Een driekoloms prijsladder voor GPT-6.2 Astra: Standard tegen $8,00 invoer en $40,00 uitvoer per miljoen tokens met streaming en geen kortingsvenster, een venster van 2 uur dat 30% onder Standard ligt met $5,60 invoer, $0,28 gecacht en $28,00 uitvoer zonder streaming, en een venster van 8 uur dat 40% onder Standard ligt met $4,80 invoer, $0,24 gecacht en $24,00 uitvoer, in de voettekst vermeld als een streefwaarde en niet als een garantie. Het OrcaRouter-logo staat in de rechteronderhoek.
Guides & Insights

GPT-6.2 Astra Achtergrondmodus: 40% korting, afgerekend op basis van wandkloktijd

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

De goedkoopste route van OpenAI naar GPT-6.2 Astra verandert de prijs van het model niet. Het verandert wanneer je bereid bent het antwoord te ontvangen. Stuur dezelfde aanvraag via de Responses API met background ingesteld op true en background_options.completion_window ingesteld op 8h, en de GPT-6.2 Astra-tokens die $8 voor invoer en $40 voor uitvoer per miljoen tokens kosten, worden gefactureerd tegen $4,80 en $24. Bij GPT-6.2 Sol wordt het tarief van $2 en $10 $1,40 en $7. Dezelfde gewichten, hetzelfde redeneervermogen, hetzelfde contextvenster. GPT-6.2 Sol, de goedkoopste van de twee, krijgt exact dezelfde behandeling: $1,40 en $7 in het venster van acht uur tegenover $2 en $10 bij Standard. Wat er is veranderd, is je plaats in een wachtrij.

Die afweging werd op 17 november 2026 uitgebracht, in hetzelfde changelogvenster als de twee modellen zelf, en is gemakkelijk te verwarren met een prijsverlaging. Dat is het niet. Een prijsverlaging volgt het model waar het ook wordt aangeroepen. Een completion window is een vlag op één endpoint, en elke eigenschap die het waardevol maakt voor OpenAI's scheduler is een eigenschap die je moet accepteren: geen streaming, geen cache-deling met normaal verkeer, en een rate-limitbudget dat je nu deelt met de Batch API.

De reden dat het meer verdient dan een regel in een changelog, is dat de korting ongewoon diep is voor een tier die de volledige modelkwaliteit behoudt. Batch is al jaren 50% goedkoper, maar Batch verwerkt alleen verzoeken die je als bestand kunt indienen en vergeten. Dit is 40% korting voor een live agentgesprek, met vervolgbeurten en tool-uitvoer, zolang het gesprek een wachtrij kan tolereren. Voor veel productieworkloads is dat het verschil tussen een kwestie van betaalbaarheid en een kwestie van architectuur.

Wat het venster is, in API-termen

De achtergrondmodus zelf is niet nieuw: het is de manier waarop de Responses API een lang verzoek asynchroon uitvoert. Je zet background op true, krijgt meteen een response-ID terug en haalt het resultaat later op via een webhook op response.completed of door de retrieve-endpoint te pollen terwijl de status queued of in_progress. Bij de achtergrondmodus ging het er altijd om geen verbinding open te houden voor een agent-run van twintig minuten.

Het nieuwe is dat de achtergrondwachtrij nu tarieven met prijzen heeft. background_options.completion_window accepteert soonest, 2h of 8h. Soonest is de standaardwaarde en biedt geen korting; het is het geval "een rapport genereren terwijl iemand wacht". 2h ligt 30% onder Standard en 8h ligt 40% daaronder, en de documentatie vermeldt expliciet dat de beoogde tijd ingaat op het moment dat de API het initiële verzoek accepteert en geldt voor dat antwoord.

"Streeft naar voltooiing binnen het geselecteerde venster" is de zin die je twee keer moet lezen. Het is een planningsdoel, geen garantie en geen vaste vertraging, en het eigen advies van de API is dat starttijden afhankelijk zijn van de planning. Een verzoek in het venster van acht uur wordt niet acht uur vastgehouden en daarna uitgevoerd; het wordt uitgevoerd wanneer de capaciteit het toelaat en, als het in vier minuten klaar is, krijg je het in vier minuten. Wat je hebt opgegeven, is het recht om te klagen wanneer dat niet gebeurt.

De ladder in dollars

Beide modellen die het venster omvat, geprijsd per niveau, per miljoen tokens, met de gepubliceerde Standard-tarieven van OpenAI als basis:

• GPT-6.2 Astra, Standard — $8 invoer, $0,40 gecachete invoer, $40 uitvoer

• GPT-6.2 Astra, venster van 2 uur — $5,60 invoer, $0,28 gecachet, $28 uitvoer

• GPT-6.2 Astra, 8-uursvenster — $4,80 invoer, $0,24 gecachet, $24 uitvoer

• GPT-6.2 Sol, Standard — $2 invoer, $0,10 uit cache, $10 uitvoer

• GPT-6.2 Sol, venster van 2 uur — $1,60 invoer, $0,08 gecachet, $8 uitvoer

• GPT-6.2 Sol, 8-uursvenster — $1,40 invoer, $0,06 gecachet, $7 uitvoer

• Ter vergelijking: hetzelfde model aan de snelle kant — de Fast-modus verdubbelt het Standaardtarief naar $16 en $80; Ultrafast is 3× Standaard tegen $24 en $120 tot en met 28 februari 2027 en 6× tegen $48 en $240 vanaf 1 maart 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.

Dat zijn tokentarieven, en tokentarieven zijn niet wat een taak kost. De gewogen factuur van Artificial Analysis voor een voltooide Intelligence Index-taak op GPT-6.2 Astra komt op $4,00 bij Standard, op zijn v5.0.1-index gemeten bij maximale inspanning. Als de vensterkorting uniform zou worden toegepast op de categorieën in die factuur, zou dezelfde taak op $2,80 uitkomen in het venster van twee uur en op $2,40 in dat van acht uur. Over tienduizend taken is dat $28.000 en $24.000 in plaats van $40.000.

Dat "if" doet echt werk. De documentatie van OpenAI beschrijft de korting als van toepassing op modelltoken-tarieven bij elk in aanmerking komend verzoek, inclusief vervolgverzoeken, en de prijspagina herhaalt dezelfde formulering. Geen van beide pagina's splitst de korting uit per tokencategorie, en een tokenrekening voor dit model bestaat niet grotendeels uit ruwe input: in de meting van Artificial Analysis was $1,19 van de $4,00 cache-leesbewerkingen, $1,10 cache-schrijfbewerkingen en slechts $0,065 niet-gecachte input, met $1,64 aan output. Cache-schrijfbewerkingen hebben hun eigen tarief — $10 per miljoen voor de cache van 30 minuten en $20 voor de cache van 12 uur — dus een workload die wordt gedomineerd door het schrijven van grote prompts naar de cache daalt mogelijk niet precies met 40%. Behandel de 40% als de vorm van de korting en meet je eigen rekening in plaats van uit te gaan van de multiplier.

Vier aandoeningen die je erft

De korting is niet bij elk verzoek beschikbaar, en juist bij de uitsluitingen gaat het in de praktijk vaak mis.

• Alleen standaardverwerking.Voor kortingsvensters moet service_tier op default staan. Als je het op auto laat staan, komt de aanvraag alleen in aanmerking wanneer de API toevallig Standard selecteert, wat betekent dat je korting een muntworp wordt die je niet vooraf kunt zien.

• Geen streaming. Streaming werkt alleen met soonest. Voor 2h en 8h moet je stream weglaten of op false zetten, en je kunt een respons later niet streamen als deze niet met streaming is aangemaakt.

• Eén gedeelde snelheidslimiet. Verzoeken in de vensters van twee uur en acht uur delen de Batch/Background-snelheidslimiet met Batch API-taken, en invoertokens worden bij indiening geteld. Een experiment dat een document van een miljoen tokens naar de achtergrond van acht uur stuurt, wacht niet alleen; het verbruikt de ruimte die je Batch-taken gebruikten.

• Vervolgverzoeken moeten overeenkomen. Een agent-run is een keten, en de korting blijft behouden door de keten heen alleen als elk vervolgverzoek het venster, de continuation_id, het model, het project en de achtergrondinstelling herhaalt. Hergebruik je de continuation-ID, dan komt het vervolgverzoek ook in aanmerking voor een hogere wachtrijprioriteit. Wijzig je een van deze, dan is de volgende beurt een Standaardverzoek.

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.

Er schuilt een vijfde voorwaarde in de cacheregels, en dat is degene met de langste staart. Standaardverzoeken buiten de kortingsvensters kunnen geen promptcache-items hergebruiken die zijn aangemaakt door achtergrondverzoeken van twee of acht uur, zelfs niet wanneer de prompt identiek is, en het omgekeerde geldt ook. Als de helft van je verkeer in een venster draait en de helft on demand, heb je je promptcache stilletjes in tweeën gesplitst en betaal je om hetzelfde prefix twee keer te schrijven. De korting aan de ene kant van die splitsing wordt gecompenseerd door een cache-write aan de andere kant, en het model met een cache-write van $10 per miljoen is precies de verkeerde om te splitsen.

De kosten die niet op de factuur staan

De korting koopt tokens met tijd, en de tijd wordt niet begrensd door het venster. Neem de nachtelijke documentbeoordeling die de documentatie zelf als voorbeeld gebruikt: één verzoek van acht uur, een toolaanroep en een vervolgaanroep die het opgehaalde document terugstuurt. Beide responsen komen in aanmerking voor de 40%, en voor de tweede wordt de target opnieuw gestart. In het beste geval is de hele run vóór het ontbijt klaar. In het slechtste geval duurt elk van de twee responsen bijna zijn volledige target, waardoor het end-to-end-plafond ruwweg zestien uur bedraagt in plaats van acht.

Die rekensom schaalt niet goed voor langdurige agents. Een workflow van twaalf beurten die elke beurt door het venster van acht uur laat lopen, heeft een plafond van vier dagen, en echte planning zit ergens tussen het beste geval en dat plafond, zonder gepubliceerde verdeling. De eerlijke manier om dit in te zetten is per workflow beslissen, niet per aanroep: een pipeline waarvan de output de volgende ochtend wordt verbruikt, is een natuurlijke match, en een interactieve sessie niet, hoeveel tokens het ook zou besparen. Het venster is een bod op goedkope capaciteit, en biedingen worden ingevuld wanneer er capaciteit is om in te vullen.

Het Flex-gat dat niemand noemt

Vóór deze vensters was de manier om korting te kopen op deze modelfamilie service_tier: flex: 50% onder Standard, tegen een lagere prioriteit. Flex bestaat nog steeds op de oudere modellen — GPT-6 Astra staat voor $5 en $25 in de Flex-tabel tegenover $10 en $50 bij Standard — maar OpenAI's achtergrondgids stelt duidelijk dat nieuwe modellen vanaf GPT-6.2 Astra en Sol worden gelanceerd zonder Flex-verwerking, en dat langdurig werk in plaats daarvan gebruik moet maken van kortingsvensters voor voltooiing met Standard-verwerking.

Zet de twee getallen naast elkaar en de bewegingsrichting wordt zichtbaar. Bij de vorige generatie kon een geduldige aanroeper 50% korting kopen. Bij deze is het diepste niveau 40%, en het vereist dat je het werk als achtergrond presenteert. De vervanging is geen regelrechte verbetering van de oude optie; het is een beperktere optie tegen een kleinere korting, en ze komt met een requestvorm — asynchroon, niet-streaming, één respons-ID — die niet elke integratie kan overnemen.

Batch gaat nog steeds dieper, en is voor de helft hiervan het verkeerde gereedschap.

De Batch API blijft 50% korting bieden met een doorlooptijd van 24 uur, en op prijs alleen al verslaat hij elk achtergrondvenster. Het onderscheid is structureel in plaats van een kwestie van gradatie. Batch neemt een JSONL-bestand met onafhankelijke verzoeken en retourneert een bestand met resultaten; de workflow heeft geen geheugen tussen regels. De achtergrondmodus is voor één antwoord tegelijk, waarbij de gespreksstatus wordt doorgegeven via previous_response_id en een keten van toolaanroepen die de applicatie tussendoor moet uitvoeren.

De beslissing is dus niet 'wat is goedkoper', maar 'heeft mijn workload een middenweg'. Vijfduizend onafhankelijke classificatieaanroepen horen in Batch, en dat is altijd zo geweest. Eén agent-run die een document leest, een functie aanroept en vervolgens een rapport schrijft, kan helemaal niet als batch worden uitgedrukt — het tweede verzoek bestaat pas nadat het eerste is teruggekeerd. Dat is de kloof die de vensters vullen, en het is een echte: de 40% is de eerste korting die OpenAI heeft geboden voor stateful, multi-turn werk.

De voetnoot over opslag met compliance-gevolgen

De achtergrondmodus slaat responsgegevens tijdelijk op, zelfs wanneer store onwaar is of het project Zero Data Retention gebruikt, omdat de API de gegevens nodig heeft om het verzoek uit te voeren en het resultaat ophaalbaar te maken. De gegevens worden in rust versleuteld voor elk venster, inclusief soonest, en de richtlijn is om de oorspronkelijke invoer en de volledige responsuitvoer zelf op te slaan zolang u deze nog kunt ophalen. Er is geen opgegeven time-to-live voor die tijdelijke opslag.

Voor een team dat Zero Data Retention heeft gekozen voor een gereguleerde workload, is "tijdelijk opgeslagen" een zin die naar degene moet die de gegevensverwerkingsreview heeft goedgekeurd, en dat moet gebeuren voordat de eerste taak van acht uur in de wachtrij wordt gezet, niet erna. De korting verandert niets aan de nalevingsstatus van het endpoint; ze verandert wel hoe lang een verzoek en de bijbehorende output zich in een toestand bevinden die je niet kunt zien.

Wat routing hier wel en niet toevoegt

Eén ding waar we precies over moeten zijn, want het is makkelijk om het verkeerd te hebben wanneer een korting wordt aangekondigd: dit is een planningsfunctie, geen lijstprijs. OrcaRouter geeft de lijstprijs van de provider door met 0% opslag, waardoor een echte prijsverlaging van OpenAI dezelfde dag aan onze kant zichtbaar is — maar een completion-venster is een flag op OpenAI's eigen endpoint, en dat reist niet mee met het model. GPT-6.2 Astra via een router aanroepen reproduceert de 40% niet, en geen enkele router kan dat, omdat de korting door de scheduler wordt toegekend.

Dan blijven de twee dingen over waar routing in deze vorm van deployment echt goed voor is. Het eerste is modelkeuze: van de vier modellen die de vensters dekken — GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra en GPT-6 Luna — staat het goedkope uiteinde al in onze catalogus met GPT-6 Luna en GPT-6.1 Sol tegen lijstprijs, zodat de beslissing over tiers en de beslissing over de provider op één sleutel blijven in plaats van op twee contracten. Het tweede is het beschermen van de aanroepen die niet kunnen wachten. Een systeem dat zijn nachtelijke taken in een venster van acht uur onderbrengt, heeft zijn latencygevoelige pad belangrijker gemaakt, niet minder, en automatische failover op dat pad is wat voorkomt dat één storing bij één provider een aanroep van vijf seconden in een uitval verandert. De wachtrij en de failover vullen elkaar aan: je besteedt het geduld waar je het hebt, zodat je het je kunt permitteren om overal elders onverdraagzaam te zijn.

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.

De vuistregel

Als een reactie wordt gebruikt door een mens die meekijkt, geldt niets hiervan: gebruik zo snel mogelijk, stream het en betaal Standard. Als een reactie wordt gebruikt door een geplande taak, een rapport dat vóór een ochtendmeeting binnenkomt, of een pipeline waarvan de volgende fase vanavond draait, dan is het venster van acht uur een korting van 40% op tokens van volledige kwaliteit, en de enige echte vraag is of je integratie zonder streaming en met een gesplitste promptcache kan werken. Het venster van twee uur tegen 30% is het ongemakkelijke midden — diep genoeg om een architectuurwijziging waard te zijn, maar alleen als het werk echt binnen twee uur moet worden afgerond, wat bij de meeste batchachtige werkzaamheden niet het geval is.

Het getal om in de gaten te houden is niet het kortingspercentage, maar het deel van je verkeer dat al wacht. Teams die agents 's nachts laten draaien, krijgen 40% korting op een rekening die ze toch al gingen betalen. Teams die ze interactief draaien, krijgen een korting aangeboden die ze niet kunnen gebruiken, op een model dat niet langer de 50%-Flex-tier verkoopt die vroeger hun terugvaloptie was. Die tweede groep zou de prijzenpagina moeten lezen vóór de architectuurpagina, want op 17 november was de goedkoopste manier om GPT-6.2 Astra aan te roepen niet langer een tier die je selecteert, maar een schema dat je accepteert.

Vergeleken in dit artikel1

Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt