Chuyển đến nội dung chính

GPT-6.2 Astra và Sol: Tính năng, Điểm chuẩn, Bài kiểm tra và Giá

GPT-6.2 Astra và Sol của OpenAI cắt giảm mạnh chi phí mỗi tác vụ. Chúng tôi trình bày điểm mới, điểm chuẩn, nên dùng phân hạng nào, mức giá và bài thử thực tế đối đầu GPT-6 Astra.
Josef Waples
Josef Waples

Tạo tài khoản miễn phí của bạn

Luyện tập và Lộ trình tiến trình của bạn.

Tiếp tục với GoogleBằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách quyền riêng tư và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Tháng 11 chứng kiến hàng loạt mô hình tuyến đầu ra mắt. Anthropic phát hành Claude Fable 5.2, Google tung Gemini 4 Carbon, và hôm nay, sau một tuần đồn đoán, OpenAI đáp lại với hai mô hình cùng lúc: GPT-6.2 Astra và GPT-6.2 Sol.

GPT-6.2 Astra là mô hình tuyến đầu mới của OpenAI dành cho công việc chuyên nghiệp nặng, như slide deck, sổ làm việc tài chính, soạn thảo pháp lý, CAD và các tác vụ agent dài hơi. GPT-6.2 Sol là mô hình hằng ngày giá rẻ hơn cho lập trình, viết lách và vòng lặp agent, và về lập trình thì tiến khá sát Astra với giá token chỉ bằng khoảng một phần tư.

Tôi vừa nói về khác biệt của chúng, nhưng cả hai đều có chi phí mỗi tác vụ ngang hoặc thấp hơn các mô hình bị thay thế: trong API, giá input và output của Astra thấp hơn 20% so với GPT-6 Astra, còn Sol giữ nguyên mức giá của GPT-6.1 Sol.

Trong bài này, tôi sẽ điểm qua mọi thứ mới ở GPT-6.2 Astra và Sol, bao gồm các tính năng mới, khám phá các điểm chuẩn và cho Astra “chạy bài” với 2 thử nghiệm thực tế đối đầu GPT-6 Astra. 

Như bạn thấy, các mô hình mới đang được tung ra với tốc độ nhanh. Để theo kịp lĩnh vực AI và dữ liệu, hãy đăng ký bản tin hàng tuần của chúng tôi, The Median.

Tóm tắt nhanh (TL;DR)

  • GPT-6.2 Astra là đầu tàu mới của OpenAI cho công việc chuyên môn nặng; GPT-6.2 Sol là mô hình cho nhu cầu hằng ngày.
  • Lợi ích nổi bật là chi phí mỗi tác vụ: Astra làm được nhiều hơn với chi phí thấp hơn nhiều so với GPT-6 Astra.
  • Sol tiến sát Astra về lập trình với mức giá chỉ bằng một phần nhỏ, nên nên là mặc định của bạn.
  • Claude Fable 5.2 vẫn dẫn đầu vài điểm chuẩn về lập trình và suy luận, vì vậy OpenAI chưa “quét sạch”.
  • Trong thử nghiệm thực tế của chúng tôi, Astra rẻ hơn nhiều so với GPT-6 Astra, nhưng GPT-6 Astra đọc một tập dữ liệu lộn xộn một cách hợp lý hơn.
  • Nếu bạn đang trả phí cho GPT-6 Astra, hãy chuyển; chỉ riêng khoản tiết kiệm cũng đáng giá.

GPT-6.2 Astra và Sol là gì?

GPT-6.2 Astra thay thế GPT-6 Astra ở phân hạng cao nhất, và Sol thay thế GPT-6.1 Sol ở phân hạng dưới. Có hai điểm phân biệt với thế hệ trước:

  • Thông minh hơn chút, rẻ hơn nhiều theo tác vụ. Chỉ số năng lực nội bộ của OpenAI cho thấy Astra chỉ cao hơn GPT-6 Astra 1,7 điểm, nhưng chi phí mỗi tác vụ giảm hơn một nửa ở nhiều điểm chuẩn.
  • Xếp hạng rủi ro mới. Astra là mô hình đầu tiên của OpenAI đạt ngưỡng High về tự cải thiện AI, nên đi kèm các biện pháp bảo vệ nghiêm ngặt nhất từ OpenAI đến nay.

Đây là câu chuyện chi phí trong một slide, do chính GPT-6.2 Astra tạo. (Slide cải thiện là một tính năng. Chúng ta sẽ bàn tới.)

Slide do GPT-6.2 Astra tạo: Astra đạt điểm agent cao hơn với chi phí thấp hơn, ở mức $2.89 mỗi tác vụ trên Agents' Last Exam

Các tính năng chính của GPT-6.2 Astra và Sol

Hầu hết điểm mới nhắm vào đầu ra chuyên nghiệp và hiệu suất, không phải “trí thông minh thô”. Dưới đây là bốn thay đổi quan trọng.

Tạo slide, sổ làm việc và tài liệu theo đúng mẫu của bạn

GPT-6.2 Astra có thể nhận mẫu slide, là file gốc hoặc thậm chí ảnh chụp màn hình, và khớp bố cục, màu sắc, kiểu chữ đến tận cỡ phông. OpenAI đã huấn luyện mô hình theo chuẩn mực của các lĩnh vực như luật, bán hàng, tài chính và kế toán, với tiêu đề thể hiện thông điệp chính và phần thân ít rườm rà.

Tôi đã thử nghiệm tính năng mới này xuyên suốt bài viết, bao gồm cả slide ở trên. Astra viết mỗi slide bằng HTML, và tôi render thành ảnh mà không chỉnh sửa. 

Việc huấn luyện tương tự cũng xuất hiện trong bảng tính. Trên AA-AnalystAgent của Artificial Analysis, vốn yêu cầu mô hình tìm số liệu trong bảng tính và báo cáo thực, Astra trả lời đúng 62,5% câu hỏi trong cả năm lượt thử độc lập, mức cao mới theo OpenAI. ClickUp cho biết Astra nhỉnh hơn mô hình đang chạy của họ trong kiểm thử mù các ứng dụng, dashboard và slide do ClickUp Brain tạo, với số vòng rà soát giảm khoảng 30%.

Làm việc trong công cụ CAD và mô phỏng với khả năng sử dụng máy tính

Khả năng sử dụng máy tính của GPT-6.2 Astra giờ hoạt động tới từng linh kiện và kết nối trong các công cụ CAD và mô phỏng. Chúng tôi kỳ vọng đây là bước tiến lớn cho các kỹ sư cơ khí và sản phẩm. Demo của OpenAI bao gồm mô phỏng động lực học khung gầm ô tô bằng bộ giải Python và hoạt hình trong Blender, một mẫu xe RC tỉ lệ 1:8 được dựng từng phần dựa trên ảnh công khai và sổ tay lắp ráp, và một đèn giấy được thiết kế từ ảnh tham chiếu qua các lần chỉnh CAD.

Chúng tôi khó có thể tự dựng một dự án CAD để kiểm thử, nên đây là demo mô phỏng lái xe của OpenAI. Astra dựng chiếc xe 3D, viết bộ giải Python cho lốp và hệ treo, và tạo hoạt hình kết quả trong Blender:

Demo mô phỏng lái xe của OpenAI với GPT-6.2 Astra: một chiếc xe trên đường núi cạnh các góc nhìn hệ treo trước/sau, tải trọng vết tiếp xúc lốp, vòng tròn lực bám, thao tác lái và các chỉ số truyền động

Nguồn: OpenAI

Làm được nhiều việc hơn mỗi token trong quy trình agent

Cả hai mô hình đạt kết quả tốt hơn với ít token đầu ra hơn, là nguồn tiết kiệm chi phí chính. Trên GDPval v2 nội bộ của OpenAI, GPT-6.2 Astra cao hơn GPT-6 Astra 6,2 điểm trong khi dùng ít hơn 22% token đầu ra. Astra cũng chọn công cụ tốt hơn, bao gồm khi nào dùng plugin thay vì computer use, và Basis báo cáo thời gian trung bình cho công việc kế toán dài hạn giảm một nửa.

System card cũng có tin tốt về tiêm chèn prompt, khi chỉ dẫn ẩn trong email hay trang web cố chiếm quyền tác tử. Slide của Astra tóm tắt đánh đổi về an toàn:

Slide do GPT-6.2 Astra tạo: cả hai mô hình chống chịu nhiều cuộc tiêm chèn prompt hơn, với Sol chống được 91,65%

Slide bởi GPT-6.2 Astra

Viết mã an toàn hơn, trong các biện pháp bảo vệ chặt hơn

GPT-6.2 Astra và Sol tìm và khai thác lỗ hổng hiệu quả hơn, và OpenAI bổ sung tín hiệu huấn luyện để viết mã an toàn và bản vá giữ nguyên hành vi dự định. Cả hai đạt ngưỡng Critical cho an ninh mạng theo Preparedness Framework của OpenAI, như GPT-6 Astra.

Đánh đổi là từ chối nhiều hơn. OpenAI ra mắt cả hai mô hình với biện pháp bảo vệ chặt hơn, cũng hạn chế một số nghiên cứu lỗ hổng và kiểm thử bảo mật hợp pháp. Các “defender” đã được phê duyệt vẫn dùng GPT-6 Astra và GPT-6 Cyber (ra mắt hai tuần trước) thông qua OpenAI Daybreak.

GPT-6.2 Astra và Sol thể hiện ra sao trên các điểm chuẩn?

GPT-6.2 Astra dẫn đầu các điểm chuẩn công việc chuyên nghiệp và khoa học của OpenAI, nhưng Claude Fable 5.2 dẫn đầu một số kết quả về lập trình và suy luận. 

Trong các bảng sau, tất cả điểm số do nhà cung cấp báo cáo. Tôi bôi đậm điểm cao nhất mỗi hàng.

Công việc chuyên nghiệp và quy trình agent

Trên Agents' Last Exam v1.1, bài kiểm tra các quy trình chuyên nghiệp dài nhiều bước, GPT-6.2 Astra đạt 78,3% với $2,89 mỗi tác vụ. GPT-6 Astra đạt 73,1% với $8,99 mỗi tác vụ, và Claude Fable 5.2 đạt 72,8% với $60,05.

Biểu đồ Agents' Last Exam v1.1: GPT-6.2 Astra đạt 78,3% với $2,89 mỗi tác vụ, vượt Gemini 4 Carbon 77,4% ($4,60), GPT-6 Astra 73,1% ($8,99), và Claude Fable 5.2 72,8% ($60,05)

Gemini 4 Carbon bám sát nhất ở mức 77,4%, nhưng chi phí $4,60 mỗi tác vụ. Các kết quả công việc chuyên nghiệp còn lại có mô hình tương tự:

BenchmarkĐo lường gìGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
Agents' Last Exam v1.1Quy trình chuyên nghiệp dài hạn78.3%73.0%73.1%72.5%72.8%
GDPval v2 (nội bộ OpenAI)Bài tập tư vấn, tài chính và thiết kế nhiều bước50.4%46.9%44.2%41.5%44.8%
Harvey LAB-AA v1.1Đầu ra pháp lý đáp ứng mọi tiêu chí15.0%11.1%8.6%6.9%7.2%
AutomationBench 1.0.6Tự động hóa quy trình kinh doanh52.4%41.2%41.4%36.1%51.4%
LifeVal (OpenAI)Các nhiệm vụ hằng ngày thách thức86.1%83.8%79.8%79.5%n/a

Astra dẫn đầu mọi hàng trong bảng này giữa các mô hình so sánh, và gấp đôi Fable 5.2 trên điểm chuẩn pháp lý của Harvey. Gemini 4 Carbon vẫn nhỉnh hơn ở AutomationBench với 53,9%, và ở GDPval v2, mức 48,8% của Carbon nằm giữa Astra và Sol.

Biểu đồ GDPval v2 của OpenAI cho thấy nguồn tiết kiệm: với cùng số token đầu ra, các mô hình mới đạt điểm cao hơn thế hệ trước.

Biểu đồ GDPval v2: GPT-6.2 Astra và Sol đạt điểm cao hơn GPT-6 Astra và GPT-6.1 Sol với ít token đầu ra hơn ở mọi mức nỗ lực suy luận

Lập trình và bảo mật

Lập trình là nơi Sol khẳng định vị trí: trên FrontierCode 2.0, Sol đạt 43,8% với $1,29 mỗi tác vụ, so với Astra 44,2% với $5,97.

BenchmarkĐo lường gìGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
FrontierCode 2.0Thay đổi mã đạt chuẩn người bảo trì để merge44.2%43.8%42.8%39.0%49.1%
SecureSWE (nội bộ OpenAI)Mã vừa hoạt động vừa an toàn cho thành phần nhạy cảm65.7%55.6%48.7%49.7%n/a
PatchBenchBản vá bảo mật79.7%75.6%70.9%71.0%n/a
ExploitBench Internal PortTỷ lệ thực thi mã tùy ý trên V8 và Chrome53.5%50.5%31.5%21.5%n/a

Claude Fable 5.2 vẫn dẫn đầu trên FrontierCode 2.0, và Claude Opus 5.5 ở mức nỗ lực tối đa (45,5%) cũng vượt cả hai mô hình GPT-6.2 tại đây. Các hàng về bảo mật cho thấy bước nhảy thế hệ rõ nhất, dù OpenAI không báo cáo Fable 5.2 trên các điểm này.

Biểu đồ FrontierCode của OpenAI chứng minh cho Sol: ở mức nỗ lực tối đa, nó đạt điểm của Astra với chi phí mỗi tác vụ khoảng một phần năm.

Biểu đồ FrontierCode 2.0: GPT-6.2 Sol đạt gần điểm của Astra với chi phí mỗi tác vụ nhỏ hơn nhiều, trong khi Claude Fable 5.2 đạt điểm cao nhất nhưng chi phí cao hơn nhiều

Khoa học, CAD và suy luận tổng quát

Trên Terminal-Bench-Science 0.1, bài thử công việc khoa học trong terminal, GPT-6.2 Astra đạt 77,1%, cao hơn GPT-6 Astra 9 điểm với chi phí mỗi tác vụ thấp hơn một phần ba.

BenchmarkĐo lường gìGPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2
Terminal-Bench-Science 0.1Quy trình nghiên cứu khoa học trong terminal77.1%68.0%68.1%57.0%73.3%*
Vals Science Index v1Diễn giải dữ liệu sinh học và chạy thí nghiệm68.4%58.5%65.1%59.6%63.7%
BenchCAD 2.1 CoreNhiệm vụ dựng hình CAD82.5%73.1%62.6%52.6%83.5%
Artificial Analysis Intelligence Index v5.0.1Tổng hợp 9 đánh giá (điểm chỉ số)62.157.356.954.664.6
GPQA Diamond (không công cụ)Câu hỏi khoa học trình độ sau đại học97.0%96.0%96.0%n/an/a

Fable 5.2 vẫn dẫn đầu Intelligence Index và BenchCAD, nhưng với chi phí $26,54 và $50,77 mỗi tác vụ so với $4,00 và $5,43 của Astra. Nếu bạn cần đầu ra CAD tốt nhất tuyệt đối, Fable vẫn là lựa chọn; nếu bạn cần nhiều lần mỗi ngày, Astra cho bạn 99% chất lượng với chi phí bằng khoảng một phần mười.

Trên Terminal-Bench-Science, Astra đạt điểm cao nhất với $7,15 mỗi tác vụ ở nỗ lực tối đa, so với $23,80 cho GPT-6 Astra và $45,21 cho Claude Fable 5.2.

Biểu đồ Terminal-Bench-Science 0.1: GPT-6.2 Astra đạt điểm cao nhất với chi phí nhỏ bằng một phần của Claude Fable 5.2 và GPT-6 Astra

Nên dùng phân hạng nào?

GPT-6.2 Sol nên là mặc định, và GPT-6.2 Astra là mô hình bạn nâng cấp lên khi cần. Sol có giá token bằng một phần tư của Astra, và về lập trình nó kém chưa đến một điểm.

Nên dùng phân hạng GPT-6.2 nào: Sol cho lập trình hằng ngày và vòng lặp agent, Astra cho deck, sổ làm việc, bản thảo pháp lý, CAD, mô phỏng và công việc khoa học

GPT-6.2 Astra tự đưa ra cùng một luận điểm trong chính bộ slide của mình:

Slide do GPT-6.2 Astra tạo: Sol gần như ngang Astra trên FrontierCode với $1,29 mỗi tác vụ lập trình

Slide bởi GPT-6.2 Astra

Cả hai mô hình đều có năm mức nỗ lực suy luận trong biểu đồ của OpenAI, từ thấp đến tối đa, và thiết lập nỗ lực quan trọng không kém phân hạng. Trên Agents' Last Exam, Sol ở mức cao (72,0% với $0,69 mỗi tác vụ) thấp hơn khoảng một điểm so với GPT-6 Astra ở mức tối đa (73,1% với $8,99) với chi phí chỉ bằng một phần mười ba. Chế độ Ultrafast có trong API cho cả hai mô hình và cho người đăng ký Pro 500 trong ChatGPT.

Trường hợp sử dụngPhân hạngLý do
Lập trình hằng ngày, refactor và review mãSolChỉ kém 0,5 điểm so với Astra trên FrontierCode 2.0 với chi phí khoảng một phần năm
Các vòng lặp agent và tự động hóa khối lượng lớnSol$2 / $10 mỗi triệu token, giữ nguyên so với GPT-6.1 Sol
Deck cho khách hàng, sổ làm việc tài chính và memoAstraKhả năng khớp mẫu và dẫn đầu GDPval v2 là đặc thù của Astra
Soạn thảo và nghiên cứu pháp lýAstra15,0% trên Harvey LAB-AA so với 11,1% của Sol
CAD, mô phỏng và phân tích khoa họcAstraHơn Sol khoảng 9 điểm trên BenchCAD và Terminal-Bench-Science

Kiểm thử GPT-6.2 Astra: Ví dụ thực tế

Các điểm chuẩn trên là của OpenAI, nên tôi chạy 2 bài thử giữa GPT-6.2 Astra và tiền nhiệm GPT-6 Astra, với prompt và công cụ giống hệt nhau. Với bài thử dashboard, cả hai chạy trong OpenCode với bề mặt công cụ cố định (đọc, tìm kiếm và chỉnh sửa file), cùng mức nỗ lực suy luận cao, một lần chạy và phiên mới.

Bài thử 1: Dashboard trung thực từ dữ liệu lộn xộn

Nhiệm vụ: dựng dashboard HTML một file từ CSV về thu nhập và việc làm của 173 ngành học đại học ở Mỹ, phục vụ cố vấn nghề nghiệp so sánh lĩnh vực cho khách hàng. Dashboard phải so sánh theo danh mục về thu nhập và việc làm, nêu ngành thu nhập cao nhất và thấp nhất, nhúng dữ liệu thay vì tải, và vừa một màn hình 1440×900.

Bài thử thực nằm ở dữ liệu, có những vấn đề prompt không đề cập:

  • Ngành thu nhập cao nhất, Kỹ thuật Dầu khí $110.000, dựa trên mẫu khảo sát 36 người, và 76/173 ngành có mẫu dưới 100.
  • Ngành thấp nhất, Khoa học Thư viện $22.000, dựa trên mẫu 2 người.
  • Khoa học Thực phẩm thiếu tổng số học viên sau đại học.
  • Các danh mục trải từ một ngành đơn lẻ (Liên ngành, 12.296 tốt nghiệp) đến 13 ngành với 1,3 triệu tốt nghiệp (Kinh doanh), nên cách bạn tính trung bình rất quan trọng.

Nó kiểm thử đồng thời 2 tuyên bố khi ra mắt: sổ làm việc phân tích tốt hơn của Astra và hiệu quả của nó, với ít token đầu ra hơn nhưng kết quả tốt hơn. Đây là sản phẩm GPT-6.2 Astra tạo ra:

Dashboard của GPT-6.2 Astra xếp hạng danh mục theo trung vị không trọng số của trung vị các ngành, khiến Khối ngành Sức khỏe đứng thứ 10 ở $35.000

Kết quả chính:

  • Cả hai mô hình đều tạo dashboard hoạt động ngay từ lần đầu. Mỗi mô hình nhúng đủ 173 ngành, tự vẽ biểu đồ SVG không dùng thư viện, vừa một màn hình và tải không lỗi.
  • Chúng đọc dữ liệu khác nhau, dẫn đến thứ hạng danh mục khác nhau. GPT-6.2 Astra xếp mỗi danh mục theo trung vị của trung vị các ngành trong danh mục, coi một ngành với vài nghìn tốt nghiệp ngang với ngành có 200.000. GPT-6 Astra trọng số theo số tốt nghiệp của từng ngành. Kết quả: Khối ngành Sức khỏe đứng thứ 10 ở $35.000 trên dashboard của GPT-6.2 Astra và thứ 4 ở $40,6k trên của GPT-6 Astra, vì điều dưỡng với 209.394 tốt nghiệp và trung vị $48.000 được tính đúng tầm.
  • GPT-6 Astra cũng đưa cỡ mẫu lên trước. Bảng chính của nó cho thấy 4 ngành top đầu dựa trên mẫu 36, 7, 3 và 16. GPT-6.2 Astra chỉ hiển thị sau khi bạn chọn ngành, kèm một dòng cảnh báo về xếp hạng không ổn định.
  • GPT-6.2 Astra rẻ hơn và gọn hơn. Chi phí $1,79 so với $2,93 cho GPT-6 Astra, với 27.821 token đầu ra so với 35.298.

Hãy xem kỹ phiên bản của GPT-6 Astra. So sánh biểu đồ danh mục của nó với GPT-6.2 Astra ở trên: Khối Sức khỏe ở đây đứng thứ 4 còn ở kia thứ 10, và Sinh học & Khoa học sự sống rơi từ thứ 6 xuống thứ 11.

Dashboard của GPT-6 Astra trọng số thu nhập danh mục theo số tốt nghiệp, đặt Khối Sức khỏe thứ 4 ở $40,6k, và hiển thị cột cỡ mẫu cạnh mỗi ngành

Cách nào cũng không sai về mặt toán, và GPT-6.2 Astra dán nhãn biểu đồ là trung vị của trung vị các ngành. Nhưng một cố vấn nghề nghiệp muốn biết thực tế sinh viên tốt nghiệp đi đâu, và chỉ cách trọng số theo số tốt nghiệp mới trả lời điều đó.

Bài thử 2: Bộ slide từ ảnh chụp mẫu

Nhiệm vụ: biến ghi chú nghiên cứu đằng sau bài viết này thành bộ deck 5 slide cho quản lý kỹ thuật đang cân nhắc chuyển đổi, theo phong cách của một slide mẫu. Các mô hình chỉ nhận mẫu dưới dạng ảnh chụp màn hình, và prompt yêu cầu khớp “đến tận cỡ chữ” mà không nêu tên phông hay cỡ nào.

Bài thử trực tiếp tuyên bố về slide của OpenAI. Vì mô hình phải nhìn ảnh, mỗi mô hình chạy dưới dạng một lời gọi API đơn qua OpenRouter ở cùng mức nỗ lực cao, và tôi thêm GPT-6.2 Sol, vì deck là công việc thường ngày. Đây là mẫu chúng thấy, do tôi thiết kế cho bài thử:

Mẫu slide đưa cho các mô hình: slide phong cách DataCamp với thanh điểm nhấn màu xanh lá, tiêu đề takeaway, ba gạch đầu dòng và thẻ số liệu màu xám

Kết quả chính:

  • Cả 3 mô hình đều tái dựng mẫu chỉ từ ảnh chụp. Mỗi mô hình nhận diện phông là Poppins và giữ thanh điểm nhấn xanh lá, dòng kicker, thẻ số liệu xám, dòng nguồn và số trang. Mọi tiêu đề đều nêu takeaway như mẫu.
  • Cả 3 khớp mẫu đủ sát để tôi khó phân biệt bằng mắt thường. Kiểm tra trên trình duyệt, chỉ GPT-6.2 Sol khớp chính xác cỡ chữ của mẫu. Astra, mô hình OpenAI nói khớp “đến tận cỡ chữ”, lệch một vài pixel.
  • GPT-6.2 Astra kinh tế hơn trong hai đời Astra. Chi phí $0,22 và 4.968 token đầu ra, so với $0,59 và 11.247 của GPT-6 Astra. Sol tốn $0,07.

Năm slide của Astra chính là các slide có chú thích bạn thấy trong bài, và mọi con số trên đó khớp ghi chú của tôi. Deck của GPT-6 Astra cũng dùng được tương đương, nên ở nhiệm vụ này hai thế hệ không tách biệt rõ.

Vậy GPT-6.2 Astra có thực sự nhảy vọt? Về chi phí thì có: nó hoàn thành cả hai bài thử rẻ hơn 39% đến 63%, đúng như tuyên bố về hiệu quả của OpenAI. Về phán đoán thì chưa hẳn: đời cũ mới là mô hình trọng số dữ liệu theo cách cố vấn nghề nghiệp cần, còn phần slide thì ngang ngửa.

Một lượt chạy mỗi nhiệm vụ không thể xếp hạng hai mô hình, nhưng phù hợp với phát hiện Blocker Deception của chính OpenAI: hãy kiểm tra những gì GPT-6.2 Astra bỏ sót, không chỉ những gì nó xây dựng.

Giá và khả dụng của GPT-6.2 Astra và Sol

GPT-6.2 Astra rẻ hơn GPT-6 Astra 20% ở token input và output và rẻ hơn 60% ở input được cache, trong khi GPT-6.2 Sol giữ nguyên giá của GPT-6.1 Sol. Mức giá API tiêu chuẩn cho mỗi triệu token:

ModelInputCached inputOutput
GPT-6.2 Astra$8.00$0.40$40.00
GPT-6.2 Sol$2.00$0.10$10.00

Mức giá thấp hơn chỉ là một phần của khoản tiết kiệm. Vì cả hai dùng ít token đầu ra hơn, chi phí mỗi tác vụ giảm thêm, đó là lý do lượt chạy Agents' Last Exam của Astra có giá thấp hơn một phần ba so với GPT-6 Astra. OpenAI cũng khuyến nghị giữ nguyên tiền tố prompt và nối thêm hướng dẫn mới, để tăng cache hit và giữ mạch suy luận qua các lượt.

Tóm tắt giá mới do chính Astra tạo:

Slide do GPT-6.2 Astra tạo: Astra rẻ hơn trong khi giá API của Sol giữ nguyên, với Astra rẻ hơn 20% mỗi token input hoặc output so với GPT-6 Astra

Slide bởi GPT-6.2 Astra

Trong ChatGPT, cả hai mô hình khả dụng cho người dùng Plus, Pro, Enterprise và Edu trong ChatGPT Work và Codex ngay từ ngày ra mắt. Người dùng Enterprise và Edu sẽ truy cập được khi quản trị viên không gian làm việc bật lên.

Ultrafast khả dụng với cả hai mô hình cho người đăng ký Pro 500, và người đăng ký Pro 200 lần đầu cũng có, bắt đầu với GPT-6.2 Sol. Thông báo của OpenAI không đề cập gói Free.

Làm sao để truy cập GPT-6.2 Astra và Sol?

Cả hai mô hình đều khả dụng rộng rãi trong OpenAI API dưới tên gpt-6.2-astra và gpt-6.2-sol, với Ultrafast cho cả hai ngay khi ra mắt. Yêu cầu tối thiểu với OpenAI Python SDK như sau:

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)

Cả hai cũng có trên OpenRouter (openai/gpt-6.2-astra và openai/gpt-6.2-sol) và trong danh mục mô hình của OpenCode. 

Để xây dựng đầy đủ với thế hệ trước, xem hướng dẫn API GPT-6 Astra và hướng dẫn GPT-6.1 Sol; thay ID mô hình là thay đổi chính.

Kết luận

GPT-6.2 là một đợt giảm giá mà OpenAI biến thành phát hành năng lực. Astra vượt GPT-6 Astra trên mọi điểm chuẩn công việc chuyên nghiệp mà OpenAI báo cáo, với chi phí mỗi tác vụ bằng một phần ba, còn Sol đủ sát về lập trình để hầu hết đội nên bắt đầu từ đó.

Nó chưa định đoạt cuộc đua tổng thể. Claude Fable 5.2 vẫn dẫn đầu FrontierCode và Intelligence Index, Gemini 4 Carbon dẫn AutomationBench, và trong thử nghiệm của chúng tôi đời Astra cũ đọc tập dữ liệu lộn xộn hợp lý hơn. Nhưng tôi vẫn chuyển từ GPT-6 Astra ngay hôm nay vì khoản tiết kiệm.

Slide do GPT-6.2 Astra tạo: dùng chính nhiệm vụ của bạn để quyết định nơi cần chuyển, với Astra dùng ít hơn 22% token đầu ra trên GDPval v2

Slide bởi GPT-6.2 Astra

Nếu bạn muốn học sâu hơn về xây dựng với các mô hình của OpenAI, tôi khuyên bạn xem khóa học Làm việc với OpenAI API của chúng tôi.

Josef Waples

Tác giả

Josef Waples

Tôi là một cây bút và biên tập viên về khoa học dữ liệu, đã có bài đóng góp cho các nghiên cứu đăng trên tạp chí khoa học. Tôi đặc biệt quan tâm đến đại số tuyến tính, thống kê, R và các chủ đề tương tự. Tôi cũng chơi cờ vua khá thường xuyên! 

Câu hỏi thường gặp

GPT-6.2 Astra là gì và khác GPT-6.2 Sol như thế nào?

GPT-6.2 Astra là mô hình tuyến đầu của OpenAI cho công việc chuyên nghiệp nặng như deck, sổ làm việc tài chính, soạn thảo pháp lý và CAD. GPT-6.2 Sol là mô hình hằng ngày rẻ hơn cho lập trình, viết lách và vòng lặp agent. Sol có giá token bằng một phần tư của Astra và chỉ kém Astra 0,5 điểm trên FrontierCode 2.0, trong khi Astra dẫn đầu ở các điểm chuẩn chuyên nghiệp và khoa học.

GPT-6.2 Astra có giá bao nhiêu trong API?

GPT-6.2 Astra có giá $8 cho mỗi triệu token input, $0,40 cho mỗi triệu token input được cache, và $40 cho mỗi triệu token output. Mức này thấp hơn GPT-6 Astra 20% ở input và output và thấp hơn 60% ở input được cache. GPT-6.2 Sol có giá $2, $0,10 và $10, giống với GPT-6.1 Sol.

GPT-6.2 Astra có tốt hơn GPT-6 Astra không?

Trên các điểm chuẩn của OpenAI thì có: GPT-6.2 Astra vượt GPT-6 Astra trên mọi kết quả công việc chuyên nghiệp, ví dụ Agents' Last Exam (78,3% so với 73,1%), với chi phí mỗi tác vụ khoảng một phần ba. Trong 2 thử nghiệm thực tế của chúng tôi nó cũng rẻ hơn, nhưng GPT-6 Astra trọng số một tập dữ liệu lộn xộn hợp lý hơn.

Tôi có thể truy cập GPT-6.2 Astra và GPT-6.2 Sol ở đâu?

Cả hai mô hình đều khả dụng trong ChatGPT Work và Codex cho người dùng Plus, Pro, Enterprise và Edu, với quyền truy cập Enterprise và Edu do quản trị viên workspace bật. Nhà phát triển có thể gọi gpt-6.2-astra và gpt-6.2-sol trong OpenAI API, và cả hai đều có trên OpenRouter.

Tôi nên dùng GPT-6.2 Sol hay GPT-6.2 Astra cho lập trình?

Hãy dùng GPT-6.2 Sol cho hầu hết tác vụ lập trình. Trên FrontierCode 2.0 nó đạt 43,8% so với 44,2% của Astra ở nỗ lực tối đa, với $1,29 mỗi tác vụ thay vì $5,97. Chuyển sang Astra cho mã nhạy cảm bảo mật, nơi nó dẫn Sol trên SecureSWE, hoặc cho CAD và công việc khoa học.

Chủ đề

Liên quan