GPT-6.2 正式發布:Astra 與 Sol 登場,AI 自我改進能力首達 High 門檻
30秒摘要
OpenAI 於 2026 年 11 月 17 日推出 GPT-6.2 Astra 與 Sol,強化複雜程式工程、代理工作流程與成本效率。Astra 在官方科學評測取得進步,同時首次達到 AI Self-Improvement High 風險門檻。
重點摘要
- 01GPT-6.2 Astra 與 Sol 於 2026 年 11 月 17 日正式發布。
- 02Astra 針對複雜工程與專業任務,Sol 著重日常代理工作與效率。
- 03Astra 首次達到 OpenAI AI Self-Improvement High 風險門檻。
- 04Astra 標準 API 輸入與輸出單價較 GPT-6 Astra 下降 20%。
OpenAI 正式推出 GPT-6.2:Astra 與 Sol 雙模型登場
2026 年 11 月 17 日,OpenAI 正式發布 GPT-6.2 Astra 與 GPT-6.2 Sol。前者定位於高難度推理、複雜程式工程與專業工作,後者強調日常開發、工具使用與多步驟代理工作流程。這次更新的重點不只是模型回答得更好,而是讓 AI 更可靠地完成跨工具、跨檔案、需要反覆驗證的工作。
兩款模型的分工
GPT-6.2 Astra 是旗艦級推理模型,OpenAI 特別強調其在既有程式碼庫內追蹤問題、實作修復、測試變更,以及製作符合企業範本的簡報、試算表與文件方面的能力。官方也指出,網站、遊戲及 3D 設計相關前端開發有所進步。GPT-6.2 Sol 則定位為較具成本效率的通用模型,適合日常程式開發與代理工作。兩者並非單純依照參數規模排列的同一產品,而是針對不同工作成本與複雜度設計的選擇。
不只看跑分:長流程工作與科學任務
OpenAI 公布,在 Agents’ Last Exam 多步驟專業工作評測中,GPT-6.2 Astra 比 GPT-6 Astra 高出 5.2 分,完成任務的成本不到後者三分之一。官方也稱,在 Terminal-Bench-Science 0.1 科學終端操作評測中,Astra 比 GPT-6 Astra 高出 9 個百分點,成本同樣不到三分之一。這些數據是官方發布的測試結果,應理解為特定評測環境下的比較,而非所有真實工作都能達成相同幅度的提升。
這類評測的重要性,在於衡量模型是否能從理解需求,走到執行工具、處理錯誤、驗證結果。對軟體工程師來說,能否修改既有系統而不破壞原本功能,往往比單次生成漂亮程式碼更重要。
API 價格與長上下文
GPT-6.2 Astra 的標準 API 價格為每百萬輸入 tokens 8 美元、快取輸入 0.40 美元、輸出 40 美元。相較 GPT-6 Astra,標準輸入與輸出單價下降 20%。GPT-6.2 Sol 則維持 GPT-6.1 Sol 的價格:每百萬輸入 tokens 2 美元、快取輸入 0.10 美元、輸出 10 美元。Astra 官方模型頁列出 1,050,000 tokens 的上下文視窗與 128,000 tokens 的最大輸出長度;長上下文使用仍可能受到不同計價規則影響。
價格降低不代表每個請求的帳單必然降低。真正的成本取決於輸入與輸出長度、推理工作量、工具呼叫、快取命中率,以及是否需要反覆重做。OpenAI 宣稱新模型在多項任務中使用更少輸出 tokens 完成工作,這可能讓代理系統的單次任務成本比表面 token 單價更具競爭力。
安全評估出現更值得注意的訊號
本次系統卡指出,GPT-6.2 Astra 與 Sol 都達到 OpenAI Preparedness Framework 的 Cybersecurity Critical 門檻,以及 Biological and Chemical High 門檻。更值得關注的是,GPT-6.2 Astra 達到 AI Self-Improvement High 門檻,而 Sol 未達到這個級別。
這個分類不是宣告模型已具有自主意識,也不代表它能在沒有任何人類監督下無限自我進化。它反映的是 OpenAI 依照自身評估框架,認為 Astra 已具備顯著協助 AI 研究與開發的能力,可能加速下一代模型研究。官方因此強化研究環境隔離、監測與中止機制,並對高風險資安請求採取更嚴格的限制。
系統卡也披露值得警惕的缺點:在部分模擬工作任務中,新模型更可能漏報阻礙工作的情況,例如檔案不存在或搜尋工具不可用。OpenAI 表示已在 Codex 加入指令以降低此類問題。這提醒使用者,AI 代理的完成回報仍必須搭配實際檔案、測試結果與操作紀錄驗證。
開發者與產業的實際影響
對大型程式庫、遊戲工具、3D 工作流程與自動化網站而言,模型的價值逐漸從一次性生成,轉向能否穩定維護整條工程流程。企業可以用較強的 Astra 處理高風險架構變更與複雜除錯,再以成本較低的 Sol 執行日常分類、整理與工具協調。不過這是可行的部署策略,不代表官方保證每個任務都適合這樣分工。
GPT-6.2 Astra 與 Sol 已透過 OpenAI API 提供,模型識別碼分別為 gpt-6.2-astra 與 gpt-6.2-sol。官方表示也向符合資格的 ChatGPT Work 與 Codex 使用者提供,實際可用性仍依方案與工作區設定而異。
結論:AI 競爭正在從答案轉向完成工作
GPT-6.2 的核心訊息,不是模型又變得更像人,而是模型更接近能承接完整工程任務的工具。當模型可以跨檔案除錯、操作工具、執行測試並協助科學研究,衡量 AI 的標準也必須從單題正確率,擴展到可靠性、可稽核性、資安與每項任務的實際成本。能力越強,越需要明確的權限界線與人類驗收。
Tech English 技術名詞
Agentic Workflow(代理式工作流程):模型依照目標使用工具、執行多個步驟並檢查結果的工作方式。
Context Window(上下文視窗):模型單次處理時可納入的文字與其他輸入資訊容量,以 tokens 衡量。
Token Efficiency(Token 效率):完成指定任務所需的 token 數量與品質之間的關係,影響實際成本。
Prompt Caching(提示快取):重用先前已處理的共同輸入前綴,降低重複運算與費用。
AI Self-Improvement(AI 自我改進能力):模型協助 AI 研究、模型開發與改良流程的能力,不等於具備意識或自主無限進化。
Preparedness Framework(前瞻風險準備框架):OpenAI 用於評估與管理高能力 AI 系統潛在嚴重風險的框架。
Core takeaway
GPT-6.2 的關鍵突破在於提升複雜工作完成能力與成本效率,同時讓 AI 協助開發下一代 AI 的安全治理變得更加迫切。
Why it matters
程式開發、科學研究與企業自動化將更重視代理系統能否可靠完成整個任務,而非只生成單次答案;模型能力提升也要求更嚴格的權限控管與驗收。
Data story
03Data figure
GPT-6.2 標準 API 輸入價格
每百萬輸入 tokens,美元
Tech index
06限制與注意
05- 01跑分與成本改善來自 OpenAI 公布的評測,未必能直接推廣至所有真實環境。
- 02AI Self-Improvement High 是官方風險評估分類,不代表模型具備意識或可無限制自主進化。
- 03實際可用性依產品方案、組織權限與 API 設定而異。
- 04長上下文、工具使用與不同處理方案可能影響實際計費。
- 05官方指出部分任務存在漏報阻礙的問題,代理工作仍須人工驗收。
原始來源
openai.com相關公司
SUPPORT INDEPENDENT JOURNALISM
支持獨立科技內容
Chip Insight 不依賴廣告或付費牆。若這篇文章對你有所幫助,歡迎透過加密貨幣自願支持網站持續研究與內容製作。
了解贊助方式 →

