11 月 17 日,OpenAI 悄悄把 GPT-6.2 系列挂上了 API 和各大推理平台。没有发布会,没有直播,只有模型列表里多出来的两个名字:GPT-6.2 Astra 和 GPT-6.2 Sol。
这种低调的发布方式在 GPT-6 时代已经成了惯例。但这次的产品切分很值得说:Astra 是旗舰,Sol 是”日常工作马”,两者的价格差了整整四倍。选错了,一年能白烧掉十几万。
一、两个型号,两种定位
先把规格摆清楚。两者都支持 1,050,000 token 上下文,输入模态都是 file / image / text,输出纯文本——也就是说图片能进,视频不能进,音频也不能进。
- GPT-6.2 Astra:旗舰。官方描述是”为最难的项目打造”,面向真实工程、专业工作和科学研究。定价 输入 8 美元 / 输出 40 美元(每百万 token)
- GPT-6.2 Sol:定位在 Astra 之下,是 GPT-6.1 Sol 的升级版,面向”日常工作的通用高效模型”。定价 输入 2 美元 / 输出 10 美元
两个型号都有一个容易被忽略的阶梯定价:单次请求超过 272,000 输入 token 后,价格翻倍。Astra 变成 16/60,Sol 变成 4/15。这条规则对做长文档处理的人影响很大——你以为在用 8 美元的档,实际账单按 16 美元走。
二、缓存定价是这次最实用的改动
真正让日常成本降下来的不是基础价格,是缓存:
- Astra 缓存读取 0.4 美元/百万,是基础输入价的 1/20
- Sol 缓存读取 0.1 美元/百万,是基础输入价的 1/20
- 缓存写入分别按 10 美元和 2.5 美元计
什么意思?如果你在做一个固定的长系统提示(比如客服规范 + 产品文档 + few-shot 样例),第一次写入贵,后面几百次调用几乎白送。对 Agent 类应用(每轮都要重发同一份上下文)来说,缓存读取价才是真实成本。
按 Sol 的 0.1 美元/百万算,一份 10 万 token 的系统提示,每次调用只要 0.01 美元。同样的活交给 Astra,是 0.04 美元。差的不多——但乘上一百万次调用,就是三万美金的差距。
三、GPT-6.2 与其他同类模型横向对比
| 模型 | 上下文 | 输入 / 输出(美元/百万 token) | 核心定位 | 本站评分 |
|---|---|---|---|---|
| GPT-6.2 Astra | 105 万 | 8 / 40 | 旗舰,硬工程与科研 | 9.0 |
| GPT-6.2 Sol | 105 万 | 2 / 10 | 日常工作马,性价比向 | 8.8 |
| GPT-6.1 Terra | 100 万 | 上一代旗舰 | 已被 Astra 取代 | 8.7 |
| Gemini 4 Hydrogen | 100 万 | Google 中端主力 | 速度与价格取胜 | 8.6 |
| Claude Fable 5.2 | 100 万 | 输入降价 20% 后 | 长文推理与代码 | 9.0 |
| GPT-6 Sol / Luna | — | 老一代 | 仅作价格锚点 | 8.3 |
从坐标系看,GPT-6.2 这代的定位很明确:Astra 顶住 Claude Mythos 5 和 Gemini 4 Pro 这一档,Sol 去打 Gemini 4 Hydrogen 和 Claude Haiku 这一档。Sol 的 2/10 定价在这个区间里属于中间偏贵——比 Gemini 的 Flash 档贵,但比 Claude 的中间档便宜。
四、使用体验与局限
基于公开规格和实际调用观察,这代最明显的三个变化:
- 上下文真的能用满。105 万 token 在过去几代经常是”标称能装、实际记不住”。这代在 30 万 token 之后的一致性明显好转,长代码库全量喂进去还能定位到具体函数
- 多模态是短板。只有 file/image/text 三种输入,没有音频和视频。做音视频理解的团队还是得回去用 Gemini Omni 1.2 Flash
- 272K 阶梯价很容易踩。很多人把 100 万上下文当成卖点去买,结果发现从 27 万开始价格翻倍,实际用起来反而比标称便宜的小模型贵
还有一个老问题没解决:Astra 的 40 美元输出价,在整个市场里属于最贵的一档。如果你只是写文案、做摘要、改邮件,用 Astra 是纯浪费。它的价值只在”做错了要重来三遍”的任务上——比如复杂的重构、跨文件的 bug 定位、长篇技术文档的一致性校验。
五、综合评分
| 维度 | GPT-6.2 Astra | GPT-6.2 Sol | 评价 |
|---|---|---|---|
| 功能完整度 | 9.2 / 10 | 8.6 / 10 | 上下文与文件理解到位,缺音频/视频输入 |
| 易用性 | 8.8 / 10 | 9.0 / 10 | API 与主流平台同步上架,接入零成本 |
| 性价比 | 7.8 / 10 | 9.0 / 10 | Astra 输出价偏高;Sol 靠缓存定价扳回一局 |
| 中文支持 | 8.8 / 10 | 8.7 / 10 | 中文长文与代码注释质量稳定 |
| 输出质量 | 9.4 / 10 | 8.8 / 10 | Astra 复杂任务一致性最强,Sol 偶有偷懒 |
综合评分:GPT-6.2 Astra 9.0 / 10,GPT-6.2 Sol 8.8 / 10
一句话选型建议:默认用 Sol,只在任务确实跑不通的时候切 Astra。这个顺序反过来(先上 Astra 再降级)是大多数团队烧钱的主因。
常见问题(FAQ)
GPT-6.2 Astra 和 Sol 哪个好?
看任务难度。日常写作、摘要、代码补全、客服回复用 Sol(2/10 美元)足够;跨文件重构、复杂 bug 定位、科研推理这类”做错要返工”的任务才用 Astra(8/40 美元)。两者上下文都是 105 万 token,差别在推理深度和价格。
GPT-6.2 的上下文窗口有多大?
1,050,000 token,约合 75 万中文字。但要注意单次请求超过 272,000 token 后单价翻倍,实际使用建议把长文档分批或走缓存。
GPT-6.2 支持图片输入吗?支持视频吗?
支持图片和文件(file / image / text 三种输入模态),不支持音频和视频输入。需要音视频理解请用 Gemini 系列。
GPT-6.2 怎么省钱?
三个办法:一是优先用 Sol 而不是 Astra;二是把固定的长系统提示做成缓存(缓存读取只要基础输入价的 1/20);三是避免单次请求超过 27.2 万 token,因为超过就进入双倍计价档。
GPT-6.1 Sol 和 GPT-6.2 Sol 差在哪?
GPT-6.2 Sol 是 6.1 Sol 的直接升级版,上下文从原来的一档提升到 105 万 token,并增加了缓存写入/读取的分档计价。定位没有变,仍是日常工作的主力型号。
想看更多同价位模型的实测对比,可以翻我们的 GPT-6.1 Terra 评测 和 Gemini 4 Argon 评测,或者在 对比引擎 里按预算筛一遍,也可以直接浏览 AI 模型库。
