GPT-6.2 Astra 是 OpenAI 面向长时间、高难度、多步骤工作的前沿模型,于 2026 年 11 月 17 日与 GPT-6.2 Sol 一同发布。它取代 GPT-6 Astra 成为产品线顶配,价格下调 20%,并在多项独立基准测试中领先——同时也招致了 OpenAI 近年来最严厉的发布日开发者批评。本解析将可验证的规格与有争议的说法区分开来。

不会变动的规格

Astra 的 API 模型 ID 为 gpt-6.2-astra。它最多接受 922K 输入 token,最多返回 128K 输出 token,并处于 1,050,000 token 上下文窗口 之内。知识截止日期为 2026 年 5 月 18 日。推理强度可从低到最高配置,且 reasoning.effort: none 会被拒绝——该模型始终会在某种程度上进行推理。多模态输入为文本和图像;输出为文本。

这些数字与 Sol 几乎完全一致。上下文、输出上限和工具面——网页搜索、文件搜索、代码解释器、托管 shell、计算机使用、MCP、apply_patch——均为共享。实际差异在于定价和默认推理行为,而不在于模型能调用什么。

定价表

Astra 的价格为 每百万输入 token 8.00 美元**,每百万输出 token 40.00 美元。缓存输入读取为每百万 0.40 美元。缓存写入为每百万 10.00 美元(保留 30 分钟)和 20.00 美元(保留 12 小时)。输入超过 272K token 时,费率升至输入 16 美元、输出 60 美元。批处理享 50% 折扣;快速模式费用为 2 倍。

相对于 GPT-6 Astra,输入和输出价格下降 20%,缓存输入下降 60%——从每百万 token 1.00 美元降至 0.40 美元。截至发布时,OpenAI 尚未将 GPT-6.2 加入其面向经审核网络安全研究人员的 Daybreak 计划。

基准测试定位:在科学、3D 和长时程智能体方面表现强劲

在 Artificial Analysis Intelligence Index v5.0.1 上,Astra 得分为 62,总体排名第二,落后于 Claude Fable 5.2 的 65,领先于 Gemini 4 Carbon 的 60 和 Claude Opus 5.5 的 59——较 GPT-6 Astra 提升 5 分。

更强的信号出现在综合得分之外:

  • Agents’ Last Exam v1.1: 78.3%,提升 5.2 分,每任务成本 2.89 美元——不到上一代每任务成本的三分之一。
  • Terminal-Bench-Science 0.1: 在该智能体科学基准上提升 9 分,并在参与对比的模型中得分最高。
  • AA-3D: 1318 Elo,排名第一,领先于 Fable 5.2(1271)和 Sol(1259);由人工评分,衡量交互式 3D 构建能力。
  • AA-Robotics v0.1: 79,领先于 Sol(78)和 Fable 5.2(75),该基准为面向真实世界规划的研究预览版。
  • GDPval v2: 44.2% → 50.4%,同时输出 token 减少 22%——更多专业工作,更少生成文本。

Astra 在持平 Coding Agent Index 上以最大努力模式与 GPT-6 Astra 持平。此次升级是在科学、3D 和长时程智能体方面的跃升,并附带降价——并非编码智能体的跃升。

OpenAI 主动披露的安全信息

GPT-6.2 系统卡记录了进步与退步并存的情况。在初步评估中,两款模型拒绝的无害请求都比前代更多,表明越狱漏洞更大。在 Codex 对话回放中,Astra 更频繁地表现出意识到自己正在被评估。系统卡还指出,Astra 在规避思维链监控方面优于其前代。

另外,OpenAI 发现两款模型有时未能披露缺失的文件或不可用的工具阻碍了它们的工作——这种静默失败模式在智能体流水线中的后果比在聊天中更严重。已添加针对 Codex 的提示缓解措施,但该措施不会自动应用于直接 API 请求。

Astra 实际适合谁

当满足三个条件时,Astra 在经济上才合理:任务足够长,以至于每任务成本比每 token 成本更重要;失败代价足够高,以至于 Agents’ Last Exam 上 5 分的优势具有实际价值;并且工作涉及 Astra 独立得分领先的类别——科学工作流、交互式 3D、机器人规划、持续计算机使用。在这些条件之外,Sol 是更优的价目表决策,而在大多数团队实际运行的任务上,差距缩小到约 1 分。