网易首页 > 网易号 > 正文 申请入驻

GPT-6.2发布!3D力压Claude夺冠,实测口碑两极

0
分享至



第三方评测机构的智能指数与单任务成本对比:新模型落在"更聪明也更省钱"的位置

11月17日,OpenAI 把两款新模型一起摆上了台面:GPT-6.2 Astra 和 GPT-6.2 Sol。官方给的介绍很直白——一个专攻复杂项目,一个负责日常干活,都很省 token,为真实世界而来。

发布当天,ChatGPT Work、Codex 和 API 就同步上线。付费订阅里,Plus、Pro、Enterprise、Edu 都能用;每月 200 美元的 Pro 用户首次拿到 Sol 的 Ultrafast 极速档,500 美元档则两款全开。官方说极速档的吐字速度最高能到标准的 4.5 倍。

跑分榜单很快给出回应:智能指数冲到第二,3D 评测直接拿了第一。可几乎同时,一批提前实测的开发者甩出了完全相反的结论——"几乎没法用""是 OpenAI 发布过最差的模型"。一款模型,两种评价,热闹程度远超以往。这到底是怎么回事?

一个啃硬骨头,一个管日常

先看分工。

Astra 是这次的前锋,定位是那些又难又贵的高价值任务:金融表格、法律检索、代码库改造、复杂 3D 设计。官方还专门提了它在科学和网络安全上的能力——它是 OpenAI 第一个达到"AI 自我改进 High 阈值"的对外发布模型,也过了网络安全的关键阈值,配套上了内部监控系统。用官方的话说,它像一个额外配给每位研究者的得力工程助手。

Sol 则是那个"你可能天天用"的模型。多步智能体流程、写东西、日常代码,主打便宜、快、好用。官方自己人透露,公司里不少员工把 Sol 当成主力模型,技术活和非技术活都往它身上堆。

两款都给了 105 万 token 的上下文窗口,最高能吐 12.8 万 token。API 里的名字分别是 gpt-6.2-astra 和 gpt-6.2-sol。

价格战先开打:输入价降两成,缓存价砍六成

这次最实在的变化,其实是价格。

Astra 的标准 API 价降到每百万 token 输入 8 美元、输出 40 美元,比上一代 GPT-6 Astra 双双降了 20%;缓存输入更狠,从 1 美元直接砍到 0.4 美元,降幅 60%。Sol 则维持上一代的价格,每百万 token 输入 2 美元、输出 10 美元。

要知道,前沿模型的价格一般是往上走的,这次反着来,对 API 用户是实打实的利好。更关键的是 token 效率:官方说两款模型完成同样的活儿,吐出来的 token 更少。在官方的长周期知识工作评测 GDPval v2 上,Astra 比上一代高 6.2 分,输出 token 却少了约四分之一。在跑代理循环时,那句"缓存命中价降到 0.4 美元"尤其值钱——反复发同一段指令,不用每轮都按全价买单。


第三方评测机构的智能指数与单任务成本对比:新模型落在"更聪明也更省钱"的位置

第三方编码智能体指数:新模型成绩停留在上代水平甚至回落,Claude 系列仍占据前列

榜单第二,3D 评测却拿了第一

第三方评测机构的账算得很细。

在 Artificial Analysis 的智能指数 v5 上,Astra 拿到 62 分,排第二,比上一代高 5 分,仅次于 Claude Fable 5.2 的 65 分,还越过了 Gemini 4 Carbon 和 Claude Opus 5.5。Sol 拿了 57 分,大致相当于上代 Astra 的智能水平,但单任务成本只有它的一成半左右。

最有辨识度的是 3D。在衡量"按文字要求生成可交互 3D 作品"的 AA-3D 评测里,Astra 以 1318 Elo 排名第一,把 Claude Fable 5.2 的 1271 和 Sol 的 1259 都压在身后,比上代 Astra 的 1168 高出一截。官方放的演示里,有能直接上手玩的弹球游戏、能转着看的罗马斗兽场,还有在未来城市赛道上开的飞行赛车——都是一句话生成、能在浏览器里跑的成品。

其他科目也有亮点:自然语言处理科学的 Vals Science Index 创了新高;法律评测 Harvey LAB-AA 通过率约 15%,是主要对手的两倍多,成本只有六分之一;Terminal-Bench 科学项比上代涨了 9 个百分点,到 77% 左右。Sol 这边,官方说在 Cognition 的 FrontierCode 2.0 上,它跟 Astra 的差距不到半分,成本却只有五分之一。

看起来,这是一次"又聪明又省钱"的漂亮升级。


第三方编码智能体指数:新模型成绩停留在上代水平甚至回落,Claude 系列仍占据前列

成本与收益曲线:新模型用更低的成本逼近前沿模型的能力

可早期实测的人,吵翻了

发布现场的叫好声还没落,另一批声音就顶了上来,而且相当刺耳。

有开发者放话,这是"OpenAI 发布过最差的模型"。他晒出的实测是:花七天让模型用 Rust 重写一个实验性的 TypeScript 编译器,没拿到任何改进,产出的代码反而慢了 56%;又花四天让它专门优化速度,还是没进展。

一位投资人兼创业者说得更直接:不打算写完整评测了,因为体验很糟,两款模型"几乎没法用",不推荐。他还提到一个细节——让 Claude 当监工、把 Astra 当子 agent 使唤时,前者只好一遍遍返工重做。

也有人把矛头指向榜单和对手:在编码智能体指数上,Astra 与上代持平,Sol 反而退了 3 分;在另一项幻觉测试里,两款的幻觉率分别到了 59% 和 55%。有网友直接下结论:这是继某次著名翻车之后最差的一次发布,等于替对手的上市做了最好的广告。

当然,也不是一边倒。有提前测试者替它鸣不平,说大部分问题出在测试工具本身,把工具的问题剥掉之后,用起来其实很顺。还有人观察到一个有趣现象:当年不受待见的 5.6 Sol 后来成了很多人喜欢的模型,如今被骂的 6.2 Astra,说不定走着同样的路。

官方回应:确实还有活要补

面对反馈,OpenAI 的负责人没有硬顶。

他承认,新模型很聪明,也很省 token,希望大家能用得值,尤其点名了 Sol 的极速档。但话锋一转:虽然模型很智能,在"让模型好用、好合作"这件事上还有工作要做,接下来的版本会把这块列为重点。换句话说,能力这块官方是有信心的,被吐槽的是体验。

这大概就是这次发布最有意思的地方:榜单、价格、3D 能力都摆在那儿,是真金白银的进步;但"跑分强"和"用着顺"之间,还隔着一截。评测机构给的是入场券,真正的考试在每个人的日常任务里。

想上手的话,注意这几点

如果你打算试试这两款模型,几条建议或许用得上。

先按活儿挑模型。日常琐碎、多步流程、写写改改,用 Sol 就够,成本低、速度快;真遇上复杂代码库、长文档、3D 生成这类硬活,再上 Astra。

其次,跑代理循环时留意缓存。把不变的指令放在前面固定住,只在后面追加新内容,缓存命中率上来了,账单才会真的降。长上下文也别乱开——超过 27 万 token 的输入,价格是要翻倍的。

最后,别把跑分当承诺。编码这类任务,先小范围试、和上一代对比着用,再决定是否全面切换。新模型值不值得换,你的实际任务清单说了算,不是榜单说了算。

参考内容:
https://x.com/i/trending/2122753845734547691
https://www.siliconreport.com/openai-releases-gpt-6-2-astra-and-sol-cutting-astra-api-rates-20
https://news.qq.com/rain/a/20261118A074RX00

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
比亚迪甩出第三张王炸:折叠方向盘根本不是装酷!友商这次怎么接

比亚迪甩出第三张王炸:折叠方向盘根本不是装酷!友商这次怎么接

娱乐圈的笔娱君
2026-11-20 08:42:31
悉尼·斯威尼内衣品牌销量翻倍,第三季度创纪录

悉尼·斯威尼内衣品牌销量翻倍,第三季度创纪录

影视情报室
2026-11-20 05:44:13
殷桃 成熟的水蜜桃 女人味溢出屏幕

殷桃 成熟的水蜜桃 女人味溢出屏幕

动物奇奇怪怪
2026-11-13 09:35:39
罪大恶极?黄仁勋又一黑料曝光:英伟达董事会发现,他竟用微波炉加热剩鱼肉

罪大恶极?黄仁勋又一黑料曝光:英伟达董事会发现,他竟用微波炉加热剩鱼肉

小徐讲八卦
2026-11-19 15:11:48
今年的退休金还涨不涨?我打了12333问过,实际情况原来是这样

今年的退休金还涨不涨?我打了12333问过,实际情况原来是这样

笑熬浆糊111
2026-10-28 06:00:28
Anthropic首日股价冲高回落,彭博称其IPO或标志AI行情终结

Anthropic首日股价冲高回落,彭博称其IPO或标志AI行情终结

华尔街见闻官方
2026-11-20 03:57:58
八国联军侵华,7个国家瓜分中国,唯独一国反对,如今成超级大国

八国联军侵华,7个国家瓜分中国,唯独一国反对,如今成超级大国

文史达观
2025-03-08 06:45:05
特朗普在空军一号上打电话:“愤怒斥责”欧洲必须停止资助乌克兰

特朗普在空军一号上打电话:“愤怒斥责”欧洲必须停止资助乌克兰

阿天爱旅行
2026-11-20 12:41:33
又一名电诈头目落网!这回更让人震惊,竟然不是大家熟悉的缅北

又一名电诈头目落网!这回更让人震惊,竟然不是大家熟悉的缅北

人生录
2026-11-02 09:08:26
央媒官宣!43岁佟丽娅,新身份浮出水面,已和陈思诚拉开距离

央媒官宣!43岁佟丽娅,新身份浮出水面,已和陈思诚拉开距离

皮皮电影
2026-11-20 09:45:17
世界首次500强差距断崖:日本149家,美国151家,中国3家,如今呢

世界首次500强差距断崖:日本149家,美国151家,中国3家,如今呢

福建睿平
2026-08-28 07:25:16
从"长枪短炮"到轻装上阵:APEC现场到处都是中国相机

从"长枪短炮"到轻装上阵:APEC现场到处都是中国相机

色影无忌
2026-11-20 10:40:00
马布里,真正的人生赢家。2023 年,马布里结束了与前妻 21 年的婚姻。

马布里,真正的人生赢家。2023 年,马布里结束了与前妻 21 年的婚姻。

回京历史梦
2026-10-30 05:10:04
特朗普:理解普京对基辅袭击克里米亚大桥的愤怒

特朗普:理解普京对基辅袭击克里米亚大桥的愤怒

参考消息
2026-11-20 11:37:30
人死头七必回家,老和尚提示:不是思亲,而是回来带走这2个东西

人死头七必回家,老和尚提示:不是思亲,而是回来带走这2个东西

古怪奇谈录
2025-08-20 15:51:30
扎心了!“”80 90后“”躲过岁月 却没躲过小学生试卷 1988年的“张奶奶”、1991年的“张大爷” 网友看完破防 这年龄设定谁写的?

扎心了!“”80 90后“”躲过岁月 却没躲过小学生试卷 1988年的“张奶奶”、1991年的“张大爷” 网友看完破防 这年龄设定谁写的?

闪电新闻
2026-11-20 09:36:58
末节13分,正负值+33!开拓者36岁妖星,比利拉德还猛

末节13分,正负值+33!开拓者36岁妖星,比利拉德还猛

弄月公子
2026-11-20 15:24:31
杨瀚森12分钟2分!苏群:犯错较多没适应NBA 主教练对他不满意

杨瀚森12分钟2分!苏群:犯错较多没适应NBA 主教练对他不满意

念洲
2026-11-20 15:12:31
沈阳新娘远嫁杭州,娘家30口人自驾送亲,新郎只愿付当天住宿费

沈阳新娘远嫁杭州,娘家30口人自驾送亲,新郎只愿付当天住宿费

兰姐说故事
2025-08-21 20:05:04
普京在深圳真情流露!专机落地后他明白了,怪不得中国在这开会

普京在深圳真情流露!专机落地后他明白了,怪不得中国在这开会

时光流转追梦人
2026-11-19 21:49:10
2026-11-20 16:31:00
侃故事的阿庆
侃故事的阿庆
几分钟看完一部影视剧,诙谐幽默的娓娓道来
776文章数 9887关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

数码
手机
艺术
家居
房产

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

家居要闻

2026建博会(广州) 公装联探展交流活动

房产要闻

6.6亿!海口卖地!

无障碍浏览 进入关怀版