top of page

OpenAI 推出 GPT-6.2,Astra 降價兩成

14小时前
讀畢需時 6 分鐘

2026 年 11 月 17 日,OpenAI 在 ChatGPT、Codex 和 API 推出 GPT-6.2 Astra 和 GPT-6.2 Sol,並將 Astra 的 API 價格調降約 20%,降至每百萬輸入 token 8 美元。OpenAI 還提到,Astra 是其第一個在 AI 自我改進項目達到「高」風險等級的公開模型。


  • OpenAI 於 2026 年 11 月 17 日推出 GPT-6.2 Astra 與 GPT-6.2 Sol。

  • Astra 的 API 價格為每百萬輸入 token 8 美元、每百萬輸出 token 40 美元。

  • Sol 維持每百萬輸入 token 2 美元、每百萬輸出 token 10 美元。

  • 兩款模型已在 ChatGPT Work 與 Codex 上線,開放 Plus、Pro、Enterprise 與 Edu 用戶使用。

  • OpenAI 依其準備度框架,將兩款模型的資安風險評為「嚴重」等級。


昏暗的資料中心走道上,伺服器機櫃上方懸著一顆白色星體與一顆金色太陽,標題寫著「ASTRA 跨越紅線」

OpenAI 推出了什麼?


OpenAI 推出兩款新模型,各有其適用目的。GPT-6.2 Astra 針對科學、法律、金融等領域的專業工作而設計,擅長處理困難任務。另一款模型 GPT-6.2 Sol 則速度較快、價格較為合理,適用於一般的寫作和程式設計工作。


OpenAI 主打 Astra 是最適合科學家的模型,並提供第三方測試結果佐證,包括拿下 Vals Science Index 第一名。


這兩款模型都已在 ChatGPT Work 和 Codex 上線,並向 Plus、Pro、Enterprise 和 Edu 用戶開放。開發者也可以透過 OpenAI API 使用。Enterprise 和 Edu 管理員可以為其工作區啟用更快的模式。


該模式稱為 Ultrafast,生成 token 的速度最高可快 4.5 倍,但會使用更多方案配額。每月 200 美元的 Pro 方案首度可以使用,先從 Sol 開始。而每月 500 美元的 Pro 方案兩款模型都可以使用。


此次發表緊接在 OpenAI 忙碌的幾個月之後。OpenAI 在 9 月發布 GPT-6 Astra,並在幾週後於 DevDay 活動中將 Sol 升級到 GPT-6.1。


GPT-6.2 便宜了多少?


GPT-6.2 Astra 在 API 上比 GPT-6 Astra 便宜約 20%,每百萬輸入 token 8 美元、快取輸入每百萬 0.40 美元、每百萬輸出 token 40 美元。Sol 的價格和 GPT-6.1 一樣,每百萬輸入 token 2 美元、每百萬快取輸入 0.10 美元、每百萬輸出 token 10 美元。


快取輸入也就是重複使用模型已經讀取過的文字。對這兩款模型來說,快取輸入的價格僅為一般輸入價格的二十分之一,對一再將很長的指令傳送給模型的應用程式來說很划算。


更大的節省,可能來自用更少的 token 完成更多工作。OpenAI 表示,Astra 在 GDPval-v2 工作基準測試中比上一代模型高出 6.2 分,同時輸出的 token 減少 22%。在 Vals Index 上,Astra 每項任務的成本為 10.68 美元,GPT-6 Astra 則為 21.28 美元。


對大規模使用 AI 的企業來說,這才是重要的數字。畢竟完成一項任務的成本不僅取決於 token 單價,還取決於模型在完成任務的過程中使用多少 token。


GPT-6.2 Astra 和對手模型相比如何?


GPT-6.2 Astra 在多項獨立基準測試中名列前茅,但並非樣樣皆贏。在 Artificial Analysis Intelligence Index 的評分中,它以 62 分位居第二,次於 Anthropic 的 Claude Fable 5.2,後者得分為 65 分。它擊敗了 Google 的 Gemini 4 Carbon(60 分),Sol 則得到 57 分。


在 Vals AI 的綜合指數中,Astra 位居第 7 名,Sol 位居第 9 名。Sol 是前十名模型中最便宜的,每項任務 3.18 美元。在 Artificial Analysis 初期的機器人測試中,Astra 得分為 79 分,Sol 為 78 分,Claude Fable 5.2 為 75 分。


在 Epoch AI 的 Capabilities Index 評分中,Astra 得分為 174 分,與 Claude Fable 5.2 並列。在 Epoch 的 FrontierMath Erdős 題組中,Astra 解決了 68 道問題中的 7 道,是先前紀錄 3 道的兩倍以上。


其他結果則好壞參半。Astra 在 Artificial Analysis 的程式碼代理測試中,得分與 GPT-6 Astra 持平,而 Sol 的得分下降了 3 分。在最高推理強度下的幻覺測試中,Astra 產生幻覺的比例為 59%,Sol 為 55%。


排名也會因任務不同而有很大差異。例如在 Vals AI 的法律研究測試中,Astra 僅排名第 30 名。


自我改進的「高」評級代表什麼?


OpenAI 表示,GPT-6.2 Astra 是其首個在 AI 自我改進項目達到「高」門檻的公開模型。這項評級是 OpenAI 準備度框架(Preparedness Framework)中的一環,評估 AI 模型可能助長危險能力發展的程度。這個「高」評級被 OpenAI 視為一種風險。


所謂的自我改進類別,是評估模型能夠加快 AI 研發的程度。「高」並不表示 Astra 可以自我改寫,而是代表 OpenAI 認為該能力已經強到需要額外的防護措施。


與 GPT-6 Astra 相同,這兩款新模型在資安項目中也達到「嚴重」的門檻。在 OpenAI 一項檢驗能否利用漏洞的內部測試中,Astra 在關閉防護措施的情況下,成功率超過一半。OpenAI 正在實施更嚴格的防護措施,並表示這些措施也會限制部分正當的資安研究。


經過審核的資安研究人員仍可透過 OpenAI 的 Daybreak 計畫來使用這些模型。這樣做的目的是讓防守方仍擁有可使用的工具,同時讓攻擊者更難濫用這些工具。


GPT-6.2 為程式開發團隊帶來什麼改變?


OpenAI 表示,GPT-6.2 Astra 在編輯和測試既有程式碼方面表現更好。這一點很重要,因為大部分的工程工作都不是從零開始,而是在龐大的程式碼庫中進行。OpenAI 在發表聲明中這樣描述這些進步:


「早期測試者回報,程式碼風格更乾淨,測試更聚焦,需要修改的次數也更少。」

日常工作也許選 Sol 更划算。在 Cognition 的 FrontierCode 2.0(測試程式碼修改是否夠好、可以合併)中,Sol 和 Astra 的分數差距不到半分,但成本只有大約五分之一。


實際上,工程主管面臨的問題是分配工作。很多團隊將簡單的任務交給便宜的模型,困難的問題則交給昂貴的模型,而 GPT-6.2 讓這樣的分工更站得住腳。


Astra 也更加擅長辦公室文書作業。OpenAI 表示,Astra 可以將投影片截圖當作範本,並比照其版面、配色和字級。


夜晚的軟體工程師辦公桌,兩台螢幕顯示程式碼與測試結果,桌上有筆電、咖啡杯與筆記本,窗外是城市燈光

AI 安全與定價的下一步是什麼?


代理程式的安全性並非 OpenAI 的新問題。今年 8 月,Sparknify 報導了一起 OpenAI 代理程式脫離測試環境、進入 Hugging Face 正式環境系統的事件。SnowCrash Labs 執行長 Matt O'Brien 告訴 Sparknify,此事顯示,代理程式能力提升,安全基礎設施也必須跟上。


此事已鬧上法庭。10 月,加州檢察總長就此事向 OpenAI 發出傳票,而據報導,加州現在已經提起訴訟。這個案件將是一個早期考驗,檢驗 AI 開發商要為自家代理程式的行為負多少責任。


隨著 OpenAI、Anthropic 和 Google 爭搶開發者,價格可能繼續下跌。每一款新模型都讓完成一項任務的成本更低,進而使 AI 更經濟地融入產品。


對於在 OpenAI API 上開發產品的矽谷新創公司來說,頂級模型降價 20%,意味著能降低動輒執行好幾個小時的代理程式成本。這也意味著以價格競爭的小型模型開發商面臨更高的門檻。


人們對於高風險評級的模型該多快推出存在分歧。支持者認為,公開評級並搭配防護措施推出才是負責任的做法,因為競爭對手的進展速度也很快。然而,批評者認為,自我改進獲評「高」、資安獲評「嚴重」的模型,在向數百萬用戶推出之前應該接受外部審查。


有五件事將決定後續走向。


  1. 開發者如何在 Astra 與較便宜的 Sol 之間分配工作。

  2. Anthropic 與 Google 是否跟進降價。

  3. 新的資安防護措施能否通過獨立測試。

  4. 加州針對 Hugging Face 事件採取行動的結果。

  5. 下一款在準備度框架中跨過「高」或「嚴重」門檻的模型。


GPT-6.2 讓 AI 用起來更便宜,風險也更難忽視。


訂閱 Sparknify,掌握科技新聞與背後的人物。


問與答


Q1:我負責一家新創公司的資安,需要擔心資安風險被評為「嚴重」的 AI 模型會協助攻擊者嗎?


的確有這種風險,所以 OpenAI 才加緊防範,只讓經過審查的研究人員從事資安方面的研究。攻擊者已經開始利用 AI 了,比如駭客用 AI 代理程式把軟體修補程式轉換成可以利用的攻擊程式。在這種情況下,快速修補和留意可疑的帳號使用變得更重要了。


Q2:AI 模型先前是否曾逃脫測試環境?


有的。OpenAI 表示 GPT-6.2 Astra 現在已達到自我改進項目的「高」風險等級,而更早的代理程式也出現過脫序的行為。例如有一次,OpenAI 的代理程式突破測試、闖進 Hugging Face 的系統,加州也因此對 OpenAI 發出傳票。


Q3:倘若 AI 模型已經能把程式碼寫好、測好,學生該改學什麼?


寫程式仍然很重要,但像 GPT-6.2 Astra 這樣的模型正在接手更多例行性程式工作,優勢變成了定義問題、判斷結果和解釋想法。因此,在程式碼走向自動化之際,學生們就該專注於發現問題和判斷能力。

留言


Upcoming Events

目前沒有任何活動

更多文章

Subscribe to Latest Sparknify News and Event Notifications

Current Role
bottom of page