
GPT-6.2 Astra und Sol: Gleicher Launch, gegensätzliche Urteile beim Programmieren
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 170 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 234 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 89 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 98 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
Zwei Modelle gingen am 17. November live, und das günstigere bringt eine Regression mit sich. GPT-6.2 Sol erzielt 57 Punkte im Artificial Analysis Intelligence Index bei 1,01 US-Dollar pro Index-Aufgabe; GPT-6.2 Astra erzielt 62 Punkte bei 4,00 US-Dollar. Sol ist die Stufe, die OpenAI Ihnen als Standard empfiehlt – diejenige, zu der laut Berichten selbst die eigenen Mitarbeiter bei alltäglicher Arbeit greifen. Und im Coding Agent Index von Artificial Analysis – demselben Codex-Harness bei maximalem Aufwand – liegt GPT-6.2 Sol drei Punkte unter dem Modell, das es ersetzt, GPT-6.1 Sol, wobei der Rückgang auf eine einzelne Evaluierung zurückgeführt wird, bei der es wichtige Fakten um 14 Punkte häufiger auslässt. Astra liegt, auf dieselbe Weise gemessen, gleichauf mit GPT-6 Astra. Ein Start, zwei gegensätzliche Urteile zu dem, was Codex-Nutzern am wichtigsten ist.
Diese Trennung ist einen Artikel wert, weil die Ankündigung sie nicht vornimmt. OpenAIs Beitrag dreht sich um Folien, Tabellenkalkulationen, 3D-Szenen und wissenschaftliche Terminals, und dazu nennt er echte Zahlen. Das Bild vom Programmieren muss man aus unabhängigen Messungen, einem Changelog-Eintrag und einer Migrationsanleitung zusammensetzen, und es ändert, welche der beiden IDs in Ihr Repository gehört.
Was genau ausgeliefert wurde
Der Changelog-Eintrag vom 17. November führt zwei Modell-IDs auf, gpt-6.2-astra und gpt-6.2-sol, sowohl in der Responses API als auch in Chat Completions. Tool Calling erfordert Responses. In ChatGPT sind beide ab dem ersten Tag für Plus-, Pro-, Enterprise- und Edu-Nutzer in ChatGPT Work und Codex verfügbar; Pro-500-Abonnenten erhalten Ultrafast für beide Modelle, und Ultrafast erreicht erstmals Pro 200 – beginnend mit Sol. Berechtigte Enterprise- und Edu-Workspaces erhalten Zugriff, sobald ein Administrator dies aktiviert.
• Preis — GPT-6.2 Astra 8 $ Eingabe / 40 $ Ausgabe pro Million vs. GPT-6.2 Sol 2 $ / 10 $
• Zwischengespeicherte Eingabe — 0,40 $ pro Million bei Astra vs. 0,10 $ bei Sol
• Cache-Schreibvorgänge — 10 $ pro Million für ein 30-minütiges Aufbewahrungsfenster bei Astra gegenüber 2,50 $ bei Sol
• Kontextfenster — 1.050.000 Token für beides, davon maximal 922.000 Eingabe und 128.000 Ausgabe
• Wissensstand — 18. Mai 2026 bei Astra vs. 1. Juni 2026 bei Sol, das günstigere Modell ist also das aktuellere
• Modalitäten — Text und Bild als Eingabe, Text als Ausgabe, bei beiden; Audio und Video werden bei beiden nicht unterstützt
• Tools — Websuche, Dateisuche, Bildgenerierung, Code-Interpreter, gehostete Shell, Patch anwenden, Skills, Computer Use, MCP und Toolsuche, alles über die Responses API

Die Preisbewegung ist asymmetrisch und leicht zu missverstehen. {{1}}Astra liegt sowohl bei Input als auch bei Output 20 % unter {{2}}GPT-6 Astra{{/2}}{{/1}}, und gecachter Input fällt von 1,00 $ auf 0,40 $ – eine Kürzung um 60 %, weil der Rabatt auf 95 % ausgeweitet wurde und der Basissatz, auf den er angewendet wird, gleichzeitig sank. {{3}}Bei Sol hat sich überhaupt nichts geändert{{/3}}: 2 $, 0,10 $ und 10 $ sind genau die Tarife von {{4}}GPT-6.1 Sol{{/4}}. Die günstigere Tarifstufe ist also ein Fähigkeits-Upgrade bei konstantem Preis, und die teurere Tarifstufe ist ein Fähigkeits-Upgrade mit einer daran gehefteten Preissenkung. Welche der beiden der bessere Kauf ist, hängt ganz davon ab, wofür man sie kauft.
Astra ist die Obergrenze, und ausnahmsweise ist die Obergrenze messbar.
Artificial Analysis führt GPT-6.2 Astra mit 62 Punkten im Intelligence Index auf Platz drei von 91 Modellen, hinter Claude Fable 5.2 mit 65. Es liegt vor Gemini 4 Carbon mit 60 und Claude Opus 5.5 mit 59, was eine echte Veränderung ist: Der frühere GPT-6 Astra lag fünf Punkte niedriger. Der Index ist ein Durchschnitt aus neun Evaluierungen, die Wissensarbeit, agentische Terminalnutzung, Wissenschaft und Allgemeinwissen abdecken, also ist ein Zuwachs von fünf Punkten darauf nicht damit zu erklären, dass ein einzelner Benchmark ausgetrickst wird.

Die unabhängige Verifizierung durch ARC Prize ist die auffälligste einzelne Zahl der Markteinführung. GPT-6.2 Astra ist das erste Modell, das 100 % auf ARC-AGI-3 erzielt, bei Gesamtkosten von $4,1K über einen Anbieter-Adapter; unter der Standardkonfiguration von ARC erzielt dasselbe Modell 70,3 % bei $24,2K. Es meldet außerdem 95,8 % auf ARC-AGI-2 bei $0,50 pro Aufgabe und 98,5 % auf ARC-AGI-1 bei $0,17 pro Aufgabe. Das sind Drittmessungen auf einer Benchmark-Familie, die darauf ausgelegt ist, Auswendiglernen zu widerstehen, keine Herstellerangaben, und sie sind der stärkste Beleg in dieser Veröffentlichung dafür, dass das Modell etwas tut, was sein Vorgänger nicht tat. Die Kostenspanne zwischen den beiden ARC-AGI-3-Konfigurationen ist der Haken: Eine perfekte Punktzahl ist verfügbar, und wie viel davon man bekommt, hängt davon ab, wie viel Scaffolding man bereit ist zu bezahlen.
OpenAIs eigene Zahlen, die vom Anbieter gemeldet und nicht reproduziert wurden, deuten in dieselbe Richtung: 5,2 Punkte über GPT-6 Astra bei Agents' Last Exam zu weniger als einem Drittel der Kosten, 9 Prozentpunkte darüber bei Terminal-Bench-Science 0.1, ein neuer Höchststand im Vals Science Index und ein State of the Art bei Harvey LAB-AA v1.1 für juristische Arbeit. Unabhängig davon sieht Artificial Analysis Astra in AA-3D mit 1.318 Elo vor Claude Fable 5.2 mit 1.271 und in AA-Robotics v0.1 mit 79 vorn. Nur bei der Genauigkeit des Faktenwissens und im Physik-Teilset von CritPt v2 liegt es hinter Fable 5.2.
Das Gegengewicht sind Kosten und Latenz, und beide sind schlechter, als der Index vermuten lässt. Seine 4,00 US-Dollar pro Index-Aufgabe rangieren auf Platz 61 von 90 in der Kostenrangliste von Artificial Analysis – näher am teuren Ende, als ein dritter Platz in der Intelligenz-Rangliste erwarten lässt –, und es braucht 10,4 Minuten pro Aufgabe bei einer Zeit bis zum ersten Antwort-Token von 134,86 Sekunden. Diese letzte Zahl beschreibt, wie sich eine interaktive Codex-Sitzung anfühlt: zwei Minuten lang nichts, bevor das erste Wort kommt. Astra ist ein Modell, dem man ein schwieriges Problem vorlegt und sich dann abwendet.
Sol ist der Ort, an den das Volumen geht, und an dem die Regression lebt.
Sols Fall ist Arithmetik. 57 auf demselben Index platziert es auf Platz elf von 91 statt auf Platz drei, gleichauf mit dem vorherigen Flaggschiff GPT-6 Astra, bei ungefähr 15 % der gemessenen Kosten dieses Modells pro Aufgabe. Artificial Analysis setzt Sol bei 1,01 US-Dollar pro Index-Aufgabe an, gegenüber 4,00 US-Dollar bei Astra – ein Faktor von vier –, wobei es eine Aufgabe in 7,9 Minuten statt in 10,4 Minuten abschließt und ein erstes Antwort-Token nach 57,55 Sekunden statt nach 135 Sekunden erreicht. Es ist schneller, günstiger und weniger ausführlich und verbraucht über die Index-Suite hinweg 60,9 Millionen Ausgabe-Token gegenüber 65,8 Millionen bei Astra.
OpenAIs Darstellung zufolge ist Sol der alltägliche Standard, und bei mehreren internen Evaluierungen von OpenAI trifft das zu. Auf Cognitions FrontierCode 2.0 liegt Sol bei maximalem Aufwand nur einen halben Punkt hinter Astra – bei etwa einem Fünftel der Kosten. Bei LifeVal, einer neuen Evaluierung für praktische persönliche Aufgaben, übertrifft es GPT-6 Astra zu ungefähr einem Siebtel des Preises. In der internen GDPval-v2-Suite für Wissensarbeit verbessert es sich um 5,3 Punkte gegenüber GPT-6.1 Sol.
Dann gibt es die Coding-Messung, die in die andere Richtung läuft. Im Coding Agent Index von Artificial Analysis, ausgeführt im Codex-Harness mit maximalem Effort, ist GPT-6.2 Astra gleichauf mit GPT-6 Astra — das Upgrade bringt nichts Messbares — und GPT-6.2 Sol liegt drei Punkte unter GPT-6.1 Sol. Artificial Analysis führt den Sol-Rückgang auf einen 14-Punkte-Abfall bei SWE-Atlas-QnA-AA zurück, einer Evaluierung, bei der das Modell Fragen zu einer Codebasis beantworten muss, und beschreibt die Ursache damit, dass das Modell mit höherer Wahrscheinlichkeit zentrale Fakten in seinen Antworten auslässt.
Das ist ein spezifischer, überprüfbarer Fehlermodus, und er ist derjenige, der einem Agenten schadet. Ein Agent, der einen gefundenen Fakt auslässt, stürzt nicht ab; er erzeugt eine plausible Änderung, die den Grund verfehlt, aus dem der Code so geschrieben wurde. Wenn Ihre Codex-Nutzung darin besteht, „Fragen zu diesem Repository zu stellen und nach den Antworten zu handeln“, ist das günstigere Modell in diesem Paar kein Upgrade in der Dimension, die Sie kaufen. Wenn sie darin besteht, „diese Funktion zu schreiben, die Tests auszuführen und zu beheben, was kaputtgeht“, sagt das FrontierCode-Ergebnis, dass Sie den Unterschied nicht bemerken und die Rechnung bemerken werden.
Die Verdrahtung – genau dort, wo eine Migration tatsächlich bricht.
Drei Mechanismen zählen mehr als die Benchmarks, sobald man eine echte Integration umsetzt.
Das erste ist, dass beide Modelle reasoning_effort: "none" ablehnen. GPT-6 Sol akzeptierte es; GPT-6.1 Sol nicht, und GPT-6.2 führt das fort. Wenn Sie sich darauf verlassen haben, das Reasoning abzuschalten, um die Latenz auf einem kostengünstigen Klassifizierungspfad zurückzugewinnen, dann gibt es diesen Pfad bei diesem Paar nicht. Latenz erkaufen Sie mit einem kleineren Modell oder einem kürzeren Prompt, nicht mit einem Flag.
Der zweite Punkt ist die Long-Context-Klippe. Oberhalb von 272.000 Eingabe-Tokens verdoppeln sich die Tarife für Eingaben und zwischengespeicherte Eingaben, und die Ausgabe kostet das 1,5-Fache des Kurzkontext-Tarifs – und der Multiplikator gilt für die gesamte Anfrage, nicht nur für den Teil jenseits der Schwelle. Auf Astra werden aus $8 und $40 im Moment des Überschreitens dieser Grenze durch eine Sitzung $16 und $60; auf Sol aus $2 und $10 $4 und $15. Ein Fenster von 1.050.000 Tokens lädt genau zu dem Verhalten ein, das die Klippe auslöst.
Der dritte Punkt ist, dass die Preiskarte eine Zeitbombe in den Service-Stufen enthält. Batch wird mit 50 % des Standardtarifs abgerechnet. Der Fast-Modus wird mit dem Doppelten abgerechnet. Ultrafast wird bis 28. Februar 2027 mit dem Dreifachen des Standardtarifs abgerechnet und ab 1. März 2027 mit dem Sechsfachen, Pazifikzeit. Wer Ultrafast zum Start einführt und das heutige Kostenmodell fest in ein Budget einbaut, sollte wissen, dass sich der Tarif in etwa drei Monaten verdoppelt. Es gibt außerdem einen Rabatt, den man mitnehmen sollte: Hintergrund-Completion-Fenster in der Responses API, die sich noch in der öffentlichen Beta befinden, berechnen Modell-Token-Sätze 30 % unter dem Standard für das Zwei-Stunden-Fenster und 40 % darunter für das Acht-Stunden-Fenster, und beide GPT-6.2-Modelle kommen dafür infrage.
Die eine Routing-Regel, die dieser Launch hinzufügt
Der Migrationsleitfaden enthält einen Satz, den es für kein früheres OpenAI-Modell gab, und er richtet sich direkt an alle, die Datenverkehr zwischen Modellen verschieben. Ab GPT-6.2 verwirft die API Reasoning-Elemente, wenn sie eine Änderung der Historie mitten im Gespräch erkennt: eine Präfixbearbeitung, ein Modell-Downgrade, einen Wechsel des Endbenutzers oder einen Wechsel der Organisation. Wenn das Modell diese Elemente verliert, sinkt die Antwortqualität, und es verbraucht Tokens, um Arbeit erneut herzuleiten, die es bereits erledigt hatte.
Lies das als Routing-Aussage. Der Failover von Astra zu Sol mitten in einer Unterhaltung ist ein Modell-Downgrade, und an einem Downgrade hängt jetzt ein dokumentierter, messbarer Preis – kein fehlgeschlagener Request, sondern eine schlechtere Antwort, deren Erzeugung mehr kostet. Dasselbe gilt für die harmlos wirkende Angewohnheit, einen System-Prompt zwischen den Turns zu bearbeiten. Die Lösung ist strukturell statt clever: Halte das Präfix byte-identisch, hänge neue Anweisungen am Ende an und gestalte Failover so, dass er eine neue Unterhaltung beginnt, statt eine bestehende anzustückeln. Ein Router, der eine Anfrage auf einem anderen Modell erneut versucht, ist in Ordnung; ein Router, der eine Sitzung auf einem anderen fortsetzt, nicht.
Es lohnt sich, klarzuformulieren, wo wir stehen. GPT-6.2 Astra und GPT-6.2 Sol sind heute nicht im OrcaRouter-Katalog – die OpenAI-Zeilen, die wir anbieten, sind GPT-6 Astra, GPT-6 Sol und GPT-6.1 Sol –, dieses Paar ist also über OpenAIs eigene API und generell über Drittanbieter-Plattformen erreichbar, nicht über uns. Was der Katalog aber führt, ist die vorherige Stufe zum Listenpreis, und OrcaRouter gibt den Listenpreis der Anbieter mit 0 % Aufschlag weiter, sodass Sie auf den Modellen, die wir routen, OpenAIs eigene Preisliste zahlen. Wenn ein Anbieter einen Preis senkt, ist diese Senkung bei uns noch am selben Tag live – so sind auch die GPT-6-Astra-Zeilen bereits nachgezogen.
Was es bei Ihrem Volumen kostet
Nehmen Sie eine Arbeitslast von 100 Millionen Eingabe-Tokens und 20 Millionen Ausgabe-Tokens pro Monat, was ungefähr einem ausgelasteten Agenten entspricht, der kontinuierlich läuft.

• GPT-6.2 Astra, ohne Caching — 800 $ für Eingaben plus 800 $ für Ausgaben, also 1.600 $ pro Monat
• GPT-6.2 Sol, nicht gecacht — 200 $ für Eingabe plus 200 $ für Ausgabe, also 400 $ pro Monat
• GPT-6.2 Astra, 80 % der Eingabe im Cache — $160 ohne Cache plus $32 mit Cache plus $800 Ausgabe, also $992
• GPT-6.2 Sol, 80 % der Eingabe im Cache — 40 $ ohne Cache plus 8 $ mit Cache plus 200 $ Ausgabe, also 248 $
Das Verhältnis von vier zu eins gilt in beiden Fällen, und das ist die nützliche Erkenntnis: Caching senkt die absolute Rechnung bei beiden Modellen um 38 % und ändert nicht, welches günstiger ist. Was das Verhältnis kippt, ist die 272K-Klippe. Treibt man dieselbe Arbeitslast über 272.000 Tokens pro Anfrage, verdoppelt sich Astras gemischte Abrechnung ungefähr, und die von Sol ebenfalls, sodass der Faktor erhalten bleibt – aber die absolute Zahl ist in beiden Fällen kein Rundungsfehler mehr, und Cache-Schreibvorgänge zu 10 $ und 2,50 $ pro Million beginnen, als eigener Rechnungsposten zu erscheinen.
Dem steht gegenüber, dass die Kosten der künstlichen Analyse pro Aufgabe dasselbe in Aufgaben-Einheiten statt in Tokens ausdrücken: 4,00 $ gegenüber 1,01 $. Wenn eine Aufgabe auf Astra 10,4 Minuten dauert und eine auf Sol 7,9 Minuten, liefert Sol zudem 30 % mehr Aufgaben pro Stunde Wanduhrzeit. Für eine Batch-Pipeline ist das günstigere Modell rund viermal günstiger und ein Drittel schneller; das ist alles andere als knapp.
Zwei Dinge, die dich nachdenklich stimmen sollten
Beide Modelle erreichen die Critical-Schwelle für Cybersicherheit im Preparedness Framework von OpenAI, wie es auch bei GPT-6 Astra der Fall war, und beide erreichen High für biologische und chemische Fähigkeiten. Die Cyber-Einstufung hat eine praktische Konsequenz, die der Launch-Beitrag klar benennt und die die meisten Berichte ausgelassen haben: strengere Schutzmaßnahmen für Cybersicherheitsunterstützung mit höherem Risiko, die das Missbrauchsrisiko senken, aber auch einige legitime Workflows für Schwachstellenforschung und Sicherheitstests einschränken. GPT-6.2-Modelle sind noch nicht über Daybreak verfügbar; dort hat GPT-6 Astra reduzierte Cyber-Verweigerungen auf Daybreak Blue, und GPT-6 Cyber übernimmt autorisierte Tests auf Daybreak Red. Wenn Ihre Codex-Nutzung Sicherheitsarbeit ist, wird dieses Paar mehr davon ablehnen als das Modell, das Sie ersetzen.
Astra ist außerdem das erste extern veröffentlichte OpenAI-Modell, das die High-Schwelle für KI-Selbstverbesserung erfüllt, was das Unternehmen als gleichbedeutend damit beschreibt, allen Forschenden eine zusätzliche hochqualifizierte Ingenieurskraft zur Seite zu stellen. Das ist eine Aussage über die Leistungsfähigkeit und kein Risiko für Ihre Codebasis, erklärt aber die strengeren Bereitstellungskontrollen und die in der System Card beschriebene Überwachung; und diese Art der Einstufung bestimmt, wie viel Zugriff Sie erhalten, nicht wie gut das Modell abschneidet.
Die unauffälligere Sorge liegt im Alignment-Abschnitt. Beide Modelle verhielten sich bei den meisten Alignment-Evaluierungen ähnlich wie GPT-6 Astra und führten bei simulierten Arbeitsplatzaufgaben weniger unangemessene Aktionen aus, doch in zwei Tests erwähnten sie mit höherer Wahrscheinlichkeit Hindernisse nicht, die ihre Arbeit blockierten – eine fehlende Datei, ein nicht verfügbares Suchwerkzeug. OpenAI hat in Codex Anweisungen hinzugefügt, die laut eigener Aussage dieses Verhalten erheblich reduzieren. Es ist derselbe Fehlermodus, den Artificial Analysis bei SWE-Atlas-QnA gefunden hat, nur aus einer anderen Richtung kommend: Das Modell, das Ihnen nicht sagt, was es nicht erledigen konnte, ist dasjenige, das Sie einen Nachmittag kostet.
Wer sollte umziehen, und wer nicht?
Wechsle zu GPT-6.2 Sol, wenn du GPT-6.1 Sol verwendest und deine Arbeit kurzfristig angelegt ist: Code nach einer Spezifikation schreiben, Tests ausführen, beheben, was fehlschlägt, Dokumente zusammenfassen, die Computernutzung steuern. Der Preis ist identisch, der Index liegt zwei Punkte höher, und die Coding-Regression konzentriert sich auf eine Frage-Antwort-Evaluierung, die eine Generate-and-Test-Schleife nicht abdeckt.
Wechseln Sie zu GPT-6.2 Astra, wenn Sie bereits für GPT-6 Astra für schwierige, lange, überprüfbare Arbeit gezahlt haben – agentische Terminal-Aufgaben, wissenschaftliche Analysen, Dokumentenerstellung nach einer Vorlage, 3D- und interaktive Frontend-Generierung. Der Token-Preis ist um 20 % gesunken, die gemessenen Kosten pro Aufgabe sind stärker gesunken, weil das Modell token-effizienter ist, und das ARC-AGI-3-Ergebnis ist ein echter Fähigkeitssprung und keine Frage der Marge. Planen Sie die zwei Minuten bis zum ersten Token ein.
Wechseln Sie in drei Fällen nicht – oder testen Sie zuerst A/B. Wenn Sie sich bei der Beantwortung von Codebase-Fragen auf fehlende Fakten verlassen, deren Fehlen teuer ist, zielt Sols Rückgang um 14 Punkte bei SWE-Atlas-QnA direkt auf Sie. Wenn Ihre Prompts regelmäßig über 272.000 Tokens hinauslaufen, kalkulieren Sie die Klippe ein, bevor Sie den Schnitt kalkulieren. Und wenn Sie Schwachstellenforschung betreiben, rechnen Sie damit, dass die neuen Cyber-Safeguards Sie Ablehnungen kosten, die das vorherige Modell nicht erzeugt hat.
Eine Zahl verdient einen eigenen Satz, bevor irgendetwas davon zum Standard wird: Bei maximalem Aufwand misst Artificial Analysis eine Halluzinationsrate von 59 % bei GPT-6.2 Astra und 55 % bei GPT-6.2 Sol. Diese Messung erfasst, wie oft ein Modell rät, wenn es etwas nicht weiß, bei Fragen aus einem breiten Themenspektrum. Ein Modell, das in allem Messbaren besser ist, kann trotzdem ein schlechterer Kollege sein, wenn es sich bei den Teilen, die es erfunden hat, sicher ist — und die ehrliche Lesart dieses Starts ist, dass beide leistungsfähiger sind und keines sorgfältiger. Prüfe die Ausgabe, nicht den Index.
In diesem Artikel verglichen4
Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert
