OpenAI在美國時間11月17日發表旗艦模型GPT-6.2 Astra與日常主力GPT-6.2 Sol,主打用更少的輸出token(AI處理文字的計費單位)完成高難度任務,Astra的API輸入與輸出價格也比前代低20%。
獨立評測機構Artificial Analysis把Astra排在綜合智慧指數第二,僅次於Anthropic的Claude Fable 5.2;但兩款模型的寫程式代理評測都沒有進步,T3 Chat創辦人Theo Browne甚至更公開長信,直言「不推薦開發者使用。」
一款衝難題、一款顧日常,OpenAI怎麼分工?
Astra主攻複雜的專業工作,OpenAI稱它做出的簡報、試算表與文件「更少流露AI痕跡」,也更貼合使用者提供的範本;Sol則是OpenAI許多員工設為預設的日常模型。
OpenAI公告指出,在測試多步驟專業工作的Agents' Last Exam中,Astra分數比GPT-6 Astra高5.2分,每項任務成本不到三分之一;與Claude Fable 5.2相比領先5.5分,成本只有對方的5%。
Sol則在程式碼評測FrontierCode 2.0中與Astra差距在0.5分以內(兩者皆用最高設定),成本約為五分之一。
價格方面,Astra的API每百萬token輸入8美元(約合新台幣264元)、輸出40美元(約合新台幣1,321元),重複送入的相同內容(快取輸入)降價60%至0.40美元(約合新台幣13元)。
Sol沿用GPT-6.1 Sol的價格,每百萬token輸入2美元(約合新台幣66元)、輸出10美元(約合新台幣330元)。發表當天起,Plus、Pro、Enterprise與Edu用戶可在「ChatGPT工作」與Codex使用兩款模型,其中符合資格的Enterprise與Edu用戶須由工作區管理員啟用;開發者也能透過API取用。
安全層面,OpenAI表示GPT-6.2 Astra是該公司第一款對外發布、在「AI自我改進」類別達到「高」門檻的模型。這個類別衡量模型加速AI研究的能力,OpenAI的評估是,相較2024年的基準,它相當於替每名OpenAI研究人員多配一名能力出眾的研究工程師。
第三方評測:總分擠進前段班,寫程式卻沒進步
Artificial Analysis在X發文指出,GPT-6.2 Astra在其綜合智慧指數(整合知識、程式、科學等9項評測)中比GPT-6 Astra多5分,超越Google的Gemini 4 Carbon(60分)與Anthropic的Claude Opus 5.5(59分)。
Sol拿下57分,與GPT-6 Astra相當,每項任務成本卻只要約15%。
在由人類評審盲測的3D互動體驗評測AA-3D中,Astra以1,318分排名第一,領先Claude Fable 5.2的1,271分。
寫程式則是這次的短板。在Artificial Analysis的寫程式代理指數中,Astra與GPT-6 Astra持平,Sol反而比GPT-6.1 Sol少3分,主因是程式碼問答測驗SWE-Atlas-QnA-AA一項掉了14分,新版Sol比前代更常在回答中漏掉關鍵資訊。
Artificial Analysis也提到,雖然分數沒有進步,Astra與Sol的多個推理等級仍憑成本效益,擠進「每項任務成本」的最佳前緣(同等花費下表現最好的一群模型)。
開發者實測:很聰明,但「說不清楚」
比評測分數更直接的批評來自開發者社群。T3 Chat創辦人、科技YouTuber Theo Browne在X公開他早期測試時寫給OpenAI的長信,信中直言:「以開發者的工作來說,我不會選它,而會選Opus 5.5。」他提到,OpenAI事後修正了信中少數幾項問題,但仍不足以讓他推薦;他也揭露OpenAI在測試期間提供他不限量的token。
Browne並未全盤否定。他肯定Astra是很好的程式碼審查者,3D與遊戲相關任務「世界頂尖」,電腦操作能力也很強,還幫他做出新的反向代理(轉送網站流量的伺服器),每月可省下2.5萬美元(約合新台幣83萬元)。
問題出在長任務。Browne請Astra替遊戲《Outer Wilds》做新關卡,跑了2小時後,模型卻停下來反問某支內部影片檔該用哪個檔名,這是使用者根本無從回答的實作細節。
他的ts-rust專案(用Rust重寫TypeScript編譯器)更慘。OpenAI模型先前燒掉超過30萬美元(約合新台幣991萬元)的token都沒有進展,改用Claude Opus不到兩周、花約2萬美元(約合新台幣66萬元)就完成。他接著讓Astra優化這個專案,連跑7天零改進,還因執著於「讓程式更小」,把編譯器拖慢56%。
輸出難以理解是另一個痛點。Browne問Astra為何某台電腦特別慢,Astra寫了4段套件管理工具pnpm的內部機制,Claude Opus 5.5只回一句:「因為SSD很慢。」他已養成習慣,Astra跑完長任務後就切換到Opus 5.5,請它整理一份看得懂的摘要。
Browne在信末總結,這款模型「顯然超級聰明」,但用在真實專案上「讓人受不了」:遇到長任務,它不是為了莫名其妙的理由卡住自己,就是原地繞圈、毫無進展。
資料來源:OpenAI官方公告、Artificial Analysis X發文、Theo Browne X發文、《Axios》、台灣銀行美元歷史牌價
本文初稿為AI編撰,整理.編輯/ 李先泰
