两款模型如何定位?
GPT‑6.2 系列包含两款模型,分别面向复杂项目和日常工作:
-
GPT‑6.2 Astra:面向难度较高的复杂项目,API 标识为
gpt-6.2-astra。 -
GPT‑6.2 Sol:面向日常工作,强调效率与通用性,API 标识为
gpt-6.2-sol。
LLM 命令行工具已在 0.38 版本中加入对这两款模型的支持。
评估它们时,需要把三个问题分开:API 成本如何变化、具体任务完成得怎样,以及长任务能否顺畅推进。
API 价格:Astra 降价,Sol 不变
以下价格单位均为美元/百万 token:
| 模型 | 输入 | 输出 | 缓存输入 |
|---|---|---|---|
| GPT‑6.2 Astra | 8 | 40 | 0.40 |
| GPT‑6 Astra | 10 | 50 | 1 |
| GPT‑6.2 Sol | 2 | 10 | 未列出 |
| GPT‑6.1 Sol / GPT‑6 Sol | 2 | 10 | 未列出 |
| GPT‑5.6 Sol | 4 | 20 | 未列出 |
与 GPT‑6 Astra 相比,GPT‑6.2 Astra 的输入和输出单价均降低了 20%,缓存输入单价降低了 60%。
对于可以复用缓存的长时间智能体任务,缓存输入降价值得关注。不过,单价降幅不等于整个任务的成本降幅:实际费用仍取决于输入、输出 token 用量,以及缓存的实际使用情况。
Sol 则延续前两代的定价,输入和输出单价均为 GPT‑5.6 Sol 的一半。表中“未列出”只表示缺少相应价格信息,不应解读为免费或不支持缓存。
绘图测试:细节丰富度与骑行动作各有差异
“鹈鹕骑自行车”测试比较了不同模型在 high、xhigh 和 max 档位下生成的图形。
GPT‑6.2 Astra
-
max档位的羽毛层次更丰富,画面中有飘动的红围巾,也呈现了翅膀扶住车把的姿态。 -
high档位的细节较少,但骑行动作仍较清楚。
GPT‑6.2 Sol
-
max和xhigh档位呈现出较有说服力的踩踏动作:两只脚高低错开,一侧翅膀向前伸出。 -
high档位中,车把较难辨认。
这些观察反映的是特定提示词和档位下的生成差异,不能直接推广为模型整体能力的高低。
Three.js 动画:关键变形过程仍未做好
另一项测试在 Codex CLI 中使用 Ultra 档位,要求模型完成以下任务:
使用 OpenStreetMap 地图数据制作 Three.js 动画,让扬克斯市变形成一台巨型机甲,以有表现力的动作站起来,再穿行于曼哈顿、皇后区和布鲁克林。
两款模型都没有很好地完成“城市变形成机甲”这一关键过程。就这个具体效果而言,测试评价认为它们不及 Claude Fable 5.2 和 Gemini 4 Carbon。
这里的边界很重要:这是一项具体动画任务的观察,不是标准化综合评测,也不能据此判断其他编程任务会得到相同结果。
视频制作:完成流程与交互体验要分开看
GPT‑6.2 Astra 还被用于 Codex 桌面应用中的对比视频制作,任务要求包括:
- 将两段动画上下排列;
- 分别叠加模型名称;
- 输出 2000 × 2000 像素的方形视频;
- 将时长从最初要求的 10 秒调整为 20 秒。
这类任务涉及素材编排、文字叠加、输出规格和需求调整,与前面的动画生成任务不同,不宜混成一个能力结论。
长任务交互方面,也有个别反馈指出:模型虽然能够调度多个子智能体,却可能把内部实现细节交给用户判断,造成任务停滞。
例如,在制作游戏关卡约两小时后,模型询问某个审查子任务应把片段写入哪个内部文件名,随后进入等待状态。这个案例反映的是一次具体的交互阻塞,尚不足以说明其发生频率。
对开发者而言,应该如何解读?
目前可以明确区分的有三点:
- 价格变化有明确数字:Astra 输入、输出和缓存输入单价下降,Sol 定价不变。
- 任务表现依赖具体场景:绘图细节和 Three.js 动画中的表现,不能互相替代,更不能直接构成综合排名。
- 长任务还要看交互成本:除了能否调用工具和子智能体,也应关注模型是否会因内部细节频繁要求用户介入。
如果将这些观察整理为团队选型笔记,或用于写好标智库上的技术讨论,建议同时记录提示词、运行档位、输出要求和人工介入点,让结论能够对应到具体任务条件。
价格更低、某个任务表现更好、长任务更省心,是三个不同的判断。 当前这些有限测试提供了观察样本,但不足以形成全面的模型排名。

Top comments (0)