GPT-6.2 Sol 是 OpenAI 为实际使用而非供人仰慕而打造的模型。它于 2026 年 11 月 17 日发布,价格与 GPT-6.1 Sol 完全一致——输入 $2、输出 $10、缓存输入 $0.10——其存在基于一个明确的经济论点:大多数生产级 AI 工作并不需要前沿模型,而为此收取前沿价格是让流水线失去盈利能力的最快方式。
$2 和 $10 能换来什么
Sol 与 Astra 共享 1,050,000 token 的上下文窗口和 128K 输出上限。多模态输入为文本和图像;输出为文本。知识截止日期为2026 年 6 月 1 日——比 GPT-6.1 Sol 的 4 月 30 日截止日期晚 32 天,也晚于 Astra。推理强度可从 low 到 max,且与最初的 GPT-6 Sol 不同,none会被拒绝。
工具面与 Astra 完全相同:网页搜索、文件搜索、图像生成、代码解释器、托管 shell、apply_patch、技能、计算机使用、MCP、工具搜索。Sol 并非精简版端点;它以四分之一的费率提供相同的运行框架。
Sol 成为理性默认选择的基准测试
在 Artificial Analysis 智能指数上,Sol 得分为57——与最初的 GPT-6 Astra 性能相当,而每个评估任务的成本约为其15%。在 FrontierCode 2.0 上,Sol 与 Astra 的差距在0.5 分以内,而每任务成本约为其五分之一。在 Bito 的高强度编码会话中,Sol 总体得分为 76.5%,**每个高难度会话 $2.22**,而 Astra 为 77.5%,成本 $8.19。
LifeVal——OpenAI 对短名单择校或在预算与通勤限制内找房等挑战性日常任务的评估——将 Sol 在最大努力下评为 0.84,在公开榜单上排名第 2。PatchBench 测试保持程序行为的安全补丁,将 Sol 在最大努力下评为 0.76,同样排名第 2。这些比大多数头条基准测试更接近真实生产工作。
真正重要的回退
Sol 并非严格优于 GPT-6.1 Sol。在 Artificial Analysis 的 Coding Agent Index 上,GPT-6.2 Sol下降 3 分,相对于 GPT-6.1 Sol,主要由于SWE-Atlas-QnA-AA 上 14 分的下降,Sol 在该项上更可能遗漏关键事实。
这是一个具体且可复现的弱点:Sol 可能给出看似正确的答案,却遗漏了下游流水线所需的事实。对于聊天助手和有人工审核的 RAG,尚可管理。对于遗漏会静默传播的全自动智能体链,则是真实成本。缓解方法不是放弃 Sol——而是在输出边界添加事实完整性检查,然后再将高风险工作无审核地路由出去。
决定默认选择的成本计算
费率卡只是故事的一半。在最大努力下,GPT-6.2 Sol 每个 Artificial Analysis 指数任务消耗40,360 个输出 token,而 GPT-6.1 Sol 消耗67,824 — 在相同计量下,生成工作量减少 40%。OpenAI 的定位正基于此:用更少的输出 token 获得更好的结果,因此给定预算能覆盖更多工作。
对于每天运行数千个任务的流水线,每个已完成任务的有效成本决定了账单。如果 Sol 的 token 效率提升在你的工作负载上成立,相同预算大约能购买1.6 倍的任务量,相比 GPT-6.1 Sol——这还未计入 Sol 的成本本就只有 Astra 的四分之一。
Sol 不适合的场景
当任务结合了长周期规划、高代价失败,以及 Astra 的独立基准领先的领域——科学研究、交互式 3D、机器人规划、持续计算机使用——Sol 就是错误选择。如果你的编码智能体流水线无法在不增加验证层的情况下容忍 SWE-Atlas-QnA-AA 遗漏回归,它同样是错误选择。
对于其他一切——高吞吐聊天、分类、检索、常规审查、正常大小的 diff、不需要前沿推理的多步智能体——Sol 才是让经济账算得过来的模型。默认模型的问题已经转变:高级层级现在是例外,而非起点。