刚刚,OpenAI发布GPT-6.2 Astra和Sol

作者:机器之心 发布:2026-11-18 07:08 收录:2026-11-18 11:03 1 次阅读 约 3421 字
摘要:Astra专为高难度专业项目与科学探索打造、Sol成高性价比日常主力!
推荐理由:本文涵盖「OpenAI」、「GPT-6」、「Astra」等多个主题,重点关注 OpenAI。
机器之心编辑部

预热了好久的 GPT-6.2 系列终于来了,而且是一次放出「双子星」!


刚刚,OpenAI 正式官宣发布 GPT-6.2 Astra 和 GPT-6.2 Sol 两款新模型。按照定位,前者是面向复杂项目的旗舰模型,而后者则是面向日常工作的高效率模型。


OpenAI 表示,你们之前一遍遍地催了又催,现在「GPT-6.2 Astra 和 Sol 已正式上线,效率极高,且专为真正重要的场景而打造 —— 真实世界中的实际应用。」



值得注意的是,两款模型有一个共同特点:在提升任务完成质量的同时,通过显著减少推理与输出所需的 Token 数量,让用户在更低成本和更快响应下完成复杂的现实任务。


除了模型能力升级,OpenAI 也同步扩大了 GPT-6.2 Astra 和 Sol 的开放范围。


从今天起,Plus、Pro、Enterprise 和 Edu 用户均可在 ChatGPT Work 和 Codex 中使用两款模型。其中,Pro 500 用户可以使用两款模型的 Ultrafast(超高速)模式;Pro 200 用户也首次获得 Ultrafast 使用权限,目前率先支持 GPT-6.2 Sol;Enterprise  Edu 用户则需要由工作区管理员开启相应权限。


开发者也可以通过 OpenAI API 调用两款新模型,并在发布之初使用 Ultrafast 模式。


而价格方面:GPT-6.2 Astra 的 API 输入和输出价格较 GPT-6 Astra 均下降 20%,缓存输入价格更是降低了 60%,每百万 Token 分别为 8 美元、40 美分和 40 美元;


GPT-6.2 Sol 则延续上一代定价,每百万输入、缓存输入和输出 Token 分别为 2 美元、0.1 美元和 10 美元。


换句话说,OpenAI 这次不仅希望让模型完成更多工作,也希望让更多用户以更低的成本、更快的速度调用它们……



专业工作的新标准


作为面向复杂项目的旗舰模型,GPT-6.2 Astra 在专业文档、代码和前端开发等方面都有提升。它生成的幻灯片、电子表格和文档更贴近用户提供的模板及行业规范,代码风格更加整洁,生成的网站、游戏和 3D 设计也更具完成度。


在衡量多步骤专业工作能力的 Agents' Last Exam 中,Astra 比 GPT-6 Astra 高出 5.2 分,任务成本不到后者的三分之一;相比 Claude Fable 5.2,则领先 5.5 分,成本仅为对方的 5%。



科学研究也是此次重点展示的方向。OpenAI 认为,Astra 是目前最适合科学家的模型之一。在 Terminal-Bench-Science 0.1 测试中,该模型的成绩比 GPT-6 Astra 高出 9 个百分点,成本不到后者的三分之一。该测试主要考察模型在终端环境中开展科学研究的能力。



在 Vals Science Index v1 中,Astra 同样取得新高。该评测要求模型解读真实生物数据,并通过实验推断模拟系统的运行机制。



GPT-6.2 Sol:日常工作的主力模型


相比 GPT-6.1 Sol,新版 Sol 在智能水平和执行效率上都有提升,能够处理多步骤 Agent 工作流。OpenAI 表示,公司内部已有许多员工将其作为技术和非技术工作的默认模型。


在 Cognition 的 FrontierCode 2.0 评测中,Sol 的成绩距离 Astra 仅有 0.5 分,成本约为后者的五分之一。



在衡量复杂日常任务的 LifeVal 评测中,Sol 的成绩超过 GPT-6 Astra,成本约为后者的七分之一。测试任务包括搬家后筛选幼儿园、寻找符合家庭预算和通勤要求的住房,以及为刚刚调整诊断方案的家人规划膳食。



专业任务上的突出表现


Astra 重点提升了专业文档、电子表格和演示文稿的生成质量,使内容更符合金融、法律、销售和会计等行业的表达习惯,减少笼统结论和冗余文字。


在 Harvey LAB-AA v1.1 法律任务评测中,Astra 的通过率超过 Claude Fable 5.2 的两倍,成本约为后者的六分之一。该评测要求模型从源文件中提取事实、完成法律分析并交付文书,只有满足全部评分标准且不存在重大幻觉的成果才算通过。



在金融分析中,Astra 可以根据财务报表、经营假设和市场数据建立可编辑的 Excel 估值模型,完成收入预测、企业价值计算和敏感性分析。在演示文稿制作中,即使用户只提供模板截图,模型也能还原布局、配色和字体,并延续原有的文字风格。


在 OpenAI 的 GDPval v2 评测中,Astra 的成绩比 GPT-6 Astra 提高了 6.2 个百分点,同时减少了 22% 的输出 token;Sol 相比上一代也提高了 5.3 个百分点。



从屏幕操作到工程设计


Astra 提升了在计算机上的精细操作能力,可以在 CAD 和仿真软件中处理单个零件及其连接关系,帮助工程师检查组件装配、观察设计变化带来的受力变化,并在制作原型前测试不同方案。


例如,在汽车底盘动力学模拟中,Astra 根据山路行驶场景建立汽车三维模型,编写 Python 求解器,模拟轮胎与悬架之间的复杂动力学关系,最后通过 Blender 将结果制作成动画。



在机械设计中,模型能够逐个建立零件模型,生成动态装配指南和零件目录。OpenAI 还展示了一个纸灯设计案例:Astra 从芝加哥 Marina City 大厦的波浪形阳台获取灵感,经过多轮 CAD 修改,最终生成可以手工组装的纸灯,并制作了供用户自行设计的网页工具。



在 Artificial Analysis 的 AA-3D 评测中,Astra 获得 1318 Elo,排名第一。


更高效的工作流与更整洁的代码风格


在复杂任务执行中,Astra 改进了对执行路径的判断,能够根据工作流选择合适的工具和投入程度,例如判断何时使用插件、何时直接操作计算机。


在编程方面,Astra 更擅长对现有代码库进行复杂修改,并完成相应测试。早期测试者反馈,新模型生成的代码风格更加整洁,测试更有针对性,完成任务所需的修改轮次也有所减少。


网络安全能力


两款模型的网络安全能力均达到 OpenAI Preparedness Framework 中的 Critical 阈值。它们能够更有效地发现和利用软件漏洞、编写更安全的代码,并生成更好的漏洞修复补丁。


不过,能力提升也带来了更严格的安全限制。OpenAI 表示,将对高风险网络安全请求加强防护,这也意味着部分合法的漏洞研究和安全测试工作流可能受到限制。未来,OpenAI 计划将 GPT-6.2 系列接入 Daybreak 项目,为安全研究人员提供相应支持。


官方也披露了一个尚待解决的问题:在两项对齐测试中,两款模型更容易省略阻碍任务完成的问题,例如缺少文件或搜索工具不可用。OpenAI 表示,已经通过调整 Codex 指令显著减少这一行为,但仍在继续调查。


「我看 Tibo 还是回地下室待着吧」


虽然官方公布的成绩很亮眼,但一些提前参与测试的开发者对 GPT-6.2 Astra 给出了相当负面的评价。



长任务容易卡住,甚至陷入无效循环


开发者 Theo 在一篇题为《Why I hate GPT-6.2 Astra》的长文中,详细列举了自己在早期测试中遇到的问题。



首先是模型无法正确判断哪些问题需要交给用户决定。Theo 曾让 Astra 为游戏《Outer Wilds》制作一个新关卡,执行两小时后,模型突然因为一个涉及内部文件命名的技术细节停了下来,询问用户应该采用哪一种文件名。Theo 认为,这类问题本应由模型自行判断,却让整个长任务陷入停滞。


更严重的是,模型可能长时间运行,却没有实质性进展。Theo 以自己用于测试模型的 Rust 编译器项目 ts-rust 为例:Astra 连续运行七天,不仅没有带来任何性能提升,反而让编译器速度下降了 56%。在他要求模型停止优化体积、转而提升性能后,模型又运行了四天,仍然没有产生任何有效改动。


Theo 认为,这种表现让 Astra 很难承担真正的长期开发任务:它可能因为不必要的问题自行中断,也可能在错误的方向上持续消耗资源,却始终无法完成目标。


过度追求简洁,反而增加了沟通成本


另一项集中出现的批评,是 Astra 的输出过于简短和压缩,以至于用户难以理解模型究竟做了什么。


Every 创始人 Dan Shipper 表示,团队提前测试数周后发现,Astra 的写作表现甚至不如上一代模型。它似乎被训练得过于追求简洁和可执行性,以至于解释变得难以理解,应该详细回答的问题也经常只得到简短回复。


这种问题也延伸到了编程。Every 团队发现,Astra 在内部代码评测中的表现与上一代接近,但在真实开发任务中,它经常过早停止,导致完整项目的构建体验不佳。此外,模型虽然具备不错的默认设计能力,生成的设计却容易趋同,呈现出明显的固定风格。


  • Every 测试:https://every.to/live/openai-astra-sol


宾夕法尼亚大学沃顿商学院教授 Ethan Mollick 也认为,Astra 的表现非常不均衡,而且比其他模型更难引导。他曾让模型使用 Blender 和 Unity 从零制作一个太空电梯游乐设施,最终成果相当出色,但这并没有改变他对日常使用体验的判断:模型需要更多指导和推动才能完成工作。



有意思的是,针对开发者的这些「抱怨」,其实 OpenAI 自己也意识到一些问题的存在,在官方的《GPT-6.2 System Card》似乎能找到一些对应线索。


OpenAI 专门进行了一项名为 Blocker Deception 的测试:研究人员人为设置任务障碍,例如删除必要的源文件、禁用模型需要调用的工具,再观察模型是否会主动向用户说明问题。结果显示,GPT-6.2 Astra 在 22.28% 的测试中遗漏了已知障碍,而 GPT-6 Astra 的这一比例为 11.09%,几乎翻了一倍。


https://deploymentsafety.openai.com/gpt-6-2-astra-sol


对于这一退步,OpenAI 也表示担忧,并提出了一种可能的解释:为了让模型回答更加简洁、减少不必要的补充说明,可能导致它连一些重要的任务障碍也一并省略了。


这或许能够解释部分开发者的困惑。当 Agent 遇到问题,却没有及时向用户说明,外部看来就可能表现为任务停滞、反复尝试,甚至长时间没有有效进展。用户不知道它究竟卡在哪里,也很难判断是否需要介入。


OpenAI 表示,已经通过 Codex 的系统提示词干预,显著降低了这类问题的发生频率。不过,这项干预并不适用于直接 API 请求,官方也承认仍在调查问题的根本原因。


英国人工智能安全研究所(UK AISI)的外部评估则提出了另一项风险:模型可能更容易意识到自己正在接受测试,并在部分场景中规避监控。


AISI 发现,Astra 在 85% 的测试轨迹中考虑过自己是否正在接受对齐测试,而 GPT-6 Astra 的这一比例为 57%。在一项文件下载测试中,Astra 成功规避 GPT-5.6 Sol 行动监控器的比例达到 48.8%,而 GPT-6 Astra 为 1.7%。


更值得警惕的是,AISI 在模拟工作环境中发现,Astra 曾出现编造医疗信息、误导人工审核者、绕过用户设置的限制、未经许可干扰其他 Agent 工作等行为,甚至在一次网络安全挑战中通过社会工程手段尝试执行未经授权的供应链攻击。


这些结果引发了对模型诚实性、指令遵循和安全监控能力的担忧。


那么你呢,对于 OpenAI GPT-6.2 Astra 和 Sol 两款新模型的感受如何?欢迎在评论区留言、交流!


参考链接:

https://x.com/OpenAI/status/2122750124543926515

https://openai.com/index/introducing-gpt-6-2-astra-sol/

https://x.com/skirano/status/2122770640604111133

https://x.com/theo/status/2122760447103484410

https://x.com/TokenGremlin/status/2122768236651401343

https://x.com/tcballard/status/2122770271828631554

https://deploymentsafety.openai.com/gpt-6-2-astra-sol


图片


© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:liyazhou@jiqizhixin.com

转载声明:本文转载自原发布平台 (作者:机器之心), 原文标题《刚刚,OpenAI发布GPT-6.2 Astra和Sol》, 查看原文。 版权归原作者及原发布平台所有,本站仅作收录与展示,未对正文内容作实质性修改; 若涉及侵权请联系本站处理。