Перейти к основному содержимому

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.

Создать бесплатный аккаунт

Практикуйтесь и следите за своим прогрессом.

Продолжить с GoogleПродолжая, вы принимаете нашу Условия использования, наши Политику конфиденциальности и то, что ваши данные хранятся в США.

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.)

Слайд, созданный GPT-6.2 Astra: Astra набирает больше на агентных задачах за меньшие деньги: $2,89 за задачу в Agents' Last Exam

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:

Демо OpenAI симуляции вождения GPT-6.2 Astra: автомобиль на горной дороге, рядом — виды передней и задней подвески, нагрузки в пятне контакта шин, «круг сцепления», действия водителя и показания силовой установки

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, созданный GPT-6.2 Astra: обе модели лучше противостоят prompt injection; уровень сопротивления Sol — 91,65%

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.

График Agents' Last Exam v1.1: GPT-6.2 Astra — 78,3% при $2,89 за задачу, опережает Gemini 4 Carbon — 77,4% ($4,60), GPT-6 Astra — 73,1% ($8,99) и Claude Fable 5.2 — 72,8% ($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:

BenchmarkЧто измеряетGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
Agents' Last Exam v1.1Долгие профессиональные процессы78,3%73,0%73,1%72,5%72,8%
GDPval v2 (OpenAI internal)Многошаговые задания по консалтингу, финансам и дизайну50,4%46,9%44,2%41,5%44,8%
Harvey LAB-AA v1.1Юридические документы, полностью соответствующие критериям15,0%11,1%8,6%6,9%7,2%
AutomationBench 1.0.6Автоматизация бизнес-процессов52,4%41,2%41,4%36,1%51,4%
LifeVal (OpenAI)Сложные бытовые задачи86,1%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.

График GDPval v2: GPT-6.2 Astra и Sol достигают более высоких оценок, чем GPT-6 Astra и GPT-6.1 Sol, при меньшем числе выходных токенов на каждом уровне усилий рассуждения

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.

BenchmarkЧто измеряетGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
FrontierCode 2.0Изменения кода, соответствующие стандартам мейнтейнеров для влития44,2%43,8%42,8%39,0%49,1%
SecureSWE (OpenAI internal)Функциональный и безопасный код для критичных по безопасности компонентов65,7%55,6%48,7%49,7%n/a
PatchBenchПатчи безопасности79,7%75,6%70,9%71,0%n/a
ExploitBench Internal PortЧастота произвольного выполнения кода в V8 и Chrome53,5%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.

График FrontierCode 2.0: GPT-6.2 Sol достигает почти уровня Astra при доле стоимости на задачу, в то время как Claude Fable 5.2 показывает наивысший балл при значительно более высокой цене

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.

BenchmarkЧто измеряетGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
Terminal-Bench-Science 0.1Научные рабочие процессы в терминале77,1%68,0%68,1%57,0%73,3%*
Vals Science Index v1Интерпретация биологических данных и проведение экспериментов68,4%58,5%65,1%59,6%63,7%
BenchCAD 2.1 CoreЗадачи CAD-моделирования82,5%73,1%62,6%52,6%83,5%
Artificial Analysis Intelligence Index v5.0.1Композит из 9 оценок (индекс)62,157,356,954,664,6
GPQA Diamond (no tools)Вопросы по наукам уровня магистратуры97,0%96,0%96,0%n/an/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.

График Terminal-Bench-Science 0.1: GPT-6.2 Astra набирает больше при доле стоимости задач по сравнению с Claude Fable 5.2 и GPT-6 Astra

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.

Какой уровень GPT-6.2 выбрать: Sol — для повседневного кодинга и агентных циклов; Astra — для презентаций, рабочих книг, юридических черновиков, CAD, симуляций и научной работы

GPT-6.2 Astra сама сделала этот вывод в собственной колоде:

Слайд, созданный GPT-6.2 Astra: Sol почти догоняет Astra на FrontierCode при $1,29 за задачу по кодингу

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.

СценарийУровеньПочему
Повседневный кодинг, рефакторинг и code reviewSolОтстаёт от Astra на 0,5 пункта на FrontierCode 2.0 при примерно пятой части стоимости
Массовые агентные циклы и автоматизацииSol$2 / $10 за миллион токенов, без изменений относительно GPT-6.1 Sol
Презентации для клиентов, финансовые книги и запискиAstraСовпадение с шаблонами и лидерство на GDPval v2 — особенности Astra
Юридическое письмо и исследованияAstra15,0% на Harvey LAB-AA против 11,1% у Sol
CAD, симуляции и научный анализAstraОколо 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:

Дашборд GPT-6.2 Astra ранжирует категории по невзвешенной медиане медиан специальностей, из‑за чего Health — 10-е место с $35 000

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.

Дашборд GPT-6 Astra взвешивает доходы категорий по выпускникам, из‑за чего Health — 4-е место с $40,6k, и показывает столбец с размером выборки рядом с каждой специальностью

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:

Слайд‑шаблон, показанный моделям: слайд в стиле DataCamp с зелёной акцентной полосой, заголовком-выводом, тремя буллетами и серой карточкой со статистикой

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:

ModelInputCached inputOutput
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, созданный GPT-6.2 Astra: Astra стоит дешевле, а цены API Sol остаются прежними; Astra на 20% дешевле по входному и выходному токену, чем GPT-6 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)

Обе модели также перечислены на OpenRouter (openai/gpt-6.2-astra и openai/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, созданный GPT-6.2 Astra: используйте собственные задачи, чтобы решить, где переключаться; Astra использует на 22% меньше выходных токенов на GDPval v2

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.

Темы