סולם מחירים תלת-עמודתי עבור GPT-6.2 Astra: Standard במחיר $8.00 לקלט ו-$40.00 לפלט למיליון טוקנים, עם סטרימינג וללא חלון מוזל; חלון של 2 שעות במחיר הנמוך ב-30% מ-Standard, כלומר $5.60 לקלט, $0.28 למטמון ו-$28.00 לפלט, ללא סטרימינג; וחלון של 8 שעות במחיר הנמוך ב-40% מ-Standard, כלומר $4.80 לקלט, $0.24 למטמון ו-$24.00 לפלט, כשבתחתיתו מצוין כי מדובר ביעד ולא בהבטחה. הלוגו של OrcaRouter נמצא בפינה הימנית התחתונה.
Guides & Insights

GPT-6.2 Astra Background Mode: 40% הנחה, תשלום לפי שעון קיר

מחבר

jinhao.song

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

הנתיב הזול ביותר של OpenAI אל GPT-6.2 Astra אינו משנה את מחיר המודל. הוא משנה מתי אתם מוכנים לקבל את התשובה. שלחו את אותה בקשה דרך Responses API כאשר background מוגדר ל-true ו-background_options.completion_window מוגדר ל-8h, והטוקנים של GPT-6.2 Astra שמחירם לפי המחירון הוא $8 לקלט ו-$40 לפלט למיליון מחויבים ב-$4.80 וב-$24. ב-GPT-6.2 Sol כרטיס ה-$2 וה-$10 הופך ל-$1.40 ו-$7. אותם משקלים, אותה חשיבה, אותו חלון הקשר. GPT-6.2 Sol, הזול מבין השניים, זוכה לאותה התייחסות בדיוק: $1.40 ו-$7 בחלון של שמונה שעות לעומת $2 ו-$10 ב-Standard. מה שהשתנה הוא המקום שלכם בתור.

המהלך הזה יצא לדרך ב-17 בנובמבר 2026, באותו חלון של יומן שינויים שבו הופיעו שני המודלים עצמם, וקל לטעות ולקרוא לכך הורדת מחיר. זה לא המקרה. הורדת מחיר עוקבת אחרי המודל בכל מקום שבו הוא נקרא. חלון השלמה הוא דגל בנקודת קצה אחת, וכל תכונה שהופכת אותו לבעל ערך עבור המתזמן של OpenAI היא תכונה שעליך לקבל: בלי סטרימינג, בלי שיתוף מטמון עם תעבורה רגילה, ומכסת מגבלת קצב שאותה אתה חולק כעת עם Batch API.

הסיבה שמגיע לזה יותר משורה ביומן השינויים היא שההנחה עמוקה באופן יוצא דופן עבור דרגה ששומרת על איכות מודל מלאה. Batch זוכה ל-50% הנחה כבר שנים, אבל Batch מקבל רק בקשות שאפשר לשלוח כקובץ ולשכוח מהן. כאן מדובר ב-40% הנחה לשיחה חיה עם סוכן, עם סבבי המשך ופלט כלים, כל עוד השיחה יכולה לסבול תור המתנה. עבור הרבה עומסי עבודה בייצור זה ההבדל בין שאלת נגישות כלכלית לשאלת ארכיטקטורה.

מהו החלון, במונחים של API

מצב רקע עצמו אינו חדש: זוהי הדרך של Responses API להריץ בקשה ארוכה באופן אסינכרוני. מגדירים את background ל-true, מקבלים מיד מזהה תגובה בחזרה, ואוספים את התוצאה מאוחר יותר דרך webhook על response.completed או באמצעות polling לנקודת הקצה retrieve בזמן שהסטטוס מציג queued או in_progress. מצב רקע תמיד נועד לכך שלא מחזיקים חיבור פתוח עבור הרצת סוכן של עשרים דקות.

החלק החדש הוא שלתור הרקע יש כעת שכבות עם מחירים. background_options.completion_window מקבל soonest, 2h או 8h. Soonest הוא ברירת המחדל ואינו נושא הנחה; זהו המקרה של "ליצור דוח בזמן שמישהו ממתין". 2h הוא 30% מתחת ל-Standard ו-8h הוא 40% מתחת, והתיעוד מפרט שהשעון היעד מתחיל כאשר ה-API מקבל את הבקשה הראשונית וחל על אותה תגובה.

"יעדים להשלמה בתוך החלון שנבחר" הוא הביטוי שכדאי לקרוא פעמיים. זהו יעד תזמון, לא הבטחה ולא השהיה קבועה, והעצה של ה-API עצמו היא שזמני ההתחלה תלויים בתזמון. בקשה בחלון של שמונה שעות אינה מוחזקת שמונה שעות ואז רצה; היא רצה כשהקיבולת מאפשרת, ואם היא מסתיימת בארבע דקות, תקבלו אותה בארבע דקות. מה שוויתרתם עליו הוא הזכות להתלונן כשהיא לא.

הסולם בדולרים

שני המודלים שהחלון מכסה, מתומחרים בכל דרגה, למיליון טוקנים, כאשר תעריפי Standard המפורסמים של OpenAI משמשים כבסיס:

• GPT-6.2 Astra, Standard — קלט: $8, קלט במטמון: $0.40, פלט: $40

• GPT-6.2 Astra, חלון של 2 שעות — $5.60 קלט, $0.28 במטמון, $28 פלט

• GPT-6.2 Astra, חלון של 8 שעות — $4.80 קלט, $0.24 במטמון, $24 פלט

• GPT-6.2 Sol, Standard — קלט ב-$2, מטמון ב-$0.10, פלט ב-$10

• GPT-6.2 Sol, חלון של 2 שעות — $1.60 קלט, $0.08 מטמון, $8 פלט

• GPT-6.2 Sol, חלון של 8 שעות — $1.40 קלט, $0.06 במטמון, $7 פלט

• לשם קנה מידה, אותו מודל בקצה המהיר — Fast mode מכפיל את תעריף Standard ל-$16 ו-$80; Ultrafast הוא פי 3 מ-Standard ב-$24 ו-$120 עד 28 בפברואר 2027 ופי 6 ב-$48 ו-$240 החל מ-1 במרץ 2027

Three stacked bars showing what a 40% window does to a $4.00 Artificial Analysis task on GPT-6.2 Astra: $4.00 at Standard, about $2.80 in the 2h window and about $2.40 in the 8h window, beside a card breaking the $4.00 into $1.19 of cache reads, $1.10 of cache writes, $1.64 of output and $0.07 of uncached input. The OrcaRouter logo sits in the bottom-right corner.

אלה תעריפי טוקנים, ותעריפי טוקנים אינם מה שעולה משימה. החשבון המשוקלל של Artificial Analysis עבור משימת Intelligence Index שהושלמה ב-GPT-6.2 Astra מגיע ל-4.00 דולר ב-Standard, באינדקס v5.0.1 שלו שנמדד במאמץ מקסימלי. אם הנחת החלון הייתה חלה באופן אחיד על הקטגוריות בחשבון הזה, אותה משימה הייתה מגיעה ל-2.80 דולר בחלון של שעתיים ול-2.40 דולר בזה של שמונה שעות. על פני עשרת אלפים משימות, מדובר ב-28,000 דולר וב-24,000 דולר במקום 40,000 דולר.

ה־„if” הזה עושה עבודה אמיתית. התיעוד של OpenAI מתאר את ההנחה כחלה על תעריפי הטוקנים של המודל בכל בקשה זכאית, כולל בקשות המשך, ודף התמחור שלה חוזר על אותה ניסוח. אף אחד מהדפים לא מפרט את ההנחה לפי קטגוריית טוקנים, וחשבון טוקנים במודל הזה אינו מורכב ברובו מקלט גולמי: במדידה של Artificial Analysis, מתוך $4.00, $1.19 היו קריאות מהמטמון, $1.10 היו כתיבות למטמון ורק $0.065 היה קלט ללא מטמון, עם $1.64 בפלט. כתיבות למטמון מתומחרות בתעריף משלהן — $10 למיליון עבור המטמון ל-30 דקות ו-$20 עבור המטמון ל-12 שעות — לכן ייתכן שעומס עבודה שרובו כתיבת פרומפטים גדולים למטמון לא יקטן בדיוק ב-40%. התייחסו ל-40% כצורת ההנחה ומדדו את החשבון שלכם במקום להניח את המכפיל.

ארבעה תנאים שאתה יורש

ההנחה אינה זמינה בכל בקשה, והחריגים הם בדיוק המקום שבו מימושים נוטים לטעות.

• עיבוד Standard בלבד. חלונות מוזלים דורשים ש-service_tier יהיה מוגדר ל-default. אם תשאירו אותו על auto, הבקשה תהיה זכאית רק כאשר ה-API במקרה יבחר ב-Standard, מה שאומר שההנחה שלכם הופכת להטלת מטבע שאינכם יכולים לראות מראש.

• ללא סטרימינג. הסטרימינג עובד רק עם soonest. עבור 2h ו-8h עליך להשמיט את stream או להגדיר אותו ל-false, ולא ניתן להזרים תגובה מאוחר יותר אם היא לא נוצרה עם סטרימינג.

• מגבלת קצב משותפת אחת. בקשות בחלונות של שעתיים ושמונה שעות חולקות את מגבלת הקצב של Batch/Background עם משימות Batch API, ואסימוני הקלט נספרים בעת ההגשה. ניסוי ששולח מסמך בן מיליון אסימונים לרקע של שמונה שעות לא רק ממתין; הוא צורך את המרווח הפנוי שמשימות ה-Batch שלך השתמשו בו.

• הודעות המשך חייבות להתאים. ריצת סוכן היא שרשרת, וההנחה שורדת את השרשרת רק אם כל בקשת המשך חוזרת על החלון, ה-continuation_id, המודל, הפרויקט והגדרת הרקע. שימוש חוזר במזהה ההמשך הופך את בקשת ההמשך גם לזכאית לעדיפות גבוהה יותר בתור. שינוי של אחד מאלה והתור הבא הוא בקשת Standard.

A 2x2 grid of cards headed 'Four things the window takes with it': Standard processing only with the Flex tier gone, no streaming so you receive the finished response rather than tokens, a rate limit shared with Batch jobs where input tokens count at submission, and a split prompt cache whose window-written entries are invisible to Standard requests. The OrcaRouter logo sits in the bottom-right corner.

יש תנאי חמישי שמסתתר בכללי המטמון, והוא זה עם הזנב הארוך ביותר. בקשות סטנדרטיות מחוץ לחלונות המוזלים אינן יכולות לעשות שימוש חוזר ברשומות מטמון פרומפט שנוצרו על ידי בקשות רקע של שעתיים או שמונה שעות, אפילו כשהפרומפט זהה, וגם ההפך נכון. אם חצי מהתעבורה שלכם פועלת בתוך חלון וחצי פועלת לפי דרישה, פיצלתם בשקט את מטמון הפרומפט שלכם לשניים ומשלמים על כתיבת אותה קידומת פעמיים. ההנחה בצד אחד של הפיצול מקוזזת על ידי כתיבת מטמון בצד השני, והמודל שבו כתיבת מטמון עולה $10 למיליון הוא בדיוק זה שאסור לפצל.

העלות שלא מופיעה בחשבונית

ההנחה קונה אסימונים תמורת זמן, והזמן אינו מוגבל לחלון. קחו לדוגמה את סקירת המסמכים הלילית שהתיעוד עצמו משתמש בה כדוגמה: בקשה אחת של שמונה שעות, קריאה לכלי, וקריאת המשך שמחזירה את המסמך שנשלף בחזרה. שתי התגובות זכאיות ל-40%, והיעד מתחיל מחדש עבור השנייה. במקרה הטוב, כל הריצה מסתיימת לפני ארוחת הבוקר. במקרה הגרוע, כל אחת משתי התגובות אורכת קרוב ליעד המלא שלה, מה שהופך את תקרת הזמן מקצה לקצה לכשש-עשרה שעות בקירוב ולא לשמונה.

החשבון הזה לא עובד היטב בקנה מידה עבור סוכנים ארוכים. לתהליך עבודה בן שנים עשר סבבים ששולח כל סבב דרך חלון של שמונה שעות יש תקרה של ארבעה ימים, ותזמון אמיתי נמצא איפשהו בין המקרה הטוב ביותר לתקרה הזו, בלי התפלגות מפורסמת. הדרך הישרה לפרוס אותו היא להחליט לפי תהליך עבודה ולא לפי קריאה: צינור עיבוד שהפלט שלו נצרך למחרת בבוקר הוא התאמה טבעית, וסשן אינטראקטיבי אינו כזה, לא משנה כמה טוקנים זה היה חוסך. החלון הוא הצעה לקיבולת זולה, וההצעות מתמלאות כשיש קיבולת למלא.

החור ב-Flex שאיש לא מזכיר

לפני חלונות אלה, הדרך לרכוש הנחה במשפחת דגמים זו הייתה service_tier: flex: 50% מתחת ל-Standard, בעדיפות נמוכה יותר. Flex עדיין קיים בדגמים הישנים — GPT-6 Astra מופיע במחיר $5 ו-$25 בטבלת Flex לעומת $10 ו-$50 ב-Standard — אך מדריך הרקע של OpenAI קובע באופן ברור שהחל מ-GPT-6.2 Astra ו-Sol, דגמים חדשים מושקים ללא עיבוד Flex, ושעבודה ארוכת טווח צריכה להשתמש במקום זאת בחלונות השלמה מוזלים עם עיבוד Standard.

קראו את שני המספרים זה לצד זה וכיוון המגמה נראה בבירור. בדור הקודם, מי שהיה מוכן להמתין יכול היה לקנות בהנחה של 50%. בדור הזה, המדרגה העמוקה ביותר היא 40%, והיא מחייבת להציג את העבודה כמשימת רקע. התחליף אינו שיפור ישיר של האפשרות הישנה; זו אפשרות צרה יותר בהנחה קטנה יותר, והיא מגיעה כרוכה בצורת בקשה — א-סינכרונית, לא סטרימינג, עם מזהה תגובה יחיד — שלא כל אינטגרציה יכולה לאמץ.

Batch עדיין מעמיק יותר, והוא הכלי הלא נכון למחצית מזה

ה-Batch API נשאר בהנחה של 50% עם זמן תגובה של 24 שעות, ובמחיר בלבד הוא גובר על כל חלון רקע. ההבחנה היא מבנית ולא עניין של מידה. Batch מקבל קובץ JSONL של בקשות בלתי תלויות ומחזיר קובץ תוצאות; לתהליך העבודה אין זיכרון בין השורות. מצב רקע מיועד לתגובה אחת בכל פעם, כאשר מצב השיחה מועבר הלאה דרך previous_response_id ושרשרת של קריאות כלים שעל היישום להריץ ביניהן.

אז ההחלטה אינה "מה זול יותר" אלא "האם לעומס העבודה שלי יש שכבת ביניים". חמשת אלפים קריאות סיווג בלתי־תלויות שייכות ל-Batch ותמיד היו שייכות לשם. ריצת סוכן אחת שקוראת מסמך, קוראת לפונקציה ואז כותבת דוח לא ניתנת להבעה כ-batch בכלל — הבקשה השנייה שלה לא קיימת עד שהראשונה חוזרת. זה הפער שהחלונות ממלאים, והוא אמיתי: ה-40% הם ההנחה הראשונה ש-OpenAI הציעה לעבודה עם מצב, רב-תורית.

הערת השוליים בנושא האחסון עם השלכות ציות

מצב רקע מאחסן נתוני תגובה באופן זמני גם כאשר store הוא false או שהפרויקט משתמש ב-Zero Data Retention, מפני שה-API זקוק לנתונים כדי להריץ את הבקשה ולאפשר את שליפת התוצאה. הנתונים מוצפנים במנוחה עבור כל חלון זמן, כולל הקרוב ביותר, וההנחיה היא לשמור בעצמך את הקלט המקורי ואת פלט התגובה המלא כל עוד ניתן עדיין לשלוף אותו. אין זמן חיים (TTL) מוצהר לאחסון הזמני הזה.

עבור צוות שבחר ב-Zero Data Retention עבור עומס עבודה כפוף לרגולציה, "נשמר באופן זמני" הוא משפט שצריך להגיע למי שאישר את סקירת טיפול הנתונים, וזה צריך לקרות לפני שמשימת שמונה השעות הראשונה נכנסת לתור ולא אחרי. ההנחה לא משנה את עמדת הציות של נקודת הקצה; היא כן משנה כמה זמן בקשה והפלט שלה שוהים במצב שאינך יכול לראות.

מה ניתוב כן מוסיף ומה לא כאן

דבר אחד שכדאי להיות מדויקים לגביו, כי קל לטעות בו כשמכריזים על הנחה: זו תכונת תזמון, לא מחיר מחירון. OrcaRouter מעביר את מחיר המחירון של הספק ללא תוספת של 0%, ולכן קיצוץ מחיר אמיתי של OpenAI מופיע אצלנו באותו יום — אבל חלון השלמה הוא דגל בנקודת הקצה של OpenAI עצמה, והוא לא נוסע עם המודל. קריאה ל-GPT-6.2 Astra דרך נתב לא משחזרת את ה-40%, ואף נתב לא יכול, כי את ההנחה יכול להעניק רק המתזמן.

זה משאיר את שני הדברים שבהם ניתוב באמת מועיל בצורת פריסה הזו. הראשון הוא בחירת מודל: מבין ארבעת המודלים שהחלונות מכסים — GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra ו-GPT-6 Luna — הקצה הזול כבר נמצא בקטלוג שלנו עם GPT-6 Luna ו-GPT-6.1 Sol במחיר מחירון, כך שהחלטת השכבות והחלטת הספק נשארות על מפתח אחד ולא על שני חוזים. השנייה היא הגנה על הקריאות שלא יכולות להמתין. מערכת שמכניסה את עבודות הלילה שלה לחלון של שמונה שעות הפכה את הנתיב הרגיש להשהיה שלה לחשוב יותר, לא פחות, ומעבר אוטומטי לגיבוי בנתיב הזה הוא מה שמונע מתקלה של ספק אחד להפוך קריאה של חמש שניות להשבתה. התור והמעבר לגיבוי משלימים זה את זה: אתה מוציא את הסבלנות במקום שיש לך אותה, כך שאתה יכול להרשות לעצמך להיות חסר סבלנות בכל מקום אחר.

OpenAI's developer documentation page for Responses API background mode, showing the background flag set to true, the background_options object with its completion_window values of soonest, 2h and 8h, and the notes on polling or webhook notification of the completed response.

כלל האצבע

אם תגובה נצרכת על ידי אדם שצופה בה, שום דבר כאן לא חל: השתמש בהמהיר ביותר, הזרם אותה, ושלם ב-Standard. אם תגובה נצרכת על ידי משימה מתוזמנת, דוח שנוחת לפני פגישת בוקר, או צינור עיבוד שהשלב הבא שלו רץ הלילה, חלון שמונה השעות הוא הנחה של 40% על טוקנים באיכות מלאה, והשאלה האמיתית היחידה היא אם האינטגרציה שלך יכולה להסתדר בלי סטרימינג ועם מטמון פרומפט מפוצל. חלון השעתיים ב-30% הוא אמצע הדרך המביך — מספיק עמוק כדי להצדיק שינוי ארכיטקטורה רק אם העבודה באמת מוגבלת בדדליין של שעתיים, וזה לא המצב ברוב העבודה בצורת אצווה.

המספר שכדאי לשים לב אליו אינו אחוז ההנחה אלא החלק מהתעבורה שלכם שכבר ממתין. צוותים שמריצים סוכנים במהלך הלילה מקבלים 40% הנחה על חשבון שהם ממילא היו משלמים. צוותים שמריצים אותם באופן אינטראקטיבי מקבלים הצעת הנחה שאינם יכולים להשתמש בה, על מודל שכבר לא מוכר את שכבת Flex של 50% שהייתה פעם חלופתם. אותה קבוצה שנייה צריכה לקרוא את דף התמחור לפני דף הארכיטקטורה, מפני שב-17 בנובמבר הדרך הזולה ביותר לקרוא ל-GPT-6.2 Astra הפסיקה להיות שכבה שבוחרים והפכה ללוח זמנים שמקבלים.

השוואות במאמר הזה1

זוהה מתוך המאמר הזה · בנצ'מרקים: Artificial Analysis · מתעדכן יומית