Een gegenereerde hero-kaart met als kop '126 tokens per seconde, niet 4,5x' en als ondertitel 'De eerste openbare meting van Ultrafast, op GPT-6.2 Sol', drie kaarten met de tekst 'Gemeten gemiddelde: 126 tok/s', 'Gemeten piek: 252 tok/s' en 'Standaardbasislijn: 85 tok/s', en een voettekst met de tekst 'De 27 minuten durende videobewerking van één gebruiker, 18 november 2026; Standaardbasislijn volgens Artificial Analysis'.
Guides & Insights

GPT-6.2 Sol Ultrafast, gemeten: 126 tokens per seconde en geen spoor van de 4,5×

Auteur

jinhao.song

Publicatiedatum

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

Het eerste openbare cijfer voor GPT-6.2 Sol dat draait met Ultrafast ingeschakeld is 126 tokens per seconde, gemiddeld over een taak die 27 minuten kloktijd kostte en ongeveer 14 minuten daadwerkelijke modelrespons, met een piekburst van 252 tokens per seconde. Het komt van een video-editor op X die het model vroeg een video van acht minuten te knippen — een echte taak, gerapporteerd in vier regels, zonder testharnas, zonder herhaalde runs en zonder controlemeting in Standard-modus. Zet dat gemiddelde tegenover het cijfer dat Artificial Analysis publiceert voor hetzelfde model op Standard, 85 outputtokens per seconde, en het niveau waarvan OpenAI zegt dat het tokens genereert "met tot 4,5 keer de snelheid van Standard", kwam in dit ene rapport op ongeveer 1,5× uit. GPT-6.2 Astra en GPT-6.1 Sol, de andere twee modellen op de Ultrafast-lijst, staan nog lager op die onafhankelijke ranglijst met 60 en 49 tokens per seconde, waardoor de verhouding hier meer van belang is dan het ruwe getal.

Vier nummers, en de vijfde die niemand heeft gepost

De post is ongewoon specifiek voor een snelheidsclaim op social media, en dat maakt hem de moeite van het ontleden waard. Hij noemt de taak (een videobewerking van acht minuten), de totale tijd (27 minuten), het deel dat is besteed aan wachten op het model (ongeveer 14 minuten), de gemiddelde generatiesnelheid (126 tokens per seconde) en de beste enkele burst (252). OpenAI vermeldt de tier als Ultrafast; de post noemt het "Ultra Fast". Beide namen beschrijven hetzelfde: de snelste snelheidsoptie in het keuzemenu in ChatGPT Work en de Codex-app.

Wat de post niet geeft, is de helft die er een benchmark van zou maken:

• Op welk oppervlak het draaide — ChatGPT Work, de Codex-app of de API. Alle drie tonen de tier; de getallen zijn onderling niet vergelijkbaar.

• De instelling voor de redeneerinspanning. Sol op Light en Sol op Pro zijn verschillende hoeveelheden denkwerk vóór de eerste token, en de denktijd valt binnen die 14 minuten.

• Hoeveel tokens er daadwerkelijk zijn gegenereerd. Het kan worden afgeleid uit het gemiddelde en de duur, en die afleiding is de moeite waard — zie hieronder — maar het is een afleiding.

• Hoe lang Standard over dezelfde taak zou hebben gedaan. Dit is het getal waar het stuk echt over gaat, en het is het enige getal dat de post niet kan bevatten, omdat het om één enkele run gaat zonder iets om mee te vergelijken.

• Of de montage de eerste keer bruikbaar was. "Het knipte een video van acht minuten" is een succesclaim, geen kwaliteitsclaim, en een nieuwe run zou de totale tijd aanzienlijk hebben veranderd.

De claim, exact geformuleerd, en wat de tier kost

De snelheidsdocumentatie van OpenAI is precies over wat Ultrafast belooft: "Op GPT-6.2 Astra en GPT-6.2 Sol genereert Ultrafast tokens met een snelheid van tot 4,5 keer die van Standard op hetzelfde model." Let op de twee kwalificaties. Het is een bewering over tokengeneratie, niet over de tijd tot het eerste token en niet over de tijd die een hele taak kost. En het is "tot", een plafond in plaats van een typische waarde — een onderscheid dat enorm uitmaakt wanneer de eerste onafhankelijke meting op ongeveer een derde van dat plafond uitkomt.

Op de API is het een vlag, geen model: stel model in op gpt-6.2-sol en service_tier op "ultrafast". OpenAI raadt WebSockets aan voor agentisch werk, zodat de verbindingsoverhead de winst niet opeet, en Ultrafast heeft zijn eigen rate limits, los van Standard en Fast. Voor de GPT-6.2-modellen zijn die limieten niet gepubliceerd — de documentatie zegt dat je de eigen instellingen van je organisatie moet controleren — terwijl GPT-6.1 Sol Ultrafast 1.000.000 tokens per minuut publiceert op de Build-tier en GPT-6 Astra 500.000. Inference-residentie voor de GPT-6.2-tier is uitsluitend de Verenigde Staten. In ChatGPT krijg je met Pro $200 Ultrafast alleen op Sol en met Pro $500 beide modellen.

De prijs is het onderdeel met een deadline. Ultrafast op GPT-6.2 Sol kost $6,00 per miljoen inputtokens, $0,30 voor gecachte invoer en $30,00 voor output tijdens de promotieperiode, en $12,00 / $0,60 / $60,00 tegen lijstprijs — precies 3× en 6× het Standard-tarief van $2,00 / $0,10 / $10,00. OpenAI geeft de datum van de overstap: "Ultrafast kost 3 keer het Standard-tarief tot en met 28 februari 2027, en 6 keer het Standard-tarief vanaf 1 maart 2027 (Pacific time)."

A screenshot of OpenAI's ChatGPT speed documentation describing Ultrafast mode, showing the statement that on GPT-6.2 Astra and GPT-6.2 Sol Ultrafast generates tokens at up to 4.5 times the speed of Standard, the recommendation to use WebSockets, and the note that Ultrafast has separate rate limits from Standard and Fast.

De basislijn die 126 leesbaar maakt

Een aantal tokens per seconde zegt niets zonder referentie, en er is precies één onafhankelijke referentie voor deze modelfamilie. Artificial Analysis meet GPT-6.2 Sol bij maximale redeneerinspanning op 85 outputtokens per seconde, een tijd tot het eerste token van 68 seconden, 7,9 minuten voor een voltooide indextaak en $1,01 per taak, tegen een Intelligence Index van 57. Dezelfde ranglijst zet GPT-6.2 Astra op 60 tokens per seconde en een Index van 62, tegen $4,00 per taak, en GPT-6.1 Sol op 49 tokens per seconde en een Index van 55, tegen $1,27 per taak.

Dat zijn harness-medianen op een vaste evaluatieset, en de videobewerking is een middag werk voor één persoon. Het zijn niet dezelfde meting, en de eerlijke manier om ze samen te gebruiken is als een ruwe schaalfactor in plaats van een oordeel:

Gemeten gemiddelde, 126 tokens per seconde — ongeveer 1,5× de Standard-baseline van 85.

• Gemeten piek, 252 tokens per seconde — ongeveer 3,0× die baseline, bij de snelste afzonderlijke burst.

• De 4,5×-claim had betrekking op 85 — iets meer dan 380 tokens per seconde, wat niets in het rapport benadert.

• De eigen GPT-6.2 Sol-pagina van Artificial Analysis vermeldt Ultrafast helemaal niet, dus de 85 is bij verstek een cijfer voor de Standard-modus, niet op grond van een expliciete bewering.

Waarom vier en een half keer zoveel tokens niet vier en een half keer zoveel werk is

Dit is het deel dat verloren gaat wanneer een snelheidsniveau als vermenigvuldiger wordt verkocht, en de videopost bevat toevallig het bewijs. Veertien minuten modelrespons op een taak van 27 minuten betekent dat 52% van de tijd generatie was en 48% al het andere — upload, transcodering, de eigen stappen van de editor, toolaanroepen, wat de pipeline ook doet tussen modelbeurten. Beschouw die verdeling als de vorm van de workload en de rekensom wordt genadeloos:

• De generatietijd impliceert ongeveer 106.000 outputtokens, bij 14 minuten en 126 tokens per seconde.

• Bij de Standard-basislijn van 85 tokens per seconde kosten die tokens ongeveer 21 minuten, waardoor de taak op ongeveer 34 minuten uitkomt.

• Bij de volledige bewering van 4,5× — ongeveer 383 tokens per seconde — duren ze minder dan 5 minuten, dus komt de klus op bijna 18 minuten uit.

• De run duurde eigenlijk 27 minuten, bijna precies halverwege de twee.

Zelfs als de tier elk stukje van de 4.5× had geleverd, zou de end-to-end winst op deze workload ongeveer 1.5× zijn geweest, omdat het model altijd maar de helft van het werk was. De wet van Amdahl trekt zich er niets van aan hoe snel het snelle deel wordt. Dat is geen argument tegen Ultrafast; het is een argument om de tier af te meten aan de vorm van je eigen pipeline in plaats van aan de multiplier, omdat een interactieve chatbeurt bijna volledig uit generatie bestaat en een mediapipeline niet.

Wat die 14 minuten werkelijk hebben gekost

Pas de actietariefkaart toe op de afgeleide 106.000 outputtokens, en de prijs van de meting is op één regel leesbaar:

• Standaard, $10.00 per miljoen outputtokens — ongeveer $1.06.

• Ultrafast tegen het promotietarief, $30,00 per miljoen — ongeveer $3,18.

• Ultrafast tegen lijstprijs vanaf 1 maart 2027, $ 60,00 per miljoen — ongeveer $ 6,35.

Output is slechts de helft van de rekening, en bij een agent voor videobewerking is dat waarschijnlijk de kleinere helft. Elke framebeschrijving, transcriptie en toolresultaat gaat weer als input naar binnen tegen $6,00 per miljoen tijdens de promotie, en een agent die in een loop dezelfde context verwerkt, is precies de werklast waarvoor de cache-write-rijen bestaan — $7,50 per miljoen voor een cache van 30 minuten en $15,00 voor een van 12 uur, tegen $0,30 voor het lezen van de cache. Een pipeline die zijn context opnieuw verzendt in plaats van deze te cachen, kan meer uitgeven aan input dan aan de output die hij probeerde te versnellen. Het bericht vermeldt geen tokenaantallen, dus dit kan niet worden opgeteld, alleen begrensd: de tier heeft de generatiehelft van de rekening met drie vermenigvuldigd, en zal die over veertien weken met zes vermenigvuldigen.

Op welk model moet de tier worden gezet?

Dezelfde 4,5× toegepast op drie verschillende basislijnen levert drie heel verschillende bestemmingen op, en de goedkoopste is niet de snelste.

• GPT-6.2 Sol — 85 tokens per seconde bij Standard, dus de bewering impliceert ongeveer 383. Index 57, $1,01 per taak.

• GPT-6.2 Astra — 60 bij Standard, dus de claim impliceert ongeveer 270. Index 62, $4.00 per taak, vier keer de kosten voor vijf extra indexpunten.

• GPT-6.1 Sol — 49 bij Standard, dus de bewering impliceert ongeveer 220. Index 55, $1,27 per taak, en de Ultrafast-tier heeft een vaste prijs van $12,00 input en $60,00 output per miljoen, zonder enige promotierij.

Hieruit volgen twee consequenties. Ten eerste is Ultrafast op Astra nog steeds langzamer dan Ultrafast op Sol, omdat het vanaf een lagere basis begint — als het doel doorvoer is, kom je met het sterkere model daar niet. Ten tweede is Ultrafast van GPT-6.1 Sol al geprijsd op wat Ultrafast van GPT-6.2 Sol na februari gaat kosten, waardoor het een eerlijke vooruitblik op de factuur is in plaats van een korting. OpenAI merkt ook op dat Ultrafast op GPT-6 Astra en GPT-6.1 Sol beschikbaar is voor alle API-gebruikers, terwijl het GPT-6.2-niveau je verwijst naar de snelheidslimieten van je organisatie — de moeite waard om te controleren voordat je er een wachtrij omheen bouwt.

A screenshot of the Artificial Analysis model page for GPT-6.2 Sol, showing an Intelligence Index of 57, an output speed of 85 tokens per second, a time to first token of 68 seconds, 7.9 minutes per index task, and a cost of $1.01 per task.

Je eigen nummer nemen in plaats van dit nummer te lenen

De bovenstaande meting is één enkele rapportage en moet worden behandeld als een signaal, niet als een specificatie. De manier om dit op te lossen is een gecontroleerde A/B-test op je eigen workload — dezelfde prompt, dezelfde taak, drie runs op Standard en drie met service_tier ingesteld op "ultrafast", waarbij je end-to-end minuten, totale tokens en de tijd tot het eerste token afzonderlijk registreert. Rapporteer zowel de piek als het gemiddelde, want de kloof tussen 126 en 252 in de oorspronkelijke post is het verschil tussen een tier die helpt en een tier die af en toe helpt.

OrcaRouter levert vandaag niet GPT-6.2 Sol of GPT-6.2 Astra; de catalogus bevat openai/gpt-6-astra, openai/gpt-6-sol, openai/gpt-6.1-sol en openai/gpt-6-luna, en de GPT-6.2-modelpagina's werken niet. Dit is dus geen suggestie om het nieuwe model via ons te routeren. Wat vandaag waar is, is smaller en toch nuttig voor precies deze beslissing. GPT-6.1 Sol staat in de catalogus, het is het model dat het dichtst bij het gemeten model ligt, en je evaluatieset er via één sleutel tegenaan draaien is de goedkoopste manier om erachter te komen of een snelheidsniveau je product verandert voordat je budget vastlegt voor een niveau dat in maart verdubbelt. De prijsstelling is het lijsttarief van de provider, doorgegeven zonder markup, dus de verhoging van 1 maart 2027 komt bij ons op dezelfde dag aan als bij OpenAI — geen herprijsronde, geen heronderhandeling.

Er is ook een routeringsargument dat specifiek is voor deze tier. Ultrafast heeft zijn eigen snelheidslimieten, los van Standard en Fast, en OpenAI publiceert geen standaardwaarde voor tokens per minuut voor de GPT-6.2-tier — je ontdekt je plafond pas door ertegenaan te lopen. Een pipeline die Ultrafast als enige pad behandelt, erft dat onbekende; een pipeline die op hetzelfde model kan terugvallen op Standard, levert snelheid in in plaats van te falen. Dat is het ene structurele voordeel van een snelheidstier achter een router plaatsen in plaats van deze hard te coderen, en het is de moeite waard om dat te hebben voordat de tier op een kritiek pad ligt.

A generated single-column scoreboard for GPT-6.2 Sol Ultrafast with rows reading 'Measured average: 126 tok/s', 'Measured peak: 252 tok/s', 'Standard baseline: 85 tok/s', 'Vendor claim: up to 4.5x Standard', 'Output price, promo: $30 per MTok' and 'Output price, list: $60 per MTok', with a footer noting that the measured figures are one user's task report, the baseline is per Artificial Analysis, and the claim and prices per OpenAI.

Wat zou het beslechten?

Eén getal zou dit van anekdote naar bewijs tillen: een Standard-versus-Ultrafast A/B op een vaste taak, gepubliceerd met tokens en wall-clocktijd. Totdat dat bestaat, is de verdedigbare lezing van 18 november 2026 dat Ultrafast op GPT-6.2 Sol echt is en materieel sneller dan Standard — 126 tegenover 85 is geen ruis, en een burst van 252 tokens is geen afrondingsartefact — maar dat de gepubliceerde multiplier een plafond is waar niemand in het openbaar in de buurt is gekomen, en dat een versnelling op taakniveau net zozeer afhangt van welk deel van je pipeline token-generatie is als van de tier zelf. De persoon die de meting plaatste, kreeg een video in 27 minuten gemonteerd in plaats van een geschatte 34, en deed dat op een tier uit de lanceerweek die in maart twee keer zoveel gaat kosten. Dat is een goede uitkomst en een bescheiden multiplier, en beide helften zijn het weten waard voordat iemand op 4.5× begroot.

Vergeleken in dit artikel1

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