菜单
English articles本文暂无译文
积墨AI

积墨AI

GPT-6.2 Astra 与 Sol 双模型发布:长程任务成本仅为竞品约 5%

大模型竞争的焦点正在从「单次对话的聪明程度」转向「长程任务的性价比」。OpenAI 正式发布 GPT-6.2 系列两款闭源模型 Astra 与 Sol,并同步公布 API 定价与开放范围。实测数据显示,Astra 在长程专业工作流基准 Agents' Last Exam 上创下 78.3% 的新高,而每个任务的成本仅为竞品旗舰的约 5%。这组数字背后,是模型能力、定价策略与 token 效率的三重变化,对正在评估大模型选型的企业团队而言,值得认真拆解。

交付标准与自我改进

先看定价:Astra 输入每百万 token 8 美元、缓存输入 0.4 美元、输出 40 美元,相比上一代 API 单价下降 20%,缓存输入更是直降 60%;Sol 沿用前代价格,输入 2 美元、输出 10 美元。开放范围上,ChatGPT Work 与 Codex 中的 Plus、Pro、Enterprise、Edu 用户即日起可用,API 同步上线。更关键的是效率:跑同样的任务,Astra 输出的 token 更少,这意味着实际账单的降幅远大于单价降幅。

成本结构的重构

GPT-6.2 的 Computer Use 能力有了质的提升,可以精细操作到单个零件。官方演示中,Astra 为山路上的跑车底盘动力学建立 3D 模型,用 Python 编写轮胎与悬架求解器,再在 Blender 中渲染成动画;还能照着公开照片和组装手册,把一台 1:8 油动遥控越野车和直列六缸发动机逐零件建模,输出装配动画与带图零件目录。在 CAD 基准 BenchCAD 上,得分从上一代的 62.6% 跃升至 82.5%。

大模型竞争的胜负,不在跑分里、不在参数里,而在长程任务的每一枚 token 成本里。

“行业观察”
积墨 AI 核心产品

积墨 AI 智能体开发平台

快速搭建具备商业价值的 AI 智能体,支持复杂工作流编排、50+ 主流模型接入与私有化部署。

从多年产业实践经验来看,企业选模型最怕的不是能力不够,而是账单失控。长程任务恰恰是成本黑洞:多步推理、反复调用工具、上下文不断膨胀,token 消耗呈指数级增长。GPT-6.2 Astra 在 Agents' Last Exam 上每个任务花费 2.89 美元,而竞品旗舰需要 60.05 美元,差距超过 20 倍。对需要跑批量专业工作流的企业,比如合同审查、财务核算、科研流程自动化,这个量级的成本差异直接决定了项目能否立项。同时 Astra 在科研基准 Terminal-Bench-Science 上比上代高 9 个百分点而花费不到三分之一,在 Vals Science Index 上拿下 68.4% 的最高分,说明省钱并没有以牺牲能力为代价。对于做智能体开发平台的团队,这意味着原来因成本被砍掉的长程 Agent 场景,现在可以重新进入候选清单。

更值得关注的还有交付质量的提升。OpenAI 专门训练 Astra 制作幻灯片、表格和文档,并遵循法律、销售、金融、会计等行业的规范。在法律科技公司 Harvey 的合同条款审查测试中,要求交付物满足每条评分标准且零实质性幻觉,Astra 的通过率是竞品的两倍,成本约六分之一。在内部 GDPval v2 基准上,Astra 比上代高 6.2 个百分点,输出 token 减少 22%。表格能力上,在 AA-AnalystAgent 测试中 62.5% 的题目五次独立作答全对;会计场景实测显示长程会计任务平均用时减半,最复杂任务降低 73%。此外,Astra 是 OpenAI 首个对外发布、在「AI 自我改进」维度达到 High 档的模型,相当于为每位研究员配备一名能干的研究工程师助手;网络安全能力同步提升,但高风险请求的拦截策略也相应收紧。

总体来看,GPT-6.2 系列的发布标志着大模型竞争进入「成本效率」新阶段:Sol 以五分之一的价格追平上代旗舰,覆盖日常与技术杂活;Astra 则以约 5% 的长程成本刷新专业工作流纪录。对企业而言,重新评估模型选型与 Agent 场景清单,正当其时。

#大模型发布#Agent评测#成本优化#Computer Use#3D生成
分享文章

相关文章推荐

试用咨询
企业微信二维码

扫码添加企业微信