
OpenAI 发布 GPT-6.2 Astra 与 Sol,Astra 降价 20% 并占据成本效率前沿
来源标题:GPT-6.2 Astra and Sol deliver most of the AA Cost per Task Pareto frontier
OpenAI 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,Astra 定价为每百万 tokens 输入 8 美元、输出 40 美元,比 GPT-6 Astra 低 20%,缓存输入从 1 美元降至 0.40 美元;Sol 定价与上一代持平,为 2 美元/10 美元。Astra 在 Artificial Analysis 智能指数上升 5 分,仅次于 Claude Fable 5.2;Sol 上升 2 分至 57。OpenAI 模型占据了 Cost per Task 帕累托前沿的大部分,并与 Anthropic、Meta 共享该前沿。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
GPT-6.2 Astra 定价为 $8/$40,比 GPT-6 Astra 低 20%,缓存输入价格从每百万 token $1.00 降至 $0.40。GPT-6.2 Sol 定价与 GPT-6.1 Sol 持平,为每百万输入/输出 token $2/$10。
➤ 智能指数排名第二:OpenAI 目前在 Artificial Analysis Intelligence Index 中仅次于 Anthropic 的 Claude Fable 5.2。GPT-6.2 Astra 较 GPT-6 Astra 提升 5 分,在最高 effort 设置下超越 Gemini 4 Carbon(60)和 Claude Opus 5.5(59)。GPT-6.2 Sol 提升 2 分达到 57,与 GPT-6 Astra 持平,而 Cost per Task 仅约为后者的 15%。
➤ 占据大部分成本与输出 token 前沿:OpenAI 模型目前占据了 Cost per Task Pareto 前沿的大部分,仅与 Anthropic 和 Meta 共享该前沿。OpenAI 同样主导 Output Token per Task Pareto 前沿,Claude Fable 5.2 是唯一出现在该前沿上的非 OpenAI 实验室模型。
➤ 科学与知识领域表现强劲:OpenAI 在我们两项重点科学评测中均表现强势,在 Terminal-Bench-Science 0.1(覆盖 agentic 科研工作流)中领先,在 CritPt v2(hard 子集,覆盖物理推理)中仅次于 Claude Fable 5.2 位列第二。在 AA-Omniscience v1.1 Accuracy 衡量的事实知识以及推理与知识基准 HLE-Diamond 中,GPT-6.2 Astra 也仅落后于 Claude Fable 5.2。
➤ 3D 与机器人领域领先:GPT-6.2 Astra 以 1318 分领跑 AA-3D,Claude Fable 5.2 为 1271,GPT-6.2 Sol 为 1259。该基准衡量模型构建交互式 3D 体验的能力,由人工评分。GPT-6.2 还在 AA-Robotics v0.1 中领先,这是我们的一项研究预览,衡量语言模型在真实世界中理解、规划和行动的能力。GPT-6.2 Astra 和 GPT-6.2 Sol 分别得分 79 和 78,领先于 Claude Fable 5.2 的 75。我们团队正在加紧加入更困难的任务,因为 OpenAI 和 Anthropic 的模型目前已能完成这一初步研究预览中的大多数基础任务。
➤ Coding Agent Index 无提升:在 Artificial Analysis Coding Agent Index(Codex harness,max effort)中,GPT-6.2 Astra 与 GPT-6 Astra 持平,GPT-6.2 Sol 较 GPT-6.1 Sol 下降 3 分。Sol 的下降主要源于 SWE-Atlas-QnA-AA 下降 14 分,该模型比前代更可能在回答中遗漏关键事实。不过,成本效率仍使 GPT-6.2 Astra 和 Sol 的多个 effort 档位进入 Cost per Task 的 Pareto 前沿。
在 Artificial Analysis Coding Agent Index(Codex harness,max effort)中,GPT-6.2 Astra 与 GPT-6 Astra 持平,GPT-6.2 Sol 较 GPT-6.1 Sol 下降 3 分。Sol 的下降主要源于 SWE-Atlas-QnA-AA 下降 14 分,该模型比前代更可能在回答中遗漏关键事实。
OpenAI 主导 Output Token per Task Pareto 前沿,Claude Fable 5.2 是唯一出现在该前沿上的非 OpenAI 实验室模型。
GPT-6.2 Astra 以 1318 分领跑 AA-3D,Claude Fable 5.2 为 1271,GPT-6.2 Sol 为 1259。该基准衡量模型构建交互式 3D 体验的能力,由人工评分。
GPT-6.2 还在 AA-Robotics v0.1 中领先,这是我们的一项研究预览,衡量语言模型在真实世界中理解、规划和行动的能力。
按 AA-Omniscience Hallucination Rate 衡量,GPT-6.2 Astra 和 GPT-6.2 Sol 在 max effort 下的幻觉率分别为 59% 和 55%。该指标衡量模型在广泛话题的事实性问题中不知道正确答案时进行猜测的倾向。
Artificial Analysis Intelligence Index v5 中各项评测的细分
在以下网址将 GPT-6.2 与其他领先模型进行比较:https://artificialanalysis.ai
Multimodal Knowledge Agent (MKA) 基准:通过复杂视觉文件测试知识工作能力
我们与 Google DeepMind 合作推出了其 Multimodal Knowledge Agent (MKA) 评测,这是一项针对复杂视觉文件上 agentic 知识工作的新基准
Endpoint Accuracy Index v1.1:更紧的长上下文区间与扩展的模型覆盖
我们推出 Artificial Analysis Endpoint Accuracy Index v1.1,这是一次小版本升级,同时新增对 GLM-5.3 Flash 和 Muse Spark Open 的覆盖。
Meta 的 Muse Ember 是在 Intelligence Index 上得分 36 的最便宜模型
Meta 的最新模型 Muse Ember 在 Artificial Analysis Intelligence Index 上得分 36,与 Claude Haiku 5.5(max)持平,而 Cost per Task 仅为其三分之一
XLinkedInYouTubeRednoteDiscord © 2026 Artificial Analysis
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。