這次比較異常清晰,因為 OpenAI 在提高多數分數的同時降低了價格。Astra 6.2 的輸入與輸出成本比 Astra 6 低20%($8/$40 對比 $10/$50),快取輸入成本低60%($0.40 對比 $1.00)。即使其他所有數字都持平,升級本身仍能回本。但並非每個數字都持平,而對於決定是否遷移的團隊來說,退步與進步同樣重要。

改進了什麼

Agents’ Last Exam:在 v1.1 上為 78.3%,提升5.2 個百分點。每項任務成本從$8.99 降至 $2.89——不到先前成本的三分之一,卻換來實質更好的結果。

Terminal-Bench-Science 0.1:提升9 分,使 Astra 在代理式科學研究工作流程上位居比較集之首。

GDPval v2:44.2% → 50.4%,提升6.2 個百分點,同時輸出 token 減少22%。以更少的生成文字完成更多專業工作。

Artificial Analysis Intelligence Index:57 → 62,躍升5 分,使 Astra 超越 Gemini 4 Carbon(60)與 Claude Opus 5.5(59),升至第 2 位,僅次於 Claude Fable 5.2(65)。

3D 與機器人:Astra 6.2 以1318 以及 AA-Robotics 的79 — 这些基准在 GPT-6 Astra 发布时并不存在可比形式。

会计 AI 公司 Basis 报告称,长周期会计任务的执行时间下降了50%,最复杂的任务缩短了多达73%。

哪些方面没有改善,或变得更差

编码智能体指数: 在 Codex 测试框架中,GPT-6.2 Astra 与以最大努力运行的 GPT-6 Astra 相比持平。5 点智能指数提升并未转化为编码智能体方面的收益。

静默失败披露: OpenAI 自己的测试发现,两个 GPT-6.2 模型有时未能告知用户缺失的文件或不可用的工具,而这些阻碍了他们的工作。已添加针对 Codex 的提示缓解措施,但直接 API 请求不会自动获得该措施。如果你的流水线依赖模型报告自身的阻碍,这是一个迁移风险,而非脚注。

长程连贯性: Theo Browne 的七天编译器实验——零改进,56% 减速——是早期访问记录,而非可复现的基准。但这与 Dan Shipper 的观察一致:Astra 在端到端构建中会过早停止。基准收益和可用性抱怨都是真实的;它们描述的是同一模型的不同侧面。

迁移考量

对于以科学研究、长周期专业任务、3D/交互式工作或计算机使用智能体为主的工作负载,升级几乎是自动的:在重要基准上得分更高,且价目表降低 20%。Agents' Last Exam 的每任务成本从 $8.99 降至 $2.89,改变了大规模运行该类任务的经济性。

对于编码智能体密集型 工作负载,理由较弱。Astra 6.2 在编码智能体指数上持平,而静默失败模式增加了验证负担。如果你的流水线在输出边界已有事实完整性或阻碍报告检查,风险可控;如果没有,迁移应包括添加一项。

对于仍在使用GPT-6 Astra 运行高容量任务且 Sol 级质量已足够的团队,更具影响的举措可能不是 Astra→Astra 6.2,而是 Astra→Sol 6.2,价格为 $2/$10。Sol 在每评估任务成本约为 15% 的情况下,匹配了原始 GPT-6 Astra 的智能指数表现。问题不仅是“新 Astra 还是旧 Astra”,而是“该任务实际需要哪个层级”。

结论

值得升级如果 工作負載符合 Astra 6.2 實測的增益,且團隊準備好在 API 端加入阻擋回報驗證。值得暫緩如果 工作負載主要是編碼代理,且沒有現有機制可捕捉無聲遺漏。在這種情況下,請先在自己的任務分佈上測試 Astra 6.2 再遷移——並同時對 Sol 6.2 進行基準測試,因為較便宜的模型可能已足夠縮小差距,從而徹底改變升級與否的考量。