GPT-6.2 Sol 是 OpenAI 打造來實際使用、而非僅供讚賞的模型。它於 2026 年 11 月 17 日推出,價格與 GPT-6.1 Sol 完全相同——輸入 $2、輸出 $10、快取輸入 $0.10——其存在基於一個明確的經濟論點:大多數生產環境的 AI 工作並不需要前沿模型,而對這些工作收取前沿價格,是讓管線無法獲利的最快方式。
$2 與 $10 能換到什麼
Sol 與 Astra 同樣具備 1,050,000 個 token 的上下文視窗與 128K 的輸出上限。多模態輸入為文字與圖片;輸出為文字。知識截止日期為2026 年 6 月 1 日——比 GPT-6.1 Sol 的 4 月 30 日截止日期晚 32 天,也比 Astra 更晚。推理強度可從 low 到 max,且與最初的 GPT-6 Sol 不同,none會被拒絕。
工具介面與 Astra 完全相同:網頁搜尋、檔案搜尋、圖片生成、程式碼解譯器、託管 shell、apply_patch、技能、電腦操作、MCP、工具搜尋。Sol 並非精簡版端點;它是同一套框架,費率僅四分之一。
Sol 是理性預設選擇的基準測試
在 Artificial Analysis 智慧指數上,Sol 得分為57——與最初的 GPT-6 Astra 表現相當,而每個評估任務的成本約為其15%。在 FrontierCode 2.0 上,Sol 與 Astra 的差距在0.5 分以內,而每項任務成本約為其五分之一。在 Bito 的高強度程式設計工作階段中,Sol 整體得分 76.5%,每場高難度工作階段成本為 **$2.22**,而 Astra 為 77.5%,成本 $8.19。
LifeVal——OpenAI 對具挑戰性日常任務的評估,例如篩選學校,或在預算與通勤限制內尋找住房——在最大強度下將 Sol 評為 0.84,在公開圖表中排名第 2。PatchBench 測試能維持程式行為的安全修補,在最大強度下將 Sol 評為 0.76,同樣排名第 2。這些評估比大多數頭條基準測試更接近真實的生產工作。
真正重要的退步
Sol 並非嚴格優於 GPT-6.1 Sol。在 Artificial Analysis 的 Coding Agent Index 上,GPT-6.2 Sol掉了 3 分相較於 GPT-6.1 Sol,主因是SWE-Atlas-QnA-AA 上 14 分的下滑,Sol 在該項更可能遺漏關鍵事實。
這是一個具體且可重現的弱點:Sol 可能產生看似正確、卻遺漏下游管線所需事實的答案。對於聊天助理與有人工審核的 RAG,尚可管理。對於省略會無聲傳播的全自動代理鏈,則是真實成本。緩解方式不是放棄 Sol——而是在輸出邊界加入事實完整性檢查,再將高風險工作未經審核地路由出去。
決定預設選擇的成本計算
費率表只是故事的一半。在最大強度下,GPT-6.2 Sol 每個 Artificial Analysis 指數任務花費40,360 個輸出 token,而 GPT-6.1 Sol 花費67,824 — 在相同計量下,產生的運算量減少 40%。OpenAI 的定位正是建立在這一點上:以更少的輸出 token 獲得更好的結果,因此給定的預算能涵蓋更多工作。
對於每天執行數千項任務的流程而言,決定帳單的是每項完成任務的實際成本。如果 Sol 的 token 效率提升在你的工作負載上成立,同樣的預算大約能買到1.6 倍的任務量,相較於 GPT-6.1 Sol——這還沒計入 Sol 的成本本來就只有 Astra 的四分之一。
Sol 不適用的情況
當任務同時具備長期規劃、失敗代價高昂,且屬於 Astra 獨立基準領先的領域時,Sol 就是錯誤的選擇:科學研究、互動式 3D、機器人規劃、持續性的電腦操作。此外,如果你的編碼代理流程無法在沒有額外驗證層的情況下容忍 SWE-Atlas-QnA-AA 的遺漏回歸,Sol 也不適合。
至於其他所有情況——高流量聊天、分類、檢索、例行審查、一般規模的差異比對、不需要前沿推理的多步驟代理——Sol 才是讓經濟效益成立的模型。預設模型的問題已經轉變:頂級層級如今是例外,而非起點。