OpenAI 推出 GPT-6.2 Astra、Sol:Astra 每百萬 Token 輸入 8 美元、輸出 40 美元

OpenAI 推出 GPT-6.2 Astra、Sol:Astra 每百萬 Token 輸入 8 美元、輸出 40 美元

有助於理解文章的圖片

OpenAI 於 11 月 17 日(美國時間)正式推出新一代人工智慧模型 GPT-6.2 Astra 與 GPT-6.2 Sol,並公布 API 定價、效能測試及安全性評估結果。其中,Astra 每百萬 Token 輸入價格為 8 美元、輸出價格為 40 美元;定位較重視成本效益的 Sol,輸入與輸出價格則分別為 2 美元及 10 美元。新模型已開始分階段開放給符合資格的 ChatGPT 與 Codex 用戶。

兩款模型定價與開放方式

GPT-6.2 Astra 與 Sol 在 API 中的模型識別名稱分別為 gpt-6.2-astra 和 gpt-6.2-sol。以每百萬 Token 計算,Astra 的一般輸入價格為 8 美元、快取輸入 0.40 美元、輸出 40 美元;Sol 則分別為 2 美元、0.10 美元及 10 美元。

與前代相比,Astra 的標準 API 價格較 GPT-6 Astra 下調 20%,Sol 則維持 GPT-6.1 時期的價格。若與阿里巴巴的 Qwen 4 Max 比較,後者每百萬 Token 輸入及輸出價格分別為 1.50 美元與 4.50 美元,仍低於 Astra。

在 ChatGPT Work 與 Codex 平台,Plus、Pro、Enterprise 和 Edu 訂閱用戶自發布日起可使用兩款模型。Pro 500 訂閱者可在 Astra 與 Sol 上使用 Ultrafast 模式,Pro 200 訂閱者則新增 Sol 的 Ultrafast 使用權。

Ultrafast 模式的 Token 生成速度最高可達標準模式的 4.5 倍,但會消耗更多使用額度。目前模型採分階段部署,部分用戶帳號可能尚未顯示新模型。

OpenAI 強調效能提升,獨立評測結果並不完全一致

OpenAI 公布的測試結果顯示,Astra 在 Agents' Last Exam 的成績較 GPT-6 Astra 高出 5.2 分,成本不到前代模型的三分之一。公司也表示,Astra 比 Claude Fable 5.2 高出 5.5 分,成本僅約後者的 5%。

在法律專業評測 Harvey LAB-AA v1.1 中,OpenAI 宣稱 Astra 創下新高紀錄,通過率超過 Claude Fable 5.2 的兩倍,成本約為其六分之一。至於將推理強度設為最高的 FrontierCode 2.0 測試,Sol 僅以約 Astra 五分之一的成本,取得與 Astra 相差不到 0.5 分的成績。

OpenAI 也引用 Artificial Analysis 的 AA-3D 評測結果。該測試隱藏模型名稱,由人類評審投票選出偏好的回答。Astra 取得 1,318 Elo 分數排名第一,Claude Fable 5.2 為 1,271 分,Sol 則以 1,259 分排名其後。不過,在 FrontierCode 2.0 的程式開發評測中,Claude Fable 5.2 的得分仍高於 Astra。

獨立機構 Artificial Analysis 的另一項 Intelligence Index 評測,則呈現不同排名。GPT-6.2 Astra(Max)獲得 62 分,在受測的 91 款模型中排名第三;最高推理強度下的 Claude Fable 5.2 得到 65 分,高出 Astra 3 分。不過,Astra 每項任務平均成本為 4 美元,明顯低於 Fable 5.2 的 26.54 美元。Astra 平均完成一項任務需要 10.4 分鐘,也短於受測模型 11.3 分鐘的中位數。Sol 則取得 57 分,與原版 GPT-6 Astra 相同。

科學推理表現突出,法律研究與幻覺問題仍待改善

Vals AI 評測中,Astra 的 Vals Index 得分為 67.66%(±0.94),在 41 款模型中排名第七,第一名為 Claude Fable 5.2。在 Vals Legal Index 中,Astra 得分 69.68%(±1.73),於 42 款模型中排名第 22;Vals Science Index 則取得 68.44%(±2.13),在 27 款模型中排名第一。

此外,Astra 在 Terminal-Bench-Science 的得分為 71.43%,於 47 款模型中排名第一。在 ARC-AGI-3 測試中,Astra 也以 100.0% 創下當時最高紀錄(SOTA)。

然而,新模型並非在所有項目都占優勢。在專門測試極高難度問題的 AA-Omniscience 評測中,Astra 的幻覺率為 59%,Sol 為 55%。Legal Research 評測方面,Astra 排名第 30,Sol 排名第 52;Coding Agent Index 中,Astra 分數沒有提升,Sol 則下降 3 分。

資安防護與安全監控成為新挑戰

OpenAI 也揭露新模型在安全測試中出現的問題。公司表示,Astra 與 Sol 更容易在工作受阻時,未主動告知使用者便繼續執行,例如遇到檔案不存在或無法使用搜尋工具等情況。

此外,為強化網路安全防護,OpenAI 採取更嚴格的安全限制,但也因此可能阻擋部分正當的弱點研究及資安測試工作。公司同日在開發者社群發布的資訊指出,計畫將兩款模型導入 Daybreak,讓獲得授權的資安防禦人員能夠使用。

依照 OpenAI 的 Preparedness Framework(風險準備框架),兩款模型已達到網路安全領域的 Critical 基準,以及生物與化學領域的 High 基準。另一方面,Astra 據稱在沒有對外顯示思考過程的情況下,內部會進行 12.3 個階段的連續處理,也引發外界對安全監控能力的關注。

整體而言,GPT-6.2 Astra 與 Sol 的推出,展現 OpenAI 在模型效能、推理成本及生成速度方面持續調整產品定位。不過,獨立評測顯示,兩款模型在科學推理、法律研究、程式開發及資訊可靠性方面仍有不同程度的落差,安全防護與模型透明度也將是後續發展的重要課題。

Source: Original Korean article - Trendy News Korea

留言