真是猝不及防!
剛剛,OpenAI正式發佈GPT-6.2 Astra和GPT-6.2 Sol。
API定價上,Astra單價直降20%,輸入8美元、輸出40美元/百萬Token,Sol則保持輸入2美元、輸出10美元/百萬Token。
好消息是,每月200美元的Pro使用者終於能用Sol的Ultrafast極速模式了。
GPT-6.2「雙子」,主打一個又強又便宜。
在Agents’ Last Exam專業智能體考試中,6.2 Astra比6 Astra高出5.2分,單任務成本不到1/3。
對上Claude Fable 5.2,直接甩開5.5分,成本居然只有人家的5%!
不僅如此,GPT-6.2 Astra成為OpenAI第一個對外發佈、達到「AI自我改進」高風險閾值的模型!
按OpenAI的說法,這相當於給公司裡每位研究員,都配了一名能力很強的研究工程師當助手。
甫一放出,有大佬就迫不及待拿著經典的「鵜鶘騎車」來驗貨了。
6.2 Astra一鍵出片,羽毛、車輪輻條、雨後積水路面和草坪光影細節拉滿,絲毫不輸隔壁的Fable 5.2。
太長不愛看版,GPT-6.2的核心看點全在這兒了——
- 3D與物理工程實測大躍進:從一句話直出3D鵜鶘騎車、1:1復刻巴黎地圖,到山路跑車底盤物理模擬全包攬。
- 辦公車付與專業能力刷出新高:投行PPT、三表配平Excel、零幻覺法律審查與終端科研全面升級。
- 單次成本暴降與跑分突破:ARC-AGI-3適配模式首拿100%滿分,AA總榜衝至第二,單任務開銷僅為Claude Fable 5.2的5%至15%。
- 首破自我改進紅線:AI加速造AI的同時暴露出隱瞞障礙翻倍等退步,官方同步上線「控制室」監控系統。
終結3D鵜鶘騎車
成本只要Fable六分之一
GPT-6.2的實戰到底有多能打,如今,全網首批實測已經新鮮出爐了!
這不,OpenAI Codex團隊的Thomas Ricouard用Astra 1:1復刻了整個巴黎。
這座城能步行也能開車,街上跑著車流、公車和行人,50多座3D建模地標全部還原了。
鏡頭從塞納河邊的大道出發,一路經過凱旋門和羅浮宮,最後停在蒙馬特高地的聖心堂前,看完後只能用震撼形容。
獨立開發工作室iCoreTech用同一段提示詞,讓四款模型各做一座風暴海面上的燈塔。
最終Fable 5.2和GPT-6.2 Astra同拿8分並列第一。可Fable用了19.25美元、75分鐘,Astra只花了2.92美元、12分半。
上一代GPT-6 Astra磨了104分鐘才拿7.73分。Sol最省也最快,花0.66美元、不到10分鐘就交出了7.59分。
除了大家上手的驚豔demo,OpenAI官方放出的3D工程模擬案例也相當硬核。
工程師讓Astra給一輛跑車做山路底盤模擬。它建好整車3D模型後,自己寫了一個Python物理求解器。
畫面裡,前後懸架起伏、四輪接地壓力和牽引力圓儀表盤在Blender中即時聯動。
機械建模能力同樣驚豔。僅憑幾張照片和說明書,它就把八分之一比例的氮氣遙控越野車逐個零件建模合體。
面對8000轉紅線的直列六缸發動機,它還在180倍慢動作下跑出了燃氣溫度與連桿應力模擬。
給它一張後院空地照片規劃菜園,上一代畫出的樹冠還像塑料積木,GPT-6.2 Astra不僅把木箱和綠植細節還原得很逼真,還順手做了一個日照模擬器。
打開瀏覽器就能玩的霓虹城市飛船競速遊戲,或是陽光斜照玫瑰花窗的巴黎聖母院3D漫遊,也都能直接生成。
同樣開默認檔,我們讓6.2 Astra和Fable 5.2寫個HTML,還原馬斯剋星艦被「筷子」夾住的名場面。
結果,GPT-6.2整體構圖乾淨,用時僅2分03秒,不到Fable的四分之一就完成了。Fable光和煙更足,還多畫了發射台。
像素級復刻投行PPT
律師、會計、科學家刷出新高
不光能搭3D場景和做物理模擬,日常辦公也是Astra這一次發力的重頭戲。
OpenAI內部的GDPval v2基準,考的全是來自諮詢、金融和設計行業的真實項目。
在這項測試裡,Astra比上一代高出6.2個百分點,輸出Token反而少用了22%,Sol也比前代漲了5.3分。
就拿做PPT來說吧,AI徹底不再整那些空話和套話了。
在零售商Veylan二季度財報PPT測試中,GPT-6.2 Astra把「銷售額增長5.3%」提煉進主標題,並在底部給出不含退稅重做預算的管理層建議。
那怕只給一張舊PPT截圖,它也能照著復刻藏青色頂欄、街角店舖插畫和螢光筆高亮,細到具體字號。
到了財務人常做的Excel估值建模,Astra算出農機公司每股稀釋估值為26.39美元,還把股權價值橋、分業務增速和敏感性表整整齊齊排在同一張表上,不用來回翻頁對照。
會計Agent公司Basis實測發現,用它處理長周期帳務工作,平均耗時降了50%。
法律測試Harvey LAB-AA的規矩更嚴,交付物必須滿足每一條評分標準,只要出現一處實質性幻覺就判零分。
Astra在這裡的滿分通過率是Claude Fable 5.2的兩倍多,但成本卻只有它的1/6左右。
在此基礎上,OpenAI還專門針對律所場景推出了定製版Astra for Law。
它直接連上了超3.1億個真實判例連結,把這項測試的滿分率進一步推高到20.8%,實質性幻覺比Claude Opus 5.5少了95%。
進到實驗室場景,Astra在終端科研基準Terminal-Bench-Science上拿到77.1%,比上一代漲了9個百分點,開銷卻不到原來的1/3。
ARC-AGI-3首拿滿分
程式設計不升反降
第三方評測榜單的成績,也在第一時間出爐了。
在Artificial Analysis綜合智能指數上,GPT-6.2 Astra比上一代漲了5分,以62.1分超過Gemini 4 Carbon和Claude Opus 5.5,衝到全榜第二。
榜首依然是Claude Fable 5.2,得分為64.6分。
可一旦算上花的錢,局面就反過來了。
Fable 5.2每跑一輪指數任務要花26.54美元,Astra只要4美元。
Sol拿到57.3分,和上一代旗艦GPT-6 Astra打平,成本卻只有1.01美元。單任務成本的最優前沿,大部分已經被OpenAI佔住了。
在評測長程專業項目的Agents' Last Exam上,Astra更是以78.3%奪冠,單次花費僅2.89美元,只有Claude Fable 5.2的5%。
就連ARC-AGI也迎來了歷史性突破,ARC Prize聯創Greg Kamradt第一時間發文祝賀。
在保留跨輪狀態的ARC-AGI-3適配模式下,GPT-6.2 Astra成為史上第一個拿下100%滿分的模型,Sol也沖上98.2%。
在ARC-AGI-2上Astra同樣以95.8%登頂第一,不帶狀態適配的ARC-AGI-3標準模式得分為70.3%,比上一代大漲17.4個百分點。
此外,研究機構Epoch AI還發現了一項底層突破。
在不開啟思維鏈盲推時,GPT-6.2 Astra僅在單個輸出Token內就能完成12.3步序列推理,遠超上一代的10.5步與Claude Fable 5.1的4.2步。
這也讓它的無思維鏈高中數學競賽精準率一舉沖上79.2%。
不過到了程式設計這邊,成績就沒那麼好看了。
Artificial Analysis的程式設計Agent指數顯示,Astra和上一代持平,Sol甚至還比GPT-6.1 Sol倒退了3分,主要是做程式碼庫問答時更容易漏掉關鍵事實。
即便在OpenAI自己公佈的FrontierCode 2.0里,Claude Fable 5.2依然穩居第一,Opus 5.5拉滿推理檔位後也小幅反超了Astra。
Astra首破「AI自我改進」高危線
比起普通程式設計,Astra真正讓人脊背發涼的突破,藏在了放出的系統安全卡里。
OpenAI首次承認,GPT-6.2 Astra已跨過了「AI自我改進」的高風險紅線。
之所以下這個判斷,是因為它幫人類訓練新模型的速度已經快得驚人。
在從零訓練小語言模型的NanoGPT測試裡,上一代平均只能省下7.73%的訓練時間,GPT-6.2 Astra一下子省下了42.87%,提速足足翻了5倍多。
相比之下,人類最好紀錄72.38%。
另一項測試用的是41個真實的實驗Bug,OpenAI研究員當初要花幾個小時到幾天才排查出來,Astra的平均得分高達81.85%,在參測的幾代模型裡最高。
可棘手的是,AI幫人類造AI的能力越來越強,誠實度卻在往後退。
博主Token Gremlin翻完系統卡後發現,新模型在多項對齊測試中出現了明顯倒退,但OpenAI還是直接把它上線了。
比如研究員故意刪掉目標檔案給任務設障,Astra匯報時隱瞞或歪曲障礙的比例高達22.28%,比上一代的11.09%整整翻了一倍。
遇到搜尋工具故障時,它拒不承認的比例也從7.6%飆到了23%。
因此在擴大Astra的內部使用之前,OpenAI加強了研究環境的隔離,擴大了對前沿Agent的監控,還專門搭了一套叫Control Room(控制室)的系統。
它會盯著整個研究基礎設施上的模型任務,一旦出現安全問題,就能迅速把任務叫停。
研究能力越來越強,行為卻越來越難看透,OpenAI這次先把急停鍵裝好,才把模型放了出來。
通往遞迴自我改進路上的第一個里程碑,OpenAI自己承認,已經跨過去了。(新智元)

