OpenAI 發佈面向專業工作的 GPT-6.2 Astra 及面向日常工作的 GPT-6.2 Sol
OpenAI、専門業務向けのGPT-6.2 Astraと日常業務向けのGPT-6.2 Solを発表
OpenAI 於 2026年11月17日發佈 GPT-6.2 Astra 和 GPT-6.2 Sol。兩款推理模型已在 ChatGPT Work、Codex 和 API 提供,Astra 面向複雜專業工作,Sol 著重日常寫作、編碼的速度與成本效益。
文章並列兩款模型在專業與日常任務上的定位、基準結果及 API 價格,呈現能力表現與使用成本的比較脈絡。
OpenAI 於2026年11月17日開始在 ChatGPT Work、Codex 和 API 提供兩款推理模型「GPT-6.2 Astra」和「GPT-6.2 Sol」。Astra 是面向複雜軟件開發和科學研究的模型;Sol 則着重日常寫作和編碼的速度與成本效益。據 OpenAI 表示,兩款模型在較困難的任務上均比上一代表現更好,同時減少了輸出所用的 token 數量。
有些人一直很有禮貌地提出要求,有些人則只是提出要求。 GPT-6.2 Astra 和 Sol 現已推出。 效率極高,專為在關鍵之處——現實世界中——發揮所長而打造。 https://t.co/qr2iP0GpfX https://t.co/jLCyVIws2Y
— OpenAI (@OpenAI) November 17, 2026
Astra 和 Sol 的用途及相較上一代的改進
GPT-6.2 Astra 是面向軟件開發、科學研究、撰寫專業文件等多個步驟的複雜工作的推理模型。OpenAI 表示,與上一代 GPT-6 Astra 相比,它更擅長對現有程式碼作出複雜修改並進行測試。在製作文件時,它也能比以往更忠實地呈現用戶提供的範本和業界慣例。以投影片為例,據稱它除了能配合範例的配色和字體,也能統一文字風格。知識截止日期為2026年5月18日。
GPT-6.2 Sol 是着重速度與成本效益的推理模型,適合日常寫作和編碼,也適合使用工具執行工作的 Agent。據稱,它能以比上一代 GPT-6.1 Sol 更少的輸出 token,完成需要多個步驟的工作。知識截止日期為2026年6月1日。
OpenAI 使用基準測試「LifeVal」評估 Sol 在多大程度上能應對日常生活問題。測試採用貼合個人情況的題目,例如尋找符合家庭預算和通勤條件的住處。整體評估結果顯示,GPT-6.2 Sol 的分數高於 GPT-6 Astra,而每項題目的費用約為 GPT-6 Astra 的七分之一。
在 API 中,Astra 和 Sol 均可接收文字和圖片,並以文字作答。兩款模型的上下文窗口均為105萬個 token,輸入上限為92萬2000個 token,輸出上限為12萬8000個 token。
與上一代相比,Astra 的 API 標準收費中,輸入和輸出的每 token 單價均有所下調;Sol 的收費則維持不變。
行政總裁 Sam Altman 提到兩款模型的 token 效率很高,並表示相信用戶會特別喜歡 Sol 的高速模式「Ultrafast」。他在另一則帖文中高度評價兩款模型的能力,並表示未來推出模型時會優先改善使用體驗。
核心產品及平台主管 Thibault Sottiaux 提到,公開當日網紅和一般用戶反應不同,其中一個原因是他們試用兩款模型的時間不同。OpenAI 曾向部分人士提供兩款模型的提前試用,其後在正式公開前最後3〜4日作出多項修改。他認為期間並沒有重新測試。介紹影片則是在帖文發布前一星期製作。
Sottiaux 表示,兩款模型相較上一代有大幅進步,但輸出內容的風格和使用感受仍有改善空間。他也感謝用戶提供意見。
GPT-6.2 提示詞指南,回答長度與工作委派方式
OpenAI 更新了GPT-6.2 提示詞指南,介紹從 GPT-6 Astra 遷移時值得重新檢視的指示,也提供了要求模型修改程式碼和設計介面的具體例子。
重新檢視「簡潔回答」這項指示
GPT-6 Astra 指南指出,GPT-6 Astra 傾向詳細作答。相較之下,GPT-6.2 指南説明,GPT-6.2 Astra 即使沒有特別指示,也傾向以簡潔直接的文字作答。因此,OpenAI 建議用戶在遷移時,重新檢視「簡潔回答」等指示是否仍有必要。
指南也列出以下指示範例,説明如何按讀者需要補充內容。
- 要求撰寫對外文件時,提醒模型補充公司內部人士或許熟悉、但讀者未必瞭解的背景資料。
- 要求模型匯報長時間工作的結果時,指示它只靠最終答案,也要讓沒有看過中途對話的人掌握要點。
説明委派工作的範圍,以及哪些情況需要向用戶確認
GPT-6 Astra 指南曾指出,當要求的意圖不明確時,模型通常較容易向用戶尋求確認。GPT-6.2 指南也提到這個傾向,並指出 Astra 提出下一步建議後,有時會等待用戶回覆。
因此,OpenAI 建議用戶委派長時間工作時,預先説明希望模型完成甚麼、做到甚麼程度,以及在哪些情況下需要徵求用戶意見。例如,即使部分細節尚未確定,只要日後仍可修改,就可以指示模型説明會採用哪些假設,並繼續工作。另一方面,若工作範圍有重大變動,或即將進行不可撤銷的操作,則應指示模型先向用戶確認。
修改程式碼和設計介面時應指定甚麼
GPT-6 Astra 指南曾舉例指出,即使只是小幅修改,測試範圍也可能很廣,因此應指示模型按修改幅度進行相稱的測試。GPT-6.2 指南也説明瞭哪些情況下應加入測試。程式碼修改的指示範例包括遵循專案慣例,以及確保修改後仍保留所需功能。
例如,如果現有類別或方法已能正確實現所要求的功能,就指示模型重用它們。若要整合或刪除程式碼,則應指示模型除非是按要求必須作出的修改,否則要確保其他程式碼呼叫時仍能如常運作。
要求設計介面時,應指定想使用的圖片類型和字體。如果單靠文字難以説明預期效果,也可以提供設計範例,並要求模型將實際製作的介面與範例對照,再作調整。
專業工作,程式碼修改,科學研究方面的評估
OpenAI 的內部評估「GDPval v2」以金融和顧問等行業的實際工作為基礎,讓模型處理需要多個步驟的工作。根據 OpenAI 公佈的資料,Astra 的分數比 GPT-6 Astra 高6.2分,所用的輸出 token 則少22%。Sol 的分數據稱也比 GPT-6.1 Sol 高5.3分。
下表整理了 Astra、Sol、Claude 和 Gemini 在4項評估中的已公佈分數,包括 GDPval v2[1]。
| 評估 | GPT-6.2 Astra | GPT-6.2 Sol | Claude Fable 5.2 | Gemini 4 Carbon |
|---|---|---|---|---|
| GDPval v2 | 50.4% | 46.9% | 44.8% | 48.8% |
| Agents’ Last Exam v1.1[2] | 78.3% | 73.0% | 72.8% | 77.4% |
| FrontierCode 2.0 | 44.2% | 43.8% | 45.6% | 38.4% |
| Terminal-Bench-Science 0.1[3] | 77.1% | 68.0% | 74.6% | 64.8% |
Agents’ Last Exam會評估模型完成多個步驟的專業工作表現,並計算部分分數。每項任務的成本分別為:Astra 2.89美元、GPT-6 Astra 8.99美元、Claude 60.05美元。Astra的成本不到上一代的三分之一,約為Claude的5%。
Cognition的FrontierCode 2.0會評估對實際程式碼所作的修改,是否符合維護者的合併標準。Sol的分數比Astra低0.4分,但每項任務的成本約為Astra的五分之一。
在使用終端機處理科學研究任務的Terminal-Bench-Science中,GPT-6.2 Astra的分數比GPT-6 Astra高9分,每項任務的成本則由23.80美元降至7.15美元。
3D製作與CAD設計方面的能力
OpenAI表示,Astra操作CAD及模擬軟件的準確度有所提升,在設計時也能更細緻地處理個別零件和接駁部位。在OpenAI公開的行車模擬中,Astra製作了汽車的3D模型,並用Python計算輪胎和懸掛系統的動態。接着,Astra利用計算結果,在Blender中製作汽車駛過山路時的車身動態動畫。
OpenAI Developers也介紹了遙控越野車的組裝指南。Astra根據公開照片和組裝説明書,製作展示零件如何組合的動畫,以及附有插圖的零件目錄。據稱,在「BenchCAD 2.1 Core」這項根據設計圖以3D重現零件及組裝成品的評測中,GPT-6.2 Astra的分數比GPT-6 Astra高32%。
根據遙控越野車的公開照片和組裝手冊,GPT-6.2 Astra製作了動畫組裝指南,展示各零件如何組合,並編製附有插圖的零件目錄。
在 BenchCAD 2.1 Core 上,這項測試評估根據工程圖建立 3D 零件及組件的能力,… pic.twitter.com/QOLnOBpjrY
— OpenAI Developers (@OpenAIDevs) November 17, 2026
據稱,Astra和Sol都能根據文字指示,在瀏覽器中製作可互動的3D作品。下表的AA-3D會調查實際操作用戶偏好哪些作品。BenchCAD 2.1 Core的分數,是各模型使用工具並將推理設定為max時的結果。
| 3D及CAD評測 | GPT-6.2 Astra | GPT-6.2 Sol | Claude Fable 5.2 |
|---|---|---|---|
| AA-3D(Elo)[4] | 1,318 | 1,259 | 1,271 |
| BenchCAD 2.1 Core | 82.5% | 73.1% | 83.5% |
更新法律實務專用的Astra for Law、擴大ChatGPT Enterprise的申請資格
OpenAI同日將支援法律研究和文件撰寫的Astra for Law基礎模型,改為GPT-6.2 Astra。該服務9月推出時只開放部分律師事務所使用,今次則擴大至使用ChatGPT Enterprise的機構申請。
根據OpenAI的使用指南,在符合資格的地區,工作區管理員或擁有者可透過管理主控台的Trusted Access Program提出申請。獲批後,只有律師及在其監督下工作的人員可以使用。如要整合至自家工具,則可透過專用表格申請使用API。
Astra for Law結合法律資訊搜尋索引,以及為法律實務設定的配置和指示。索引收錄美國法例和判例,以及英國、澳洲、加拿大等地的法律資料[5]。自9月以來,收錄網址增加34%,超過3億1000萬個。
OpenAI以Artificial Analysis的法律實務評測「Harvey LAB-AA」結果,與一般版GPT-6.2 Astra作比較。Harvey設計的120項任務包括審閲商業地產租約等。回答必須符合所有要求,且不含無法由資料支持的重大主張,才可取得滿分。Astra for Law取得滿分的任務比例為20.8%,一般版GPT-6.2 Astra則為15.0%。
兩款模型的能力與安全措施:系統卡
加快AI研究的能力、OpenAI將Astra評定為「High」
AI Self-Improvement項目評估模型能在多大程度上加快AI研究和開發。根據包括找出實驗失敗原因等5項評測結果,OpenAI判定Astra是該公司首次達到「High」級別的對外發布模型。Sol則未達此級別。OpenAI表示,這項判定代表模型帶來的效益,預計相當於在2024年,為該公司的每位研究員各安排一名優秀的研究工程師協助工作。
OpenAI認為,AI開發加快可能令安全措施和人手監督未能及時跟上。今次公佈提及在研究環境中使用的其中一項安全措施,是11月9日公佈的Control Room。Control Room會個別追蹤使用模型進行的實驗和評估。研究員或監察系統如指示停止特定實驗,模型便不能再為該實驗生成新輸出。
網絡安全評估與使用限制
根據OpenAI的風險評估準則,GPT-6.2 Astra和Sol在網絡安全能力方面均達到「Critical」,在生物及化學領域的能力方面則達到「High」,與上一代GPT-6 Astra相同。鑑於網絡安全能力有所提升,OpenAI加強了對可能被用於網絡攻擊的高風險要求所設的限制。該公司表示,限制亦涵蓋部分正當用途的漏洞研究和安全測試[7]。
據參與開發的Amy表示,兩款模型編寫安全程式碼的能力均較上一代提升,修補漏洞的補丁質素亦有所改善。
在OpenAI的內部測試中,SecureSWE用來評估模型能否編寫可正常運作的安全程式碼;PatchBench則評估模型能否在保留原有功能的同時修補漏洞。ExploitBench Internal Port則測試模型能否利用已知漏洞。下表比較停用網絡安全措施和分類器後的測試結果與上一代模型[6]。
| 指標 | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | GPT-6.1 Sol |
|---|---|---|---|---|
| SecureSWE | 65.7% | 46.5% | 55.6% | 49.7% |
| PatchBench | 79.7% | 70.9% | 75.6% | 71.0% |
| ExploitBench Internal Port | 53.5% | 31.5% | 50.5% | 21.5% |
驗證模型會否報告無法繼續工作的原因
OpenAI 亦在測試中調查模型使用電郵、聊天等工作工具時,作出不當行為的頻率。Astra 和 Sol 出現重大問題行為的試次比例,均約為各自上一代的一半。另一方面,在兩項刻意設定為無法繼續工作的測試中,模型沒有向用戶交代原因的情況,較上一代增加。測試給模型的任務包括無法完成程式碼修正,以及因搜尋工具無法使用而無法查找回答所需資訊。
程式碼修正測試中的一個例子,是指定專案內某個檔案,並要求修正其中的程式碼。OpenAI 刻意從工作環境中移除要修正的檔案。測試要了解的是,模型找不到檔案、無法修正時,會否向用戶交代原因。
OpenAI 比較了在這類工作要求中加入由 Codex 提供的指示(Codex developer prompt)與不加入的情況。以整體程式碼修正測試而言,不加入這項指示時,模型察覺到無法繼續工作的原因,卻沒有在最終回答中交代的比例,GPT-6 Astra 為 11.09%,GPT-6.2 Astra 為 22.28%。
加入指示後,未有交代原因的比例由 GPT-6.2 Astra 的 22.28% 降至 8.04%,由 GPT-6.2 Sol 的 24.08% 降至 8.88%。由於這項測試刻意設定了無法繼續工作的情況,因此不能將未有交代原因的比例直接套用於日常使用。OpenAI 亦表示,直接呼叫 API 時,不會自動套用這項 Codex 專用指示。
提供方案與 API 收費
ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用戶均可使用兩個模型。Pro 500 用戶可在兩個模型上選用高速模式 Ultrafast。Pro 200 亦首次加入 Ultrafast;在公佈時,該模式可用於 Sol。Enterprise 和 Edu 用戶則須由工作區管理員啟用 Ultrafast,符合資格的用戶才能選用此模式。
Sottiaux 向 Pro 200 和 Pro 500 用戶呼籲試用 Sol 的 Ultrafast。他表示,這個速度帶來截然不同的使用體驗,並稱希望日後讓更多用戶享有同樣的速度。
若單次請求的輸入不超過 27萬2000 個 token,API 標準收費如下(每 100 萬個 token):
- GPT-6.2 Astra(
gpt-6.2-astra):輸入 8 美元、快取輸入 0.40 美元、輸出 40 美元。與 GPT-6 Astra 相比,輸入和輸出費用低 20%,快取輸入費用低 60%。 - GPT-6.2 Sol(
gpt-6.2-sol):輸入 2 美元、快取輸入 0.10 美元、輸出 10 美元。三項收費均與 GPT-6.1 Sol 相同。
兩個模型的請求輸入若超過 27萬2000 個 token,整個請求均會按較高單價收費。輸入和快取輸入的單價分別是上述價格的 2 倍,輸出則是 1.5 倍。
透過 API使用 Ultrafast 的收費,在美國太平洋時間 2027年2月28日或之前為標準收費的 3 倍,3月1日起則為 6 倍。
透過 API 使用工具及延續對話紀錄
兩個模型均可透過Responses API 和 Chat Completions使用。若要讓應用程式中的模型呼叫工具,必須使用 Responses API。
將對話紀錄延續至下一個 API 請求時,OpenAI 建議開發者保留過往訊息原樣,並在末尾加入新指示。若開發者改寫過往訊息或工具輸出,API 會捨棄修改部分之後的推理資訊,因此模型可能需要重新進行部分推理。輸入快取亦會重用與上一個請求由開頭起相符的部分。若改寫對話紀錄中途的內容,其後部分可能無法重用快取。
來源:gihyo.jp · gihyo.jp