OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol
GPT‑6.2 Astra 和 Sol
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,分別面向高難度專業項目及日常工作,並以較少輸出 token 處理高要求任務。
文章比較 Astra 與 Sol 在專業工作、日常任務及基準測試中的定位與成本差異,並交代可用範圍和網絡安全防護限制。
隆重推出 GPT-6.2 Astra 和 Sol
GPT-6.2
Astra Sol
專業工作的全新標準
隆重推出 GPT-6.2 Astra 和 Sol

00:00
我們推出 GPT‑6.2 Astra,這款全新的前沿模型專為應付最艱巨的項目而設;以及 GPT‑6.2 Sol,這款高效而多用途的模型適用於日常工作。兩款模型處理要求嚴格的任務時,所需的輸出 token 更少,成果也更出色,讓你在使用上限內完成更多工作。對企業和開發者而言,這代表能以適合大規模應用的成本,享有前沿效能。
GPT‑6.2 Astra 為 AI 處理複雜專業工作訂立了全新的品質標準。它製作的投影片、試算表和文件讀起來較不像 AI 生成,也更貼合你提供的範本和所屬領域的慣例。它能編寫更簡潔的程式碼,並製作外觀與效能更佳的前端,尤其適用於網站、遊戲和 3D 設計。
在測試多步驟專業工作的 Agents’ Last Exam 中,GPT‑6.2 Astra 創下新高,分數比 GPT‑6 Astra 高 5.2 分,成本不足其三分之一;比 Claude Fable 5.2 高 5.5 分,成本僅為其 5%。
Agents' Last Exam v1.1
GPT-6.2 Astra
GPT-6 Astra
GPT-6.2 Sol
GPT-6.1 Sol
Claude Fable 5.2
Claude Opus 5.5
Gemini 4 Carbon
Agents’ Last Exam 評估模型處理長期專業工作流程的能力。其排行榜上的 Fable 5.2 結果不包括使用後備模型的九項任務。
我們認為,GPT‑6.2 Astra 是全球最適合科學家的模型。它在 Terminal-Bench-Science 0.1 創下新高;這項測試評估模型在終端機中進行科學工作的能力。GPT‑6.2 Astra 的分數比 GPT‑6 Astra 高 9 個百分點,成本不足三分之一。它亦在 Vals Science Index 創下新高;這項測試要求模型解讀真實生物數據並進行實驗,以推斷模擬系統的運作方式。
Terminal-Bench-Science 0.1 Vals Science Index v1
Terminal-Bench-Science 0.1 評估模型處理科學研究工作流程的能力。1
在 API 中,GPT‑6.2 Astra 的輸入和輸出 token 價格比 GPT‑6 Astra 低 20%,快取輸入則有 60% 折扣(每百萬個 token 的價格分別為輸入 $8、快取輸入 $0.40 和輸出 $40)。GPT‑6.2 Sol 的 API token 價格維持與 GPT‑6.1 Sol 相同。在多項基準測試中,兩款模型的表現媲美甚至超越其他領先模型,而每項任務的成本僅為其一小部分。
Artificial Analysis Intelligence Index v5.0.1 BenchCAD 2.1 Core AutomationBench 1.0.6
Artificial Analysis Intelligence Index v5 結合了九項評測,涵蓋知識工作、程式編寫、科學和一般知識。
GPT-6.2 Sol:日常工作的首選模型
與 GPT‑6.1 Sol 相比,GPT‑6.2 Sol 更聰明、效率更高,讓你在同一付費方案下完成更多任務。它能高效處理多步驟代理工作流程,文字清晰自然,亦易於協作。OpenAI 不少員工都以它作為預設模型,處理技術及非技術任務。
在 Cognition 的 FrontierCode 2.0 中,GPT‑6.2 Sol 的分數只比 GPT‑6.2 Astra 低 0.5 分,成本約為五分之一(兩者均採用最高設定)。
FrontierCode 2.0 評估對真實程式碼庫所作的修改,能否達到維護者合併修改的標準。
其速度和智能亦令它非常適合處理人們在工作以外求助於 AI 的重要任務。在我們最近推出的 LifeVal 評測中,這項評測衡量模型處理具挑戰性的日常任務的表現;GPT‑6.2 Sol 的得分高於 GPT‑6 Astra,而成本約為其七分之一。
LifeVal 評測模型能否妥善處理切合個人需要的日常任務,例如搬家後篩選幼稚園、尋找符合家庭預算和通勤需求的住所,或為正在適應新診斷結果的家長規劃膳食。
符合業界標準的專業成果
我們訓練 GPT‑6.2 Astra 製作更清晰、設計更佳的投影片、試算表和文件,更貼合法律、銷售、金融和會計等領域的專業人士慣用格式。文字更直接具體,泛泛而談的要點和冗贅內容也更少。
Harvey LAB‑AA v1.1 以法律工作任務測試模型能否從來源文件中找出相關事實、根據詳細工作指引加以應用,並製作符合所有要求的準確成果。GPT‑6.2 Astra 創下新的最佳成績,通過率是 Claude Fable 5.2 的兩倍以上,成本約為其六分之一。我們為律師配置的 GPT-6.2 Astra Astra for Law,在這項基準測試中的得分更高。
Harvey LAB‑AA 測試審閲合約條款等法律工作。只有在成果符合所有評分準則且不含重大虛構內容時,才會計入其主要分數。
我們內部的 GDPval v2 基準測試,是對 GDPval 的新一輪改進,包含取材自諮詢、金融和設計領域真實項目的多步驟任務。在我們測試的模型中,GPT‑6.2 Astra 表現最佳;與 GPT‑6 Astra 相比,得分提高 6.2 個百分點,同時輸出 token 減少 22%。GPT‑6.2 Sol 的得分則較 GPT‑6.1 Sol 提高 5.3 個百分點。
GDPval v2 的任務取材自諮詢、金融和設計領域的真實項目,並使用團隊獲派工作時持有的檔案和訊息。
投影片簡報
GPT‑6.2 Astra 是我們至今最擅長設計投影片和遵循投影片範本的模型,無論輸入的是原始檔案,還是截圖,都能勝任。它可以精確配合版面、顏色和字體,包括準確套用字體大小,並將範本的寫作風格延續至新投影片。早期測試用戶認為,這些簡報更容易直接使用,所需修改也更少;原因是標題清楚點出主要結論,內文簡潔聚焦於讀者需要的細節。
季度績效評估 投影片範本配對 市場地圖 商品概念簡報
GPT-6 Astra
載入中...
– / –
GPT‑6.2 Astra
載入中...
– / –
我們要求兩個模型根據某零售商的 Q2 業績公告和 Form 10‑Q,更新該公司公開提供的 Q1 業績簡報。兩者均找出關税退款是已報告盈利增長的主要因素。GPT‑6.2 Astra 將 5.3% 的銷售額增長放在標題中,分別列出網上和實體店的增長,並指出管理層的具體後續措施,包括確保熱銷產品有貨,以及在不再有退款的情況下編製預算。
工作簿及備忘錄
建立估值工作簿或撰寫投資備忘錄,首先要從來源檔案中找出相關數字,並瞭解它們如何互相連繫。Artificial Analysis 的 AA‑AnalystAgent 以真實試算表和報告評測這類工作。在其中一項任務中,模型要利用 California Medicaid 的開支報告,計算該計劃在醫療運輸上的支出。GPT-6.2 Astra 創下新高,在五次獨立測試中,每次均有 62.5% 的問題答對。
財務預測 估值工作簿 實驗結果 SOC 2 準備度追蹤表
GPT-6 Astra
載入中...
– / –
GPT-6.2 Astra
載入中...
– / –
我們向兩個模型提供了相同的財務報表、營運假設和市場數據,對象是一家虛構的農業科技公司 Alderfen Field Systems。我們要求它們建立一個可編輯的 Excel 工作簿,按業務分部預測截至 2031 年的收入,並確認三大財務報表互相勾稽。工作簿亦須按 8% 的折現率和 3% 的永續增長率估算每股攤薄價值,列出甚麼增長率才足以支持參考股價,並展示估值如何隨假設變動。
GPT‑6.2 Astra 把收入組合以及由企業價值至股權價值的計算過程,放在敏感度分析表旁邊。讀者可以看到哪些業務帶動預測,並追蹤折現現金流、現金及投資,以及攤薄股數如何影響每股估值。GPT‑6 Astra 則把收入明細放在另一個分頁,並將估值計算過程放在工作表較下方。
4 項中的第 1 項
“ 我們評估了 GPT-6.2 Astra 將大量資訊整理成易讀簡報和資訊圖表的能力,對象包括技術及非技術受眾。例子包括交易簡報和 Agent 工作流程示意圖。”
GPT-6.2 Astra 的文件較 GPT-6 Astra 有顯著提升。文字和圖表令讀者更容易掌握簡報重點,而示意圖透過展示各部分如何協同運作,讓複雜系統更清晰。
”
Marquis Wong, Principal AI Engineer, IMC
“ 在我們的 Agent 評測中,GPT-6.2 Astra 處理複雜法律 Agent 任務所用的 token 數,比 GPT-6.1 Sol 少 62%。Astra 在法律研究方面表現最佳;在我們測試的 10 項研究任務中,有 8 項的得分高於其他模型,涵蓋税務、M&A 及訴訟工作。”
”
Jacob Lauritzen, CTO, Legora
“ GPT-6.2 Astra 較 GPT-6 Astra 有明顯提升;在我們的評估中,它完成的 Legal Agent Benchmark 任務數量超過 3 倍,輸出 token 數則少 34.5%。在起草內部備忘錄的任務中,GPT-6.2 Astra 找出更多客戶立場中的弱點,而草擬的訴訟文件作出的不必要讓步較少。”
”
Niko Grupen, Head of Applied Research, Harvey
“ 在 ClickUp Brain 於工作空間內建立的應用程式、儀錶板和簡報方面,GPT-6.2 Astra 在盲測中略勝我們的現行生產模型。更突出的是它達到這個表現的方法:所用 token 數約少 40%,審核輪次亦少 30%。”
”
Jay Hack, Head of AI, ClickUp
IMC
Legora
Harvey
ClickUp
IMC
Legora
Harvey
ClickUp
電腦操作與互動式網頁設計
GPT‑6.2 Astra 的電腦操作更精準,能在 CAD 和模擬工具中處理個別零件和連接處。工程師可利用這種更細緻的操作,檢查元件如何配合、查看設計變動時載荷如何轉移,並在製作原型前測試修改方案。
駕駛模擬
我們請 GPT‑6.2 Astra 呈現汽車在山路上的底盤動態。Astra 建立了 3D 模型,並編寫 Python 求解器,模擬輪胎與懸掛系統之間的複雜動態,然後在 Blender 中將結果製作成動畫。這讓工程師可以快速測試新設計,並隨時間提升模擬準確度。
一輛跑車在山路上行駛,旁邊顯示前後懸掛系統的運動、輪胎接地區域,以及駕駛者輸入。

00:00
機械設計與組裝
GPT‑6.2 Astra 可以逐一建模機械繫統的各個部件,讓工程師展示組裝方式,並測試設計改動對系統運作的影響。
遙控越野車組裝 直列六缸引擎設計
一套 1:8 比例的油動遙控越野車套件拆件擺放,接著展示組裝過程的特寫,以及完成後的車輛。

00:00
我們請 GPT‑6.2 Astra 根據公開照片和組裝手冊,為遙控越野車及引擎建模。它為各個零件建模、製作動畫組裝指南,並生成圖解零件目錄。這展示了 Astra 如何加快實體工程產品的開發及文件編製。
由 CAD 到紙燈
我們的團隊使用 GPT‑6.2 Astra,把芝加哥 Marina City 大廈的波浪形陽台設計成一盞燈。影片記錄了從參考照片、CAD 修改,到親手組裝實體紙燈的整個設計過程。這個由 GPT-6.2 Astra 生成的網站,可用來製作你自己的紙燈。
設計影片 紙燈製作網站
一盞靈感源自芝加哥 Marina City 大廈的紙燈,展示從 CAD 修改到組裝的過程。

00:00
GPT‑6.2 Astra 的視覺推理能力更強,能為網頁設計挑選合適的版面和圖像,令每個網站都別具特色,並圍繞網站的實際目標設計各個元素。
一個設有互動式車輛配置器的露營車網站。

00:00
視覺推理和電腦操作方面的進步,也能應用於 3D 設計。GPT‑6.2 Astra 和 Sol 可以把文字簡介轉化成互動式瀏覽器體驗,從可供遊玩的彈珠台,到可從不同角度探索的羅馬競技場重現模型。Artificial Analysis 的 AA‑3D 評測會讓評審在兩個根據相同提示詞製作、但不透露模型身份的體驗中,選出較喜歡的一個。GPT‑6.2 Astra 以 1,318 Elo 排名第一,其次是 Claude Fable 5.2(1,271)和 GPT‑6.2 Sol(1,259)。
園藝規劃示範比較高架花牀配置與原本的後院。

00:00
Meridian Sound Racing 大教堂漫步
一輛紅色賽車沿著燈光照明的賽道高速飛馳。

00:00
GPT‑6.2 Astra 在一條蜿蜒穿過城市的賽道上,打造了一款可供遊玩的未來風格賽車遊戲。遊玩 Meridian Sound Racing↗(在新視窗中開啟)
「 GPT-6.2 Astra 為創作工作帶來巨大飛躍。它讓 Higgsfield Miracle 得以實現,支援以像素級精準度進行即時影片編輯,並讓創作者完全掌控創作。在我們內部的 3D 生成評測中,GPT-6.2 Astra 有 73% 的機會一次生成便達到目標結果;GPT-6 Astra 則需要三次或以上迭代。這為我們的創作團隊節省大量時間,也讓完全由 Agent 驅動的工作流程更有效率。」
”
Higgsfield AI 行政總裁兼共同創辦人 Alex Mashrabov
更整潔程式碼風格下的高效工作流程
GPT‑6.2 Astra 更懂得判斷如何執行任務,包括按工作流程選擇合適的工具和投入程度,以及判斷何時使用插件、何時使用電腦操作。
在編寫程式碼方面,GPT-6.2 Astra 在現有程式碼庫中實作及測試複雜改動的表現更佳。早期測試者表示,程式碼風格更整潔,測試更聚焦,所需的修改次數亦更少。
GPT-6.2 Astra GPT-6.2 Sol
3 個中的 1 個
“ GPT-6.2 Astra 在 token 和工具效率方面較 GPT-6 Astra 大幅提升,能更妥善地規劃長程任務,並更有效率地編寫 Bash,讓每一輪能完成更多工作。我們處理長程會計工作的平均時間減少了 50%,而最複雜工作的處理時間最多減少了 73%。
”
Eros Wang,Basis 技術人員
“ GPT-6.2 Astra 在推理和系統設計方面邁出顯著一步。在我的測試中,它處理複雜項目時展現更出色的架構判斷力,能在理論上的可能性與實際限制之間取得平衡。
”
Daniel Bjanes,Ramp 高級應用 AI 工程師
“ GPT-6.2 Astra 處理複雜最佳化問題時,表現猶如經驗豐富的研究人員,從第一原理出發推理,並從自身失誤中學習,找出更好的方法。它將我們的硬件推至極限,並在一項已維持逾三年的基準測試中達到飽和。它在不到一天內便達成了我原以為不可能的目標。
”
Adam Alnasser,Jump Trading 技術人員
Basis
Ramp
Jump Trading
Basis
Ramp
Jump Trading
網絡安全能力
GPT‑6.2 Astra 和 GPT-6.2 Sol 的網絡安全能力再有顯著躍進。它們能更有效地找出及利用漏洞,編寫更安全的程式碼,並產出更完善的修補程式,在多項評測中的 token 效率亦大幅提升。與 GPT‑6 Astra 一樣,6.2 Astra 和 Sol 在我們的 Preparedness Framework 中,網絡安全類別均達到 Critical 門檻。
由於能力有所提升,我們推出 GPT‑6.2 Astra 和 Sol 時,會對高風險網絡安全協助採取更嚴格的防護措施。這些防護措施可降低濫用風險,但亦會限制部分正當的漏洞研究及安全測試流程。透過 OpenAI Daybreak,目前獲批准的防禦人員可在 Daybreak Blue 使用網絡安全相關拒絕較少的 GPT‑6 Astra,亦可在 Daybreak Red 使用 GPT‑6 Cyber,進行進階的授權安全測試。我們將致力把 GPT‑6.2 模型引入 Daybreak。
以下列出主要基準測試結果,採用已停用網絡安全防護措施及分類器的內部測試配置。完整結果及方法請參閲隨附的系統卡(在新視窗中開啟)。
DeepBinary ExploitBench Internal Port
DeepBinary(在新視窗中開啟)用於測試模型找出已編譯 Windows 系統二進制檔漏洞的能力。每一行顯示模型在最高推理模式下,於 12 個目標二進制檔中找出漏洞的表現。每個圓點代表累計結果中的一個檔案;最後一個圓點則代表所有檔案的累計總數。
讓網絡安全防禦人員佔優
開發人員愈來愈依賴編碼 Agent 編寫正式環境軟件;與此同時,能力更強的 Agent 亦降低了找出及利用漏洞的門檻。PHP2Shell(在新視窗中開啟)展示了 AI 如何協助研究人員發現重大漏洞。GPT‑6.2 Astra 和 Sol 將防禦能力列為核心重點,並引入新的訓練訊號,協助開發人員預防及修補這些漏洞——從一開始便編寫安全的程式碼,並產出能保留預期行為的修補程式。
SecureSWE PatchBench
SecureSWE 是一項內部基準測試,用來評估撰寫功能正常且安全的程式碼的能力,涵蓋提供檔案或處理資料庫查詢等對安全性敏感的元件。
安全與對齊
我們正以至今最完善的防護措施,部署 GPT-6.2 Astra 和 Sol。我們收緊了限制,並加強用來監察模型及在有需要時介入的系統。
與 GPT-6 Astra 一樣,除了在網絡安全方面達到危急門檻,GPT-6.2 Astra 和 Sol 也在生物及化學能力方面達到我們Preparedness Framework所訂的高門檻。我們已實施防護措施,以減低相關風險,並加強限制一系列可能涉及雙重用途的生物及網絡安全請求。
有關防護措施及測試的詳情,請參閲GPT-6.2 系統卡(在新視窗開啟)。
AI 研究能力與防護措施
GPT-6.2 Astra 是我們首個對外發布、在 AI 自我改進方面達到高門檻的模型;這項能力衡量模型加快 AI 研究的能力。「高」級別反映我們的評估:相較於 2024 年的基準,模型帶來的影響相當於為每位 OpenAI 研究人員配備一名能力出眾的研究工程師作助手。我們追蹤這項能力,是因為能協助開發未來 AI 系統的模型,也可能帶來新的安全風險,例如加快進展的速度超出防護措施或人類監督的適應能力。
為應對這些風險,我們在訓練及部署模型的過程中加入更多監督與管控措施。在擴大 GPT-6.2 Astra 的內部存取權限前,我們評估了其對齊表現,並確認每個階段均已設置所需的防護措施。我們加強了研究環境中的隔離措施,並使用能力最強的模型測試這些防護措施。我們亦建立了 Control Room,這個系統會追蹤研究工作負載,並可在需要介入時停止模型繼續輸出。我們擴大了監察範圍,檢視模型在內部工作負載及支援的外部部署中的推理和行動。系統可自動標示未經授權的行為,並在支援的情況下暫停工作負載或對話。
對齊
兩款模型在大部分對齊評估中的表現與 GPT-6 Astra 相若,並在模擬工作任務中較少作出不當行為。不過,在兩項測試中,兩款模型較常沒有提及阻礙工作進行的問題,例如缺少檔案或無法使用搜尋工具。我們在 Codex 中加入指示,大幅減少這類遺漏,並會繼續調查這種行為。
阻礙因素欺瞞 不當行為
在「阻礙因素欺瞞」測試中,我們會在編碼任務中設置障礙,例如移除用戶要求 Agent 編輯的檔案。模型會按其是否向用戶披露障礙來評估。
價格及供應情況
自今日起,所有 Plus、Pro、Enterprise 和 Edu 用戶均可在 ChatGPT Work 和 Codex 使用 GPT-6.2 Astra 和 Sol。Pro 500 訂閲用戶可使用 Ultrafast,適用於兩款模型。首次推出 Pro 200 訂閲用戶亦可使用 Ultrafast,並率先支援 GPT-6.2 Sol。符合資格的 Enterprise 和 Edu 用戶,在工作區管理員啟用後亦可獲得相同存取權限。開發者亦可透過 OpenAI API 使用 gpt-6.2-astra 和 gpt-6.2-sol,兩款模型在推出時均支援 Ultrafast。
GPT‑6.2 Astra 每項任務的成本遠低於 GPT‑6 Astra,得益於更高的 token 使用效率、輸入及輸出 token 享有 20% 折扣,以及快取輸入 token 享有更高的 60% 折扣。標準 API 費率為每百萬個 token:輸入 $8、快取輸入 $0.40、輸出 $40。GPT‑6.2 Sol 延續 GPT‑6.1 Sol 的費率,每百萬個 token 的輸入為 $2、快取輸入為 $0.10、輸出為 $10。
對於 GPT-6.2 Astra 和 Sol,為了提升快取重用率、降低成本和延遲,並在不同輪次之間保留推理內容,我們建議保持提示詞前綴不變,並在對話中附加新指示(在新視窗中開啟)。
作者
OpenAI
註腳
- 1 Fable 5.2 的 Terminal-Bench-Science 0.1 結果,據 Artificial Analysis(在新視窗中開啟)在 mini-swe-agent 測試架構中報告。Anthropic 報告,Fable 5.2 在 Claude Code 的最高推理設定下得分為 74.6%。
研究
最新進展
安全
產品
- ChatGPT(在新視窗中開啟)
- ChatGPT 商業版(在新視窗中開啟)
- ChatGPT 企業版(在新視窗中開啟)
- ChatGPT 教育版(在新視窗中開啟)
- Codex
- Dots(在新視窗中開啟)
- 發布説明
API 平台
商業
開發者
公司
支援
更多
條款與政策
(在新視窗中開啟)(在新視窗中開啟)(在新視窗中開啟)(在新視窗中開啟)(在新視窗中開啟)(在新視窗中開啟)(在新視窗中開啟)
OpenAI © 2015–2026 你的私隱選擇
英文(美國)
來源:Hacker News 熱門(buzzing.cc 中文翻譯) · openai.com