Trzykolumnowa drabinka cenowa dla GPT-6.2 Astra: Standard w cenie 8,00 USD za wejście i 40,00 USD za wyjście za milion tokenów, ze strumieniowaniem i bez okna rabatowego; okno 2-godzinne 30% poniżej Standard, czyli 5,60 USD za wejście, 0,28 USD za pamięć podręczną i 28,00 USD za wyjście, bez strumieniowania; oraz okno 8-godzinne 40% poniżej Standard, czyli 4,80 USD za wejście, 0,24 USD za pamięć podręczną i 24,00 USD za wyjście, z zastrzeżeniem w stopce, że jest to cel, a nie gwarancja. Logo OrcaRouter znajduje się w prawym dolnym rogu.
Guides & Insights

GPT-6.2 Astra Tryb tła: 40% zniżki, płatne według czasu zegarowego

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Najtańsza droga OpenAI do GPT-6.2 Astra nie zmienia ceny modelu. Zmienia to, kiedy jesteś gotów otrzymać odpowiedź. Wyślij to samo żądanie przez Responses API z background ustawionym na true oraz background_options.completion_window ustawionym na 8h, a tokeny GPT-6.2 Astra, wyceniane katalogowo na 8 USD za wejście i 40 USD za wyjście za milion, zostaną rozliczone po 4,80 USD i 24 USD. W przypadku GPT-6.2 Sol stawka 2 USD i 10 USD staje się 1,40 USD i 7 USD. Te same wagi, to samo rozumowanie, to samo okno kontekstu. GPT-6.2 Sol, tańszy z tej dwójki, otrzymuje identyczne traktowanie: 1,40 USD i 7 USD w ośmiogodzinnym oknie wobec 2 USD i 10 USD w wariancie Standard. Zmieniło się tylko twoje miejsce w kolejce.

Ta oferta została wdrożona 17 listopada 2026 r., w tym samym oknie changelogu co same dwa modele, i łatwo ją błędnie odczytać jako obniżkę ceny. To nie jest obniżka. Obniżka ceny podąża za modelem wszędzie, gdzie jest wywoływany. Okno ukończenia to flaga na jednym punkcie końcowym, a każda właściwość, która czyni je cennym dla harmonogramu OpenAI, jest właściwością, którą trzeba zaakceptować: brak streamingu, brak współdzielenia pamięci podręcznej ze zwykłym ruchem i budżet limitu szybkości, który teraz dzielisz z Batch API.

Powód, dla którego zasługuje na coś więcej niż jedną linijkę w changelogu, jest taki, że ta zniżka jest wyjątkowo głęboka jak na poziom, który zachowuje pełną jakość modelu. Batch od lat jest objęty 50% zniżką, ale Batch przyjmuje tylko żądania, które można przesłać jako plik i o nich zapomnieć. W tym przypadku mamy 40% zniżki na rozmowę z agentem na żywo, z kolejnymi turami i danymi wyjściowymi narzędzi, pod warunkiem że rozmowa może tolerować kolejkę. Dla wielu obciążeń produkcyjnych to różnica między pytaniem o przystępność cenową a pytaniem o architekturę.

Czym jest okno w ujęciu API

Sam tryb tła nie jest nowością: to sposób Responses API na asynchroniczne uruchamianie długiego żądania. Ustawiasz background na true, natychmiast otrzymujesz z powrotem identyfikator odpowiedzi, a wynik odbierasz później przez webhook dla response.completed lub odpytując punkt końcowy retrieve, gdy status ma wartość queued lub in_progress. Tryb tła zawsze służył temu, by nie utrzymywać otwartego połączenia przez dwudziestominutowe uruchomienie agenta.

Nowością jest to, że kolejka w tle ma teraz poziomy z cenami. background_options.completion_window przyjmuje soonest, 2h lub 8h. Soonest jest wartością domyślną i nie wiąże się z żadną zniżką; to przypadek „wygeneruj raport, gdy ktoś czeka”. 2h jest o 30% niższe od Standard i 8h jest o 40% niższe, a dokumentacja wyraźnie określa, że docelowy zegar zaczyna biec, gdy API przyjmie początkowe żądanie, i dotyczy tej odpowiedzi.

„Ma na celu ukończenie w wybranym oknie” to zdanie, które warto przeczytać dwa razy. To cel harmonogramowania, a nie gwarancja ani stałe opóźnienie, a samo API radzi, że czasy rozpoczęcia zależą od harmonogramowania. Żądanie w ośmiogodzinnym oknie nie jest wstrzymywane na osiem godzin, a potem uruchamiane; jest uruchamiane, gdy pozwalają na to moce przerobowe, a jeśli zakończy się w cztery minuty, dostajesz je w cztery minuty. To, co oddałeś, to prawo do narzekania, gdy tak się nie stanie.

Drabinka w dolarach

Oba modele objęte tym oknem, z cenami dla każdego progu, za milion tokenów, przyjmując opublikowane przez OpenAI stawki Standard jako punkt odniesienia:

GPT-6.2 Astra, Standard — 8 USD za wejście, 0,40 USD za wejście z pamięci podręcznej, 40 USD za wyjście

• GPT-6.2 Astra, okno 2 godz. — wejście: 5,60 USD, z pamięci podręcznej: 0,28 USD, wyjście: 28 USD

• GPT-6.2 Astra, okno 8h — $4.80 za wejście, $0.24 z pamięci podręcznej, $24 za wyjście

• GPT-6.2 Sol, Standard — 2 USD za wejście, 0,10 USD za dane z pamięci podręcznej, 10 USD za wyjście

• GPT-6.2 Sol, okno 2-godzinne — $1.60 za wejście, $0.08 za pamięć podręczną, $8 za wyjście

• GPT-6.2 Sol, okno 8 godz. — 1,40 USD za wejście, 0,06 USD za dane z pamięci podręcznej, 7 USD za wyjście

• Dla zobrazowania skali: ten sam model w szybkim wariancie — tryb Fast podwaja stawkę Standard do $16 i $80; Ultrafast to 3× Standard przy $24 i $120 do 28 lutego 2027 r. oraz 6× przy $48 i $240 od 1 marca 2027 r.

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.

To są stawki za tokeny, a stawki za tokeny to nie to samo, co koszt zadania. Ważony rachunek Artificial Analysis za ukończone zadanie Intelligence Index na GPT-6.2 Astra wynosi 4,00 USD w wariancie Standard, według jego indeksu v5.0.1 mierzonego przy maksymalnym wysiłku. Gdyby zniżka za okno czasowe miała zastosowanie jednolicie do kategorii w tym rachunku, to samo zadanie kosztowałoby 2,80 USD w dwugodzinnym oknie i 2,40 USD w ośmiogodzinnym. W przypadku dziesięciu tysięcy zadań daje to 28 000 USD i 24 000 USD zamiast 40 000 USD.

To „jeśli” naprawdę ma znaczenie. Dokumentacja OpenAI opisuje tę zniżkę jako mającą zastosowanie do stawek za tokeny modelu w każdym kwalifikującym się żądaniu, w tym w kolejnych żądaniach, a jej strona z cennikiem powtarza to samo sformułowanie. Żadna z tych stron nie rozbija zniżki według kategorii tokenów, a rachunek za tokeny w tym modelu nie składa się głównie z surowego wejścia: w pomiarze Artificial Analysis 1,19 USD z 4,00 USD stanowiły odczyty z pamięci podręcznej, 1,10 USD — zapisy do pamięci podręcznej, a tylko 0,065 USD — wejście spoza pamięci podręcznej, przy 1,64 USD na wyjście. Zapisy do pamięci podręcznej mają własną stawkę — 10 USD za milion dla 30-minutowej pamięci podręcznej i 20 USD dla 12-godzinnej — więc obciążenie zdominowane przez zapisywanie dużych promptów do pamięci podręcznej może nie spaść dokładnie o 40%. Traktuj te 40% jako ogólny kształt zniżki i mierz własny rachunek, zamiast zakładać ten mnożnik.

Cztery warunki, które dziedziczysz

Rabat nie jest dostępny przy każdym żądaniu, a właśnie na wykluczeniach implementacje zwykle popełniają błędy.

• Tylko przetwarzanie standardowe. Aby skorzystać z obniżonych okien, wymagane jest ustawienie service_tier na default. Jeśli pozostawisz je na auto, żądanie kwalifikuje się tylko wtedy, gdy API akurat wybierze Standard, co oznacza, że Twoja zniżka staje się rzutem monetą, którego nie da się przewidzieć.

• Brak streamingu. Streaming działa tylko z soonest. W przypadku 2h i 8h musisz pominąć stream lub ustawić go na false; nie możesz też później streamować odpowiedzi, jeśli nie została utworzona z streamingiem.

• Jeden wspólny limit szybkości. Żądania w oknach dwugodzinnych i ośmiogodzinnych współdzielą limit szybkości Batch/Background z zadaniami Batch API, a tokeny wejściowe są liczone przy zgłoszeniu. Eksperyment, który wysyła dokument o milionie tokenów do ośmiogodzinnego tła, nie tylko czeka; zużywa zapas, z którego korzystały Twoje zadania Batch.

• Kontynuacje muszą być zgodne. Uruchomienie agenta to łańcuch, a zniżka przetrwa w łańcuchu tylko wtedy, gdy każda kontynuacja powtórzy okno, continuation_id, model, projekt i ustawienie tła. Użyj ponownie identyfikatora kontynuacji, a kontynuacja również stanie się kwalifikowalna do wyższego priorytetu w kolejce. Zmień którykolwiek z tych elementów, a następna tura będzie żądaniem standardowym.

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.

W regułach pamięci podręcznej ukrywa się piąty warunek i to on ma najdłuższy ogon. Standardowe żądania poza oknami objętymi zniżką nie mogą ponownie wykorzystywać wpisów pamięci podręcznej promptów utworzonych przez dwugodzinne lub ośmiogodzinne żądania w tle, nawet gdy prompt jest identyczny, i odwrotnie również. Jeśli połowa ruchu przebiega w oknie, a połowa na żądanie, po cichu dzielisz pamięć podręczną promptów na dwie części i płacisz za dwukrotny zapis tego samego prefiksu. Rabat po jednej stronie tego podziału jest równoważony zapisem do pamięci podręcznej po drugiej, a model z opłatą 10 USD za milion zapisów do pamięci podręcznej to dokładnie najgorszy kandydat do dzielenia.

Koszt, którego nie ma na fakturze

Rabat zapewnia tokeny w zamian za czas, a czas nie jest ograniczony przez okno. Weźmy nocny przegląd dokumentów, którego sama dokumentacja używa jako przykładu: jedno ośmiogodzinne żądanie, wywołanie narzędzia i kolejne żądanie, które przenosi z powrotem pobrany dokument. Obie odpowiedzi kwalifikują się do 40%, a dla drugiej docelowy czas jest liczony od nowa. W najlepszym przypadku cały przebieg kończy się przed śniadaniem. W najgorszym przypadku każda z dwóch odpowiedzi trwa blisko swojego pełnego docelowego czasu, co sprawia, że górny limit czasu od początku do końca wynosi około szesnastu godzin, a nie ośmiu.

Ta arytmetyka nie skaluje się dobrze w przypadku długo działających agentów. Przepływ pracy składający się z dwunastu tur, w którym każda tura przechodzi przez ośmiogodzinne okno, ma pułap czterech dni, a rzeczywiste planowanie plasuje się gdzieś między najlepszym przypadkiem a tym pułapem, bez opublikowanego rozkładu. Uczciwym sposobem wdrożenia tego jest decydowanie na poziomie przepływu pracy, a nie pojedynczego wywołania: potok, którego dane wyjściowe są wykorzystywane następnego ranka, naturalnie się nadaje, a sesja interaktywna nie — niezależnie od tego, ile tokenów pozwoliłoby to zaoszczędzić. Okno jest ofertą na tanie moce obliczeniowe, a oferty są realizowane, gdy są moce do zapełnienia.

Dziura Flex, o której nikt nie wspomina

Zanim pojawiły się te okna, sposobem na uzyskanie zniżki w tej rodzinie modeli było service_tier: flex: 50% poniżej Standard, przy niższym priorytecie. Flex nadal istnieje w starszych modelach — GPT-6 Astra ma w tabeli Flex ceny 5 i 25 USD w porównaniu z 10 i 50 USD w Standard — ale przewodnik OpenAI dotyczący pracy w tle wyraźnie stwierdza, że począwszy od GPT-6.2 Astra i Sol nowe modele debiutują bez przetwarzania Flex, a w przypadku długotrwałych zadań należy zamiast tego korzystać ze zniżkowych okien ukończenia z przetwarzaniem Standard.

Zestaw obie liczby obok siebie, a kierunek zmian stanie się widoczny. W poprzedniej generacji cierpliwy wywołujący mógł kupić 50% taniej. W tej najgłębszy próg to 40% i wymaga, aby przedstawić pracę jako zadanie w tle. Zamiennik nie jest prostym ulepszeniem starej opcji; to węższa opcja przy mniejszym rabacie, a do tego wiąże się z formą żądania — asynchroniczną, niestrumieniową, z pojedynczym identyfikatorem odpowiedzi — której nie każda integracja może przyjąć.

Batch wciąż sięga głębiej, ale dla połowy z tego jest niewłaściwym narzędziem.

Batch API nadal jest objęte 50% zniżką przy 24-godzinnym czasie realizacji, a pod względem samej ceny bije każde okno trybu w tle. Różnica ma charakter strukturalny, a nie ilościowy. Batch przyjmuje plik JSONL niezależnych żądań i zwraca plik wyników; przepływ pracy nie zachowuje pamięci między wierszami. Tryb w tle służy do obsługi jednej odpowiedzi naraz, a stan rozmowy jest przenoszony dalej poprzez previous_response_id oraz łańcuch wywołań narzędzi, które aplikacja musi wykonać pomiędzy nimi.

Zatem decyzja nie brzmi „co jest tańsze”, lecz „czy moje obciążenie ma poziom pośredni”. Pięć tysięcy niezależnych wywołań klasyfikacji należy do Batch i zawsze tam należało. Pojedynczego uruchomienia agenta, które odczytuje dokument, wywołuje funkcję, a następnie zapisuje raport, w ogóle nie można wyrazić jako partii — jego drugie żądanie nie istnieje, dopóki pierwsze nie zwróci wyniku. To jest luka, którą wypełniają okna, i jest to luka realna: te 40% to pierwsza zniżka, jaką OpenAI zaoferowało za pracę ze stanem i w wielu turach.

Przypis dotyczący przechowywania z konsekwencjami w zakresie zgodności

Tryb w tle tymczasowo przechowuje dane odpowiedzi, nawet gdy store ma wartość false lub projekt korzysta z Zero Data Retention, ponieważ API potrzebuje tych danych do wykonania żądania i umożliwienia pobrania wyniku. Są one szyfrowane w spoczynku w każdym oknie, w tym soonest, a zalecenie jest takie, aby samodzielnie zapisać oryginalne dane wejściowe i pełne dane wyjściowe odpowiedzi, dopóki można je jeszcze pobrać. Dla tego tymczasowego przechowywania nie podano żadnego czasu ważności (TTL).

Dla zespołu, który wybrał Zero Data Retention dla obciążenia objętego regulacjami, „tymczasowo przechowywane” to zdanie, które trzeba przekazać osobie zatwierdzającej przegląd sposobu obsługi danych — i musi ono dotrzeć przed zakolejkowaniem pierwszego ośmiogodzinnego zadania, a nie po nim. Rabat nie zmienia statusu zgodności punktu końcowego; zmienia natomiast to, jak długo żądanie i jego wynik pozostają w stanie, którego nie widzisz.

Co routing wnosi, a czego nie wnosi w tym miejscu

Jedna rzecz warta precyzyjnego wyjaśnienia, bo łatwo się pomylić, gdy ogłaszana jest zniżka: to funkcja harmonogramowania, a nie cena katalogowa. OrcaRouter przekazuje cenę katalogową dostawcy bez marży (0%), dlatego prawdziwa obniżka cen OpenAI pojawia się u nas tego samego dnia — ale okno ukończenia to flaga na własnym punkcie końcowym OpenAI i nie podróżuje razem z modelem. Wywoływanie GPT-6.2 Astra przez router nie odtwarza tych 40%, i żaden router nie może, ponieważ zniżkę może przyznać wyłącznie harmonogram.

To pozostawia dwie rzeczy, do których routing faktycznie się nadaje w takim kształcie wdrożenia. Pierwsza to wybór modelu: spośród czterech modeli objętych oknami — GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra i GPT-6 Luna — tańsza część jest już w naszym katalogu z GPT-6 Luna i GPT-6.1 Sol w cenie katalogowej, więc decyzja o poziomach i decyzja o dostawcy pozostają na jednym kluczu, a nie na dwóch umowach. Druga to ochrona wywołań, które nie mogą czekać. System, który umieszcza swoje zadania nocne w ośmiogodzinnym oknie, uczynił swoją ścieżkę wrażliwą na opóźnienia ważniejszą, a nie mniej ważną, a automatyczne przełączanie awaryjne na tej ścieżce zapobiega temu, by pojedynczy incydent u dostawcy zamienił pięciosekundowe wywołanie w awarię. Kolejka i przełączanie awaryjne uzupełniają się: cierpliwość wydajesz tam, gdzie ją masz, więc możesz sobie pozwolić na brak tolerancji wszędzie indziej.

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.

Reguła praktyczna

Jeśli odpowiedź jest odbierana przez człowieka, który ją obserwuje, nic z tego nie ma zastosowania: wybierz opcję najszybszą, przesyłaj ją strumieniowo i płać według stawki Standard. Jeśli odpowiedź jest wykorzystywana przez zaplanowane zadanie, raport, który ma trafić przed porannym spotkaniem, lub potok, którego następny etap uruchomi się dziś wieczorem, ośmiogodzinne okno oznacza 40% zniżki na tokeny pełnej jakości, a jedyne realne pytanie brzmi, czy Twoja integracja może funkcjonować bez streamingu i z rozdzielonym cache'em promptów. Dwugodzinne okno przy 30% to niezręczny środek — wystarczająco głęboki, by uzasadnić zmianę architektury tylko wtedy, gdy praca jest naprawdę ograniczona dwugodzinnym terminem, a większość pracy o charakterze wsadowym taka nie jest.

Liczba, na którą trzeba uważać, to nie procent zniżki, lecz udział Twojego ruchu, który już czeka. Zespoły, które uruchamiają agentów nocą, dostają 40% zniżki na rachunek, który i tak miałyby zapłacić. Zespołom, które uruchamiają ich interaktywnie, oferuje się zniżkę, której nie mogą wykorzystać, na modelu, który nie oferuje już poziomu 50% Flex, będącego kiedyś ich rozwiązaniem zapasowym. Ta druga grupa powinna przeczytać stronę z cennikiem przed stroną architektury, ponieważ 17 listopada najtańszy sposób wywoływania GPT-6.2 Astra przestał być poziomem, który się wybiera, a stał się harmonogramem, który się akceptuje.

Porównane w tym artykule1

Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie