее одного пункта.
GPT-6.2 Astra сама сделала этот вывод в собственной колоде:
Слайд GPT-6.2 Astra
Обе модели в графиках OpenAI показывают пять уровней усилий рассуждения — от низкого до максимального — и выбор усилия важен не меньше, чем выбор уровня модели. В Agents' Last Exam Sol на высоком усилии (72,0% при $0,69 за задачу) оказывается примерно на пункт ниже GPT-6 Astra на максимуме (73,1% при $8,99) — за одну тринадцатую цены. Режим Ultrafast доступен для обеих моделей в API и для подписчиков Pro 500 в ChatGPT.
Сценарий
Уровень
Почему
Повседневный кодинг, рефакторинг и code review
Sol
Отстаёт от Astra на 0,5 пункта на FrontierCode 2.0 при примерно пятой части стоимости
Массовые агентные циклы и автоматизации
Sol
$2 / $10 за миллион токенов, без изменений относительно GPT-6.1 Sol
Презентации для клиентов, финансовые книги и записки
Astra
Совпадение с шаблонами и лидерство на GDPval v2 — особенности Astra
Юридическое письмо и исследования
Astra
15,0% на Harvey LAB-AA против 11,1% у Sol
CAD, симуляции и научный анализ
Astra
Около 9 пунктов преимущества над Sol на BenchCAD и Terminal-Bench-Science
Тестируем GPT-6.2 Astra: практические примеры
Приведённые выше бенчмарки — от OpenAI, поэтому мы провели 2 теста: GPT-6.2 Astra против её предшественницы GPT-6 Astra — с идентичными промптами и инструментами. В тесте дашборда обе модели работали в OpenCode с закреплённой «поверхностью инструментов» (чтение, поиск и редактирование файлов), одинаковым высоким уровнем рассуждений, одной попыткой и свежей сессией.
Тест 1: Честный дашборд из «грязных» данных
Задача: построить одностраничный HTML-дашборд по CSV с доходами и трудоустройством 173 специальностей американских вузов для карьерного консультанта. Нужно сравнить категории по доходам и занятости, показать специальности с максимальными и минимальными доходами, встроить данные (без загрузки) и уместить всё на один экран 1440×900.
Главная проверка — в данных, где есть проблемы, о которых промпт не упоминает:
Лидер по доходам — «Petroleum Engineering» с $110 000 — основан на выборке из 36 человек; у 76 из 173 специальностей выборка меньше 100.
Аутсайдер — «Library Science» с $22 000 — основан на выборке из 2 человек.
У «Food Science» отсутствуют итоги по выпускникам магистратуры.
Категории варьируются от одной специальности (Interdisciplinary, 12 296 выпускников) до 13 специальностей с 1,3 млн выпускников (Business), так что метод усреднения критичен.
Это одновременно проверяет две заявленные новинки: лучшие аналитические «рабочие книги» у Astra и её эффективность — меньше выходных токенов при лучшем результате. Вот что выдала GPT-6.2 Astra:
Основные выводы:
Обе модели с первого раза собрали рабочий дашборд. Каждая встроила все 173 специальности, нарисовала собственные SVG‑чарты без библиотек, уместилась в один экран и загрузилась без ошибок.
Они по‑разному прочитали данные, и это изменило порядок категорий. GPT-6.2 Astra ранжировала категории по медиане медиан специальностей — то есть специальность с несколькими тысячами выпускников считается равной специальности с 200 000. GPT-6 Astra взвесила каждую специальность числом выпускников. Итог: Health — 10‑я с $35 000 в дашборде GPT-6.2 Astra и 4‑я с $40,6k у GPT-6 Astra — потому что nursing с 209 394 выпускниками и медианой $48 000 учитывается как великая доля.
GPT-6 Astra также вынесла размеры выборок на первый план. В её главной таблице видно, что топ‑4 по доходам основаны на выборках 36, 7, 3 и 16. GPT-6.2 Astra показывает это только после выбора специальности и ограничивается одной строкой-предупреждением о нестабильных рейтингах.
GPT-6.2 Astra была дешевле и экономичнее. Она обошлась в $1,79 против $2,93 у GPT-6 Astra, с 27 821 выходным токеном против 35 298.
Посмотрим ближе на версию GPT-6 Astra. Сравните её диаграмму категорий с диаграммой GPT-6.2 Astra выше: Health здесь на 4‑м месте, а там — на 10‑м, а «Biology & Life Science» падает с 6‑го на 11‑е.
Оба метода математически корректны, и GPT-6.2 Astra прямо помечает график как «медиану медиан специальностей». Но карьерному консультанту важно, где оказываются реальные выпускники, и на это отвечает только взвешенный по выпускникам вариант.
Тест 2: Презентация по скриншоту шаблона
Задача: превратить исследовательские заметки к этой статье в 5‑слайдовую колоду для инженеров-менеджеров, решающих, стоит ли переключаться, в стиле одного слайда-шаблона. Модели получили шаблон только как скриншот, а промпт требовал совпадения «вплоть до размеров шрифта» без названия шрифта и кеглей.
Это прямая проверка заявленных возможностей по слайдам. Так как моделям нужно было видеть изображение, каждая запускалась одним API‑вызовом через OpenRouter на одном и том же высоком уровне рассуждений; мы добавили и GPT-6.2 Sol — слайды это повседневная работа. Вот шаблон, который они видели и который был создан для теста:
Основные выводы:
Все три модели восстановили шаблон по одному лишь скриншоту. Каждая опознала шрифт как Poppins и сохранила зелёную акцентную полосу, «кикер»-линию, серую карточку со статистикой, строку источника и номер страницы. Каждый заголовок формулирует вывод — как в шаблоне.
Все три совпали с шаблоном настолько, что на глаз их не различить. В браузере только GPT-6.2 Sol точно попала в размеры шрифтов шаблона. Astra, про которую OpenAI говорит «совпадает вплоть до кегля», промахнулась на пиксель-два.
GPT-6.2 Astra была экономичнее из двух «Astra». $0,22 и 4 968 выходных токенов против $0,59 и 11 247 у GPT-6 Astra. У Sol — $0,07.
Пять слайдов Astra — это те самые, которые вы видели в статье с подписями; каждая цифра в них соответствует моим заметкам. Колода GPT-6 Astra была столь же пригодной, так что в этой задаче поколения практически не различаются.
Итак, является ли GPT-6.2 Astra заметным шагом вперёд? По стоимости — да: она завершила оба теста на 39–63% дешевле, что соответствует заявленной эффективности OpenAI. По суждению — не совсем: более старая модель именно так взвесила данные, как это нужно карьерному консультанту, а по слайдам паритет.
Один прогон на задачу не ранжирует модели, но укладывается в собственное наблюдение OpenAI о Blocker Deception: проверяйте не только то, что GPT-6.2 Astra строит, но и то, что опускает.
Цены и доступность GPT-6.2 Astra и Sol
GPT-6.2 Astra на 20% дешевле GPT-6 Astra по входным и выходным токенам и на 60% дешевле по кэшированному входу, а GPT-6.2 Sol сохраняет цены GPT-6.1 Sol. Стандартные ставки API за миллион токенов:
Model
Input
Cached input
Output
GPT-6.2 Astra
$8.00
$0.40
$40.00
GPT-6.2 Sol
$2.00
$0.10
$10.00
Сниженные цены — лишь часть экономии. Поскольку обе модели используют меньше выходных токенов, стоимость задачи падает ещё сильнее — поэтому забег Astra в Agents' Last Exam стоит менее трети от GPT-6 Astra. OpenAI также рекомендует держать префиксы промптов неизменными и добавлять новые инструкции в конец, чтобы чаще попадать в кэш и сохранять ход рассуждений между шагами.
Краткое резюме цен от самой Astra:
Слайд GPT-6.2 Astra
В ChatGPT обе модели доступны пользователям Plus, Pro, Enterprise и Edu в ChatGPT Work и Codex с первого дня. Пользователи Enterprise и Edu получают доступ после включения администратором рабочего пространства.
Ultrafast доступен в обеих моделях для подписчиков Pro 500, а подписчики Pro 200 получают его впервые — начиная с GPT-6.2 Sol. В анонсе OpenAI бесплатный план не упоминается.
Как получить доступ к GPT-6.2 Astra и Sol?
Обе модели доступны в OpenAI API под именами gpt-6.2-astra и gpt-6.2-sol, с режимом Ultrafast для обеих с запуска. Минимальный запрос через OpenAI Python SDK выглядит так:
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)Работает на
Обе модели также перечислены на OpenRouter (openai/gpt-6.2-astra и openai/gpt-6.2-sol) и в каталоге моделей OpenCode.
GPT-6.2 — это снижение цены, превращённое OpenAI в релиз возможностей. Astra обходит GPT-6 Astra по каждому профессиональному бенчмарку, о котором сообщает OpenAI, при трети стоимости задачи, а Sol настолько близок по кодингу, что большинству команд стоит начать с него.
Общую гонку это не закрывает. Claude Fable 5.2 всё ещё лидирует на FrontierCode и Intelligence Index, Gemini 4 Carbon — в AutomationBench, а в наших тестах старая Astra осмысленнее прочитала «грязный» датасет. Но я бы уже сегодня перешёл с GPT-6 Astra ради экономии.
Слайд GPT-6.2 Astra
Если хотите глубже разобраться в разработке с моделями OpenAI, рекомендуем наш курс Working with the OpenAI API.
FAQs
Что такое GPT-6.2 Astra и чем она отличается от GPT-6.2 Sol?⌄
GPT-6.2 Astra — это передовая модель OpenAI для сложной профессиональной работы: презентации, финансовые книги, юридическое письмо и CAD. GPT-6.2 Sol — более доступная модель на каждый день для кодинга, написания текстов и агентных циклов. Sol стоит четверть цены токенов Astra и уступает на FrontierCode 2.0 всего 0,5 пункта, тогда как Astra лидирует в профессиональных и научных бенчмарках.
Сколько стоит GPT-6.2 Astra в API?⌄
GPT-6.2 Astra стоит $8 за миллион входных токенов, $0,40 за миллион кэшированных входных токенов и $40 за миллион выходных токенов. Это на 20% ниже GPT-6 Astra по входу и выходу и на 60% ниже по кэшированному входу. GPT-6.2 Sol стоит $2, $0,10 и $10 — как и GPT-6.1 Sol.
Лучше ли GPT-6.2 Astra, чем GPT-6 Astra?⌄
По бенчмаркам OpenAI — да: GPT-6.2 Astra обходит GPT-6 Astra по всем результатам в профессиональной работе, например, в Agents' Last Exam (78,3% против 73,1%), при этом стоимость задачи примерно в три раза ниже. В наших двух практических тестах она тоже была дешевле, но GPT-6 Astra осмысленнее взвесила «грязный» датасет.
Где можно получить доступ к GPT-6.2 Astra и GPT-6.2 Sol?⌄
Обе модели доступны в ChatGPT Work и Codex для пользователей Plus, Pro, Enterprise и Edu; для Enterprise и Edu доступ включает администратор воркспейса. Разработчики могут вызывать gpt-6.2-astra и gpt-6.2-sol в OpenAI API; обе модели есть на OpenRouter.
Что выбрать для кодинга: GPT-6.2 Sol или GPT-6.2 Astra?⌄
Для большинства задач по кодингу используйте GPT-6.2 Sol. На FrontierCode 2.0 у него 43,8% против 44,2% у Astra на максимальном усилии, при $1,29 за задачу вместо $5,97. Переключайтесь на Astra для кода с повышенными требованиями безопасности, где она лидирует по SecureSWE, а также для CAD и научной работы.
Начните путь в разработке приложений на базе ИИ с OpenAI API. Узнайте о функциональности, лежащей в основе популярных ИИ-приложений, таких как ChatGPT.
Ноябрь выдался насыщенным на передовые модели. Anthropic выпустила Claude Fable 5.2, Google вывела в поле Gemini 4 Carbon, и сегодня, после недели слухов, OpenAI ответила сразу двумя моделями: GPT-6.2 Astra и GPT-6.2 Sol.
GPT-6.2 Astra — новая флагманская модель OpenAI для сложной профессиональной работы: презентации, финансовые таблицы, юридическая документация, CAD и длительные агентные запуски. GPT-6.2 Sol — более дешёвая повседневная модель для кодинга, письма и агентных циклов, причём по кодингу она близка к Astra при цене токенов примерно в четверть от её стоимости.
Я уже описал их различия, но обе обходятся в ту же или меньшую сумму за задачу, чем модели, которые они заменяют: в API вход и выход у Astra на 20% дешевле, чем у GPT-6 Astra, а Sol сохраняет цены GPT-6.1 Sol.
В этой статье мы разберём всё новое в GPT-6.2 Astra и Sol: рассмотрим функции, изучим бенчмарки и поставим Astra в одинаковые условия с GPT-6 Astra в 2 практических тестах.
Как видно, новые модели выходят очень быстро. Чтобы не отставать от мира ИИ и данных, обязательно подпишитесь на наш еженедельный дайджест The Median.
TL;DR
Что такое GPT-6.2 Astra и Sol?
GPT-6.2 Astra сменяет GPT-6 Astra на вершине линейки, а Sol приходит на место GPT-6.1 Sol уровнем ниже. Два отличия от прошлого поколения:
Вот как выглядит история со стоимостью на одном слайде, созданном GPT-6.2 Astra. (Улучшенные слайды — одна из функций. Дойдём и до неё.)
Ключевые функции GPT-6.2 Astra и Sol
Большинство нововведений нацелено на профессиональный результат и эффективность, а не на «сырую» интеллектуальность. Вот четыре действительно значимых изменения.
Создавайте слайды, книги и документы с точным следованием вашему шаблону
GPT-6.2 Astra может взять шаблон слайда — исходный файл или даже скриншот — и воспроизвести его макет, цвета и типографику вплоть до кегля. OpenAI обучала модель на конвенциях таких областей, как право, продажи, финансы и бухгалтерия: заголовки формулируют главный вывод, а в основном тексте меньше «воды».
Эту функцию мы проверяли на протяжении всей статьи, включая слайд выше. Astra писала каждый слайд в HTML, который затем был отрендерен в изображение без изменений.
То же обучение проявляется в электронных таблицах. На AA-AnalystAgent от Artificial Analysis, где модели ищут цифры в реальных таблицах и отчётах, Astra ответила верно на 62,5% вопросов по всем пяти независимым прогонам — новый максимум, по данным OpenAI. ClickUp сообщает, что в слепых тестах приложений, дашбордов и слайдов, которые строит ClickUp Brain, Astra чуть опередила их продакшн-модель, сократив число раундов правок примерно на 30%.
Работайте в CAD и инструментах моделирования с помощью «компьютерного использования»
«Компьютерное использование» GPT-6.2 Astra теперь работает на уровне отдельных деталей и соединений в CAD и инструментах симуляции. Ожидаем, что это большое событие для механических и продуктовых инженеров. В демо OpenAI — динамика шасси автомобиля, смоделированная на Python-решателе и анимированная в Blender; радиоуправляемый багги масштаба 1:8, смоделированный по деталям по публичным фото и мануалам; бумажная лампа, спроектированная по референсам через итерации в CAD.
Собственный CAD-проект для теста сделать непросто, поэтому вот демо OpenAI по симуляции вождения. Astra собрала 3D-модель автомобиля, написала Python-решатель для шин и подвески и анимировала результат в Blender:
Источник: OpenAI
Больше результата на токен в агентных сценариях
Обе модели достигают лучших результатов при меньшем числе выходных токенов — это и даёт основную экономию. На внутреннем GDPval v2 у OpenAI GPT-6.2 Astra набирает на 6,2 пункта больше, чем GPT-6 Astra, используя на 22% меньше выходных токенов. Astra также лучше выбирает инструменты — в том числе, когда использовать плагин, а не «компьютерное использование», — а Basis сообщает, что среднее время для длительных бухгалтерских задач сократилось вдвое.
В системной карточке есть и хорошие новости по prompt injection — когда скрытые инструкции в письме или на веб-странице пытаются перехватить агента. Слайд Astra подытоживает компромиссы по безопасности:
Слайд GPT-6.2 Astra
Пишите более безопасный код при более жёстких ограничениях
GPT-6.2 Astra и Sol эффективнее находят и эксплуатируют уязвимости, а OpenAI добавила сигналы обучения для написания безопасного кода и патчей с сохранением предполагаемого поведения. Обе модели соответствуют критическому порогу по кибербезопасности в рамках Preparedness Framework OpenAI, как и GPT-6 Astra.
Компромисс — больше отказов. Обе модели запущены с более жёсткими ограничителями, которые также задевают часть легитимных исследований уязвимостей и тестирования безопасности. Одобренные защитники по-прежнему используют GPT-6 Astra и GPT-6 Cyber, который стал доступен две недели назад, через OpenAI Daybreak.
Как GPT-6.2 Astra и Sol показывают себя в бенчмарках?
GPT-6.2 Astra лидирует в профессиональных и научных бенчмарках OpenAI, но Claude Fable 5.2 удерживает лидерство в ряде результатов по кодингу и рассуждению.
В таблицах ниже все оценки предоставлены вендорами. В каждой строке лучшая оценка выделена жирным.
Профессиональная работа и агентные сценарии
В Agents' Last Exam v1.1, тестирующем длинные многошаговые профессиональные процессы, GPT-6.2 Astra набирает 78,3% при $2,89 за задачу. GPT-6 Astra — 73,1% при $8,99, а Claude Fable 5.2 — 72,8% при $60,05.
Ближе всего — Gemini 4 Carbon с 77,4%, но за $4,60 за задачу. Остальные результаты по профессиональной работе соответствуют той же тенденции:
Среди указанных моделей Astra лидирует в каждой строке и вдвое опережает Fable 5.2 в юридическом бенчмарке Harvey. Gemini 4 Carbon всё же немного превосходит её в AutomationBench с 53,9%, а на GDPval v2 его 48,8% находится между Astra и Sol.
График OpenAI по GDPval v2 показывает, откуда берётся экономия: при том же числе выходных токенов новые модели набирают больше, чем предыдущие.
Кодинг и безопасность
Кодинг — сильная сторона Sol: на FrontierCode 2.0 он набирает 43,8% за $1,29 за задачу против 44,2% у Astra за $5,97.
Claude Fable 5.2 сохраняет лидерство на FrontierCode 2.0, а Claude Opus 5.5 на максимальном усилии (45,5%) также обходит обе модели GPT-6.2 там. По строкам безопасности заметнее всего скачок поколения, хотя OpenAI не приводила результаты Fable 5.2 по ним.
График OpenAI по FrontierCode говорит в пользу Sol: на максимальном усилии он достигает показателя Astra примерно за пятую часть стоимости задачи.
Наука, CAD и общее рассуждение
На Terminal-Bench-Science 0.1, тестирующем научную работу в терминале, GPT-6.2 Astra набирает 77,1% — на 9 пунктов выше GPT-6 Astra при менее чем трети стоимости задачи.
Fable 5.2 всё ещё лидирует в Intelligence Index и BenchCAD, но при $26,54 и $50,77 за задачу против $4,00 и $5,43 у Astra. Если вам нужен абсолютный максимум по CAD, выбирайте Fable; если нужно выполнять такие задачи много раз в день, Astra даст 99% результата примерно за десятую часть цены.
На Terminal-Bench-Science Astra достигает лучшего результата при $7,15 за задачу на максимальном усилии, против $23,80 у GPT-6 Astra и $45,21 у Claude Fable 5.2.
Какой уровень вам использовать?
GPT-6.2 Sol должен быть выбором по умолчанию, а GPT-6.2 Astra — моделью для эскалации. Sol стоит четверть цены токена Astra и проигрывает по кодингу менее одного пункта.
GPT-6.2 Astra сама сделала этот вывод в собственной колоде:
Слайд GPT-6.2 Astra
Обе модели в графиках OpenAI показывают пять уровней усилий рассуждения — от низкого до максимального — и выбор усилия важен не меньше, чем выбор уровня модели. В Agents' Last Exam Sol на высоком усилии (72,0% при $0,69 за задачу) оказывается примерно на пункт ниже GPT-6 Astra на максимуме (73,1% при $8,99) — за одну тринадцатую цены. Режим Ultrafast доступен для обеих моделей в API и для подписчиков Pro 500 в ChatGPT.
Тестируем GPT-6.2 Astra: практические примеры
Приведённые выше бенчмарки — от OpenAI, поэтому мы провели 2 теста: GPT-6.2 Astra против её предшественницы GPT-6 Astra — с идентичными промптами и инструментами. В тесте дашборда обе модели работали в OpenCode с закреплённой «поверхностью инструментов» (чтение, поиск и редактирование файлов), одинаковым высоким уровнем рассуждений, одной попыткой и свежей сессией.
Тест 1: Честный дашборд из «грязных» данных
Задача: построить одностраничный HTML-дашборд по CSV с доходами и трудоустройством 173 специальностей американских вузов для карьерного консультанта. Нужно сравнить категории по доходам и занятости, показать специальности с максимальными и минимальными доходами, встроить данные (без загрузки) и уместить всё на один экран 1440×900.
Главная проверка — в данных, где есть проблемы, о которых промпт не упоминает:
Это одновременно проверяет две заявленные новинки: лучшие аналитические «рабочие книги» у Astra и её эффективность — меньше выходных токенов при лучшем результате. Вот что выдала GPT-6.2 Astra:
Основные выводы:
Посмотрим ближе на версию GPT-6 Astra. Сравните её диаграмму категорий с диаграммой GPT-6.2 Astra выше: Health здесь на 4‑м месте, а там — на 10‑м, а «Biology & Life Science» падает с 6‑го на 11‑е.
Оба метода математически корректны, и GPT-6.2 Astra прямо помечает график как «медиану медиан специальностей». Но карьерному консультанту важно, где оказываются реальные выпускники, и на это отвечает только взвешенный по выпускникам вариант.
Тест 2: Презентация по скриншоту шаблона
Задача: превратить исследовательские заметки к этой статье в 5‑слайдовую колоду для инженеров-менеджеров, решающих, стоит ли переключаться, в стиле одного слайда-шаблона. Модели получили шаблон только как скриншот, а промпт требовал совпадения «вплоть до размеров шрифта» без названия шрифта и кеглей.
Это прямая проверка заявленных возможностей по слайдам. Так как моделям нужно было видеть изображение, каждая запускалась одним API‑вызовом через OpenRouter на одном и том же высоком уровне рассуждений; мы добавили и GPT-6.2 Sol — слайды это повседневная работа. Вот шаблон, который они видели и который был создан для теста:
Основные выводы:
Пять слайдов Astra — это те самые, которые вы видели в статье с подписями; каждая цифра в них соответствует моим заметкам. Колода GPT-6 Astra была столь же пригодной, так что в этой задаче поколения практически не различаются.
Итак, является ли GPT-6.2 Astra заметным шагом вперёд? По стоимости — да: она завершила оба теста на 39–63% дешевле, что соответствует заявленной эффективности OpenAI. По суждению — не совсем: более старая модель именно так взвесила данные, как это нужно карьерному консультанту, а по слайдам паритет.
Один прогон на задачу не ранжирует модели, но укладывается в собственное наблюдение OpenAI о Blocker Deception: проверяйте не только то, что GPT-6.2 Astra строит, но и то, что опускает.
Цены и доступность GPT-6.2 Astra и Sol
GPT-6.2 Astra на 20% дешевле GPT-6 Astra по входным и выходным токенам и на 60% дешевле по кэшированному входу, а GPT-6.2 Sol сохраняет цены GPT-6.1 Sol. Стандартные ставки API за миллион токенов:
Сниженные цены — лишь часть экономии. Поскольку обе модели используют меньше выходных токенов, стоимость задачи падает ещё сильнее — поэтому забег Astra в Agents' Last Exam стоит менее трети от GPT-6 Astra. OpenAI также рекомендует держать префиксы промптов неизменными и добавлять новые инструкции в конец, чтобы чаще попадать в кэш и сохранять ход рассуждений между шагами.
Краткое резюме цен от самой Astra:
Слайд GPT-6.2 Astra
В ChatGPT обе модели доступны пользователям Plus, Pro, Enterprise и Edu в ChatGPT Work и Codex с первого дня. Пользователи Enterprise и Edu получают доступ после включения администратором рабочего пространства.
Ultrafast доступен в обеих моделях для подписчиков Pro 500, а подписчики Pro 200 получают его впервые — начиная с GPT-6.2 Sol. В анонсе OpenAI бесплатный план не упоминается.
Как получить доступ к GPT-6.2 Astra и Sol?
Обе модели доступны в OpenAI API под именами
gpt-6.2-astraиgpt-6.2-sol, с режимом Ultrafast для обеих с запуска. Минимальный запрос через OpenAI Python SDK выглядит так:Обе модели также перечислены на OpenRouter (
openai/gpt-6.2-astraиopenai/gpt-6.2-sol) и в каталоге моделей OpenCode.Полный разбор на предыдущем поколении — в наших руководстве по GPT-6 Astra API и руководстве по GPT-6.1 Sol; основное изменение — замена идентификатора модели.
Итоги
GPT-6.2 — это снижение цены, превращённое OpenAI в релиз возможностей. Astra обходит GPT-6 Astra по каждому профессиональному бенчмарку, о котором сообщает OpenAI, при трети стоимости задачи, а Sol настолько близок по кодингу, что большинству команд стоит начать с него.
Общую гонку это не закрывает. Claude Fable 5.2 всё ещё лидирует на FrontierCode и Intelligence Index, Gemini 4 Carbon — в AutomationBench, а в наших тестах старая Astra осмысленнее прочитала «грязный» датасет. Но я бы уже сегодня перешёл с GPT-6 Astra ради экономии.
Слайд GPT-6.2 Astra
Если хотите глубже разобраться в разработке с моделями OpenAI, рекомендуем наш курс Working with the OpenAI API.