
GPT-6.2 Astra obniża ceny tokenów o 20%. Koszt zadań spada o 36%.
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 90 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 97 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNOWOŚĆOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 88 tok/s
- OrcaNOWOŚĆOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 133 tok/s
- OrcaNOWOŚĆOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 za 1 mln tokenów · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 133 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 za 1 mln tokenów · 131 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencja
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencja
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 za 1 mln tokenów · 186 tok/s
OpenAI wprowadziło GPT-6.2 Astra 17 listopada 2026 r. z nagłówkiem, który możesz zweryfikować w dziesięć sekund: 8 USD za milion tokenów wejściowych i 40 USD za milion tokenów wyjściowych, wobec 10 USD i 50 USD w przypadku GPT-6 Astra. To czysta 20-procentowa obniżka w obu kierunkach licznika. Liczba, która faktycznie decyduje o tym, czy twoja faktura się zmieni, jest inna — i większa. Artificial Analysis wycenia GPT-6.2 Astra na 4,00 USD za zadanie Intelligence Index wobec 6,24 USD w przypadku GPT-6 Astra — to 36-procentowa redukcja kosztu ukończenia jednostki pracy, a nie kosztu tokenu.
Obie liczby są prawdziwe, a różnica między nimi to cała historia. Obniżka ceny mówi, ile nalicza licznik. Wskaźnik kosztu na zadanie mówi, ile licznik naliczył i ile razy został uruchomiony. GPT-6.2 Astra pobiera mniej za token i zużywa ich mniej, osiągając ten sam rezultat, więc oszczędności się kumulują. Miejsca, w których przestają się kumulować — żądania z długim kontekstem, zapisy do pamięci podręcznej i zasady dotyczące elementów rozumowania — to właśnie na nich ten artykuł skupia się w drugiej połowie.
To samo zadanie, o 36% taniej — i dlaczego to jest ważniejsze niż cena z metki
Artificial Analysis przyznaje GPT-6.2 Astra 62 punkty w swoim Intelligence Index — trzecie miejsce spośród 87 śledzonych modeli, w porównaniu z 57 punktami i trzynastym miejscem GPT-6 Astra. Jego wskaźnik kosztu obliczany jest na identycznym zestawie ewaluacyjnym, co sprawia, że porównanie jest uczciwe: te same zadania, ten sam harness, ten sam sposób oceniania, zmienia się wyłącznie model. Pięć punktów indeksu zdolności przyszło wraz ze spadkiem kosztu na zadanie o 36%.
To połączenie jest nietypowe. Większość premier wymienia jedno na drugie — płacisz więcej za zadanie, żeby otrzymać mądrzejszy model, albo akceptujesz słabszy model, żeby otrzymać tańszy. Tutaj oba wskaźniki zmieniły się we właściwym kierunku względem poprzednika, co wygląda na autentyczny zysk wydajności z generacji na generację, a nie na repozycjonowanie.
Sześć liczb, które mają znaczenie, obok siebie. Wszystkie ceny to publikowane stawki OpenAI w warstwie standardowej; wskaźniki i koszty na zadanie to niezależne pomiary Artificial Analysis, a nie OpenAI.
• Dane wejściowe — GPT-6.2 Astra 8,00 USD za milion tokenów vs GPT-6 Astra 10,00 USD
• Dane wyjściowe — 40,00 USD za milion tokenów vs 50,00 USD
• Zbuforowane dane wejściowe — 0,40 USD za milion przy 95% zniżki w porównaniu z 1,00 USD przy 90%
• Intelligence Index — 62, pozycja #3 z 87 vs 57, pozycja #13 z 87
• Koszt zadania Index — $4.00 vs $6.24
• Okno kontekstu — łącznie 1,050,000 tokenów, z czego maksymalnie 922,000 na wejście i 128,000 na wyjście
Zwróć uwagę na wiersz dotyczący cache. Rabat pogłębił się z 90% do 95% a stawka bazowa, do której jest stosowany, spadła z 10 USD do 8 USD, więc token wejściowy z cache kosztuje teraz 0,40 USD zamiast 1,00 USD — obniżka o 60%, trzykrotnie więcej niż w nagłówku. Jeśli Twoje obciążenie to długi prompt systemowy plus krótka tura użytkownika, zyskujesz znacznie więcej niż 20%.

Gdzie oszczędności wyciekają z powrotem
Trzy mechanizmy uszczuplają te 36%, a wszystkie trzy są udokumentowane, a nie ukryte — wystarczy przeczytać stronę cennika i przewodnik migracji, zanim zatwierdzisz budżet kontekstu.
Klif 272K
GPT-6.2 Astra ma okno 1 050 000 tokenów, ale cena zmienia kształt na długo przed tym, zanim je wypełnisz. Gdy dane wejściowe żądania przekroczą 272 000 tokenów, dane wejściowe i buforowane dane wejściowe są rozliczane według podwójnej stawki standardowej, a dane wyjściowe według 1,5-krotności — a mnożnik dotyczy całego żądania, a nie tylko tokenów powyżej progu. Prompt o długości 300 000 tokenów nie płaci premii za ostatnie 28 000 tokenów; płaci podwójnie za wszystkie 300 000.
Przy cenie 16 USD za milion tokenów wejściowych pojedyncze wywołanie 300 tys. tokenów kosztuje 4,80 USD, zanim model napisze choć słowo, podczas gdy chwilę wcześniej — przy 271 999 tokenach — ta sama praca kosztowałaby 2,17 USD. To oddanie 20-procentowej obniżki z powrotem w jednym kroku, i to z nawiązką, ponieważ ten klif to nieciągłość, a nie nachylenie. Praca z długimi dokumentami, która kiedyś mieściła się w starym oknie, wymaga teraz przemyślanej strategii dzielenia na fragmenty, a nie tylko większego budżetu.
Zapisy do pamięci podręcznej są osobną pozycją.
Odczytywanie z pamięci podręcznej jest tanie. Jej wypełnianie nie jest darmowe: zapisy do pamięci podręcznej są rozliczane po 10 USD za milion tokenów, powyżej standardowej stawki za dane wejściowe. Głęboka, często unieważniana pamięć podręczna promptów może kosztować więcej w utrzymaniu, niż oszczędza na odczytach. Ekonomia sprzyja stabilnemu prefiksowi, który przetrwa wiele tur, co jest dokładnie tym wzorcem, do którego nakierowują własne notatki migracyjne OpenAI.
Odrzucone elementy rozumowania
Począwszy od tej generacji, API odrzuca elementy rozumowania, gdy wykryje zmianę w historii w trakcie rozmowy — edycję prefiksu, obniżenie wersji modelu, zmianę użytkownika końcowego lub organizacji. Gdy model traci ten kontekst, może odpowiadać gorzej i zużywać więcej tokenów na ponowne odtwarzanie pracy, którą już wykonał. To drugi efekt widać na rachunku: integracja, która edytuje swój prompt systemowy między turami, po cichu zapłaci za to samo rozumowanie dwa razy, a 36% oszczędności będzie wyglądać jak błąd zaokrąglenia.
Rozwiązanie ma charakter architektoniczny, a nie finansowy. Nie zmieniaj prefiksu, gdy modyfikujesz ustawienia między odpowiedziami, a wcześniejsze dane wejściowe pozostaną kwalifikowalne do buforowania w tym samym czasie, w którym zachowane zostaje rozumowanie. Jeden nawyk chroni obie pozycje faktury.
Ustawienia rozumowania to decyzja dotycząca budżetu
GPT-6.2 Astra nie zaakceptuje ustawienia reasoning.effort na none. Przewodnik migracji OpenAI mówi, aby nowe integracje rozpoczynać od poziomu medium, a wszelkie istniejące ustawienia none lub minimal mapować na low. Nic w tym dziwnego w przypadku modelu stawiającego rozumowanie na pierwszym miejscu, ale oznacza to, że prosta podmiana ciągu modelu z poprzednika bez rozumowania da zarówno gorszą odpowiedź, jak i większy rachunek, niż zakłada plan migracji.
Tokeny rozumowania są rozliczane jako dane wyjściowe. Przy 40 USD za milion różnica między niskim a wysokim poziomem w długim przebiegu agenta nie jest błędem zaokrąglenia — często jest największą pojedynczą zmienną w koszcie zadania. Zmierzona wartość 4,00 USD na zadanie Intelligence Index zakłada taką konfigurację wysiłku, jakiej użyło Artificial Analysis; twoja liczba zależy od twojej. Traktuj ustawienie wysiłku jako pierwszą dźwignię kosztową, którą dostrajasz, zanim dotkniesz czegokolwiek innego.

Co premiera faktycznie poprawiła, a czego nie
Obniżka ceny ma sens tylko wtedy, gdy model jest co najmniej tak dobry. W ocenach długoterminowych i naukowych GPT-6.2 Astra poczynił zdecydowane postępy. Terminal-Bench-Science wzrósł z 63,3% w GPT-6 Astra do 78,1%, a Terminal-Bench 4.0 osiąga 64,1%. AA-AnalystAgent plasuje się na poziomie 62,5%, AA-3D na 1 318 Elo, a LAB-AA firmy Harvey na 15,0%. W przypadku pracy agentowej, która przebiega przez wiele kroków i musi utrzymywać skupienie na zadaniu, to jest profil, którego potrzebujesz — i to ten profil generuje efektywność tokenową stojącą za 36%.
Dwa miejsca, które się nie przesunęły, warto znać, zanim przełączysz cały potok.
Pierwszy obszar to programowanie konkursowe. FrontierCode-AA 2.0 plasuje GPT-6.2 Astra na poziomie 45,4%, wciąż za Claude Fable 5.2 z 48,8%. Astra nadrobiła dużo strat w innych obszarach, ale nie objęła prowadzenia w trudnym programowaniu, więc zespół, którego obciążenie pracą ma głównie charakter FrontierCode, ma mniej powodów, by migrować ze względu na możliwości — to argument cenowy ma tu zastosowanie.
Druga rzecz jest gorsza niż przestój. W AA-Omniscience wskaźnik halucynacji GPT-6.2 Astra wynosi 59,1%, w porównaniu z 49,8% w GPT-6 Astra. Jest bardziej skłonny odpowiadać, gdy nie wie. To problem kosztowy przebrany za problem jakości: pewna siebie błędna odpowiedź, którą potem trzeba wykryć, odrzucić i uruchomić ponownie, kosztuje cię tokeny dwa razy, a przy ponownym uruchomieniu twoja staranna arytmetyka na zadanie się załamuje. Każdy przepływ pracy, w którym wychwycenie błędnej odpowiedzi jest kosztowne, zasługuje na etap weryfikacji, zanim obniżka ceny zostanie uznana za oszczędność.

Uzyskanie ceny bez stawiania na nią całego pipeline’u
GPT-6.2 Astra jest dostępny poprzez własne API OpenAI oraz kilka platform zewnętrznych. Nie ma go dziś w katalogu OrcaRouter, więc jeśli chcesz wywołać go w tym tygodniu, zwracasz się bezpośrednio do dostawcy. Nic w powyższej analizie cenowej nie zależy od tego, skąd go wywołujesz — ale dwie kwestie dotyczące sposobu wywoływania warto zaplanować już teraz, ponieważ to te same dwie rzeczy, które dają się we znaki zespołom trzy tygodnie po rozpoczęciu migracji.
Pierwsza kwestia to przełączanie awaryjne. Model wydany wczoraj nie ma historii działania na Twoim ruchu, a uczciwa rada brzmi: uruchomić go obok modelu, który miałby zastąpić, a nie w jego miejsce. Kierowanie obu modeli przez jeden punkt końcowy zgodny z OpenAI, z automatycznym przełączaniem awaryjnym między dostawcami, sprawia, że gorszy dzień u jednego z dostawców nie staje się gorszym dniem dla Twoich użytkowników, gdy wciąż decydujesz, czy 36% jest realne w Twoim obciążeniu. OrcaRouter oferuje GPT-6 Astra, GPT-6 Sol i GPT-6.1 Sol, dzięki czemu test A/B względem poprzednika Astry można przeprowadzić na jednym kluczu, bez drugiej umowy i bez zmian w kodzie po stronie klienta.
Drugi element to przenoszenie cen. OrcaRouter rozlicza bez narzutu — po cenie katalogowej dostawcy, bez zmian. Ma to szczególne znaczenie właśnie przy wydaniu takim jak to: obniżka ceny dostawcy trafia do Twojej stawki tego samego dnia, w którym trafia do ich stawki, bez renegocjacji i bez opóźnienia w zmianie cen. Jeśli GPT-6.2 Astra dołączy do katalogu, powyższe $8 i $40 to liczby, które zobaczysz, a nie ich zawyżona wersja.
To, co ci to w międzyczasie daje, to czyste porównanie. Przepuść dziś ten sam zestaw ewaluacyjny przez GPT-6 Astra, zanotuj swój rzeczywisty koszt na zadanie przy rzeczywistym poziomie wysiłku — i masz punkt odniesienia, wobec którego te 36% albo się utrzyma, albo nie. Większość zespołów, które pomijają ten krok, kończy na mierzeniu nagłówka zamiast własnego obciążenia i odkrywa klif 272K w drogi sposób.
Kto powinien działać teraz, a kto powinien czekać
Przechodź teraz, jeśli Twoje obciążenie to długoterminowa praca agentowa, analiza dokumentów do około 250 000 tokenów lub cokolwiek naukowego i opartego na terminalu — skok Terminal-Bench-Science z 63,3% do 78,1% jest wystarczająco duży, by zmienić to, co jest wykonalne, a efektywność tokenowa kumuluje się z obniżką ceny.
Postępuj ostrożnie, jeśli Twoje prompty regularnie przekraczają 272 000 tokenów. Klif nie nagradza większego budżetu; karze go. Dziel na fragmenty albo zaplanuj podwójny budżet.
Czekaj, albo przynajmniej najpierw zrób test A/B, jeśli Twoja praca mocno opiera się na trudnym programowaniu konkursowym — FrontierCode-AA 2.0 wciąż faworyzuje Claude Fable 5.2 — albo jeśli pewna siebie błędna odpowiedź jest kosztowna w Twojej dziedzinie, gdzie wskaźnik halucynacji, który wzrósł z 49,8% do 59,1%, zasługuje na osobny pomiar, zanim stanie się Twoim domyślnym wyborem.
Za każdym razem świadomie ustaw nakład rozumowania, zanim porównasz faktury. Te 20% znajduje się na stronie cennika, a te 36% w rankingu. Żadna z tych wartości nie jest jeszcze Twoim rachunkiem.
