OpenAI 一次推出 GPT-6.2 Astra 和 GPT-6.2 Sol 两款模型,输入输出价格分别为每百万 Token(模型处理文本的基本计量单位)8 美元和 40 美元、2 美元和 10 美元。我们注意到,真正值得关心的不是版本号,而是复杂任务的调用成本下降,同时行业评测并未显示它已形成全面领先。

这是什么

Astra 面向困难项目,定位偏能力与复杂任务;Sol 面向日常工作,强调效率和多用途。Astra 相比上一代降价 20%,缓存价格从每百万 Token 1 美元降至 0.40 美元。缓存是重复调用时复用已处理内容的机制,对持续运行、反复读取资料的工作流更有利。Sol 则维持上一代价格。

开发者 Simon Willison 已支持两款新模型,并用动画生成任务做了对照。不过在他的测试中,两款模型的表现不及 Claude Fable 5.2 和 Gemini 4 Carbon,说明降价并不等于能力领先。

行业怎么看

我们的判断是,GPT-6.2 的商业价值首先来自成本优化,而不是跑分突破。Astra 的降幅对需要多轮调用、多步骤执行的企业工作流尤其明显;但 Sol 价格没有继续下降,也意味着它更像是产品结构补位,而非全面降价。

风险同样清晰。Astra 在部分基准测试中未超过 Claude Fable 5.2,开发者也反馈其表达方式可能令人困惑。更实际的问题是,长任务会调用多个子模型协同工作,若系统突然询问用户无法理解或无法干预的内部细节,即使最终结果可用,过程管理仍可能失控。模型越能长时间工作,错误是否被放大、过程是否可检查,也越重要。

对普通人的影响

对企业 IT:采购时不必只比较最强模型,还应按任务难度分层使用。高频、常规任务可交给低成本模型,复杂项目再调用高价模型,整体预算可能下降。

对个人职场:普通人更可能通过办公软件间接使用这些模型,而不是直接选择 API 版本。价格下降能否转化为更稳定、更好用的产品,仍取决于工具本身的任务执行质量。

对消费市场:模型能力差距尚未拉开到足以形成独占优势,开发者可能同时测试多个平台。消费者真正能感受到的变化,可能是同类 AI 功能的调用价格下降,以及产品把算力投入从单纯炫技转向连续完成任务。