OpenAI 在 2026 年 11 月 17 日发布 GPT-6.2,Astra 输入与输出价格下调 20%,缓存读取降至每百万 token 0.40 美元。表面降价不等于账单下降:对话前缀一旦被改写,已有推理内容会被清除,模型还可能用更多 token 重做推理。

这是什么

GPT-6.2 包含面向高难度任务的 Astra 和面向日常工作的 Sol,两者上下文窗口均达到 105 万 token,最大输出 12.8 万 token。Astra 标准档输入价为每百万 token 8 美元,输出价 40 美元;超过 27.2 万 token 后,输入与缓存费率翻倍,输出费率变为 1.5 倍。

真正影响成本的是 API 使用方式。Responses API 会保留模型生成过程所用的推理内容(reasoning items,指可跨请求复用的中间推理记录)。如果系统压缩历史、改写开头消息或调整安全标识符,旧记录就会被移除;顶层 instructions 也不再享受缓存,长期系统指令应放进 input 的首条 developer 消息。

此外,工具调用必须使用 Responses API,推理强度不能设为 none,temperature、top_p 等参数也需删除。对仍在 Chat Completions 接口上运行的老代码,这不是简单替换模型名称。

行业怎么看

我们认为,这次更新把竞争从“模型单价”推进到了“完整调用成本”。缓存读取降价能惠及提示词稳定、上下文重复较高的企业应用;但频繁压缩对话、动态注入指令的系统,可能因推理内容失效而增加 token 消耗。采购方应比较迁移前后的单次任务总成本,而非只看每百万 token 的标价。

风险也很明确。长上下文超过 27.2 万 token 后价格明显上升,若团队缺乏分段和缓存策略,大窗口可能从能力优势变成预算压力。另一个反对意见是:迁移要求集中到 Responses API、参数限制趋严,短期适配和测试成本可能抵消降价收益。我们更倾向把官方降价视为重构调用链路的信号,而非无条件的成本红利。

对普通人的影响

对企业 IT:负责 AI 集成的团队应先审计缓存命中率、提示词稳定性和长上下文占比,再决定是否迁移;否则“降价 20%”可能只是纸面数字。

对个人职场:使用代码助手或搭建工作流的人会感受到回答更连贯,但升级后旧配置可能失效,涉及成本、隐私和审计方式的设置也应重新确认。

对消费市场:若企业应用把节省下来的预算用于扩大服务覆盖,AI 功能的实际价格可能下降;反之,迁移适配费用也可能被转嫁给订阅价格。