
GPT-6.2 i wymówka związana z mocą obliczeniową: co OpenAI opublikowało na temat tego, dokąd faktycznie trafiają GPU
- 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 1.02026-11-0717 tok/s
- OrcaNOWOŚĆOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 87 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 · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 92 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 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 150 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 · 119 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 · 219 tok/s
W nocy 15 listopada 2026 r. @kimmonismus przedstawił teorię wyjaśniającą, dlaczego GPT-6.2 się nie pojawił: OpenAI przeznacza ograniczone moce obliczeniowe na badania, a nie na udostępnianie nowych modeli, ponieważ szybki postęp sprawia, że pośrednie punkty kontrolne są mniej atrakcyjne do wydania, a czynnikami mogą być też bezpieczeństwo, gotowość produktu i koszty. To twierdzenie ma połowę możliwą do sprawdzenia i połowę niemożliwą do sprawdzenia. Połowa możliwa do sprawdzenia polega na tym, że GPT-6.2 nie istnieje w żadnym artefakcie publikowanym przez OpenAI. Katalog modeli wymienia sześć identyfikatorów tekstowych GPT-6 — GPT-6 Astra, GPT-6.1 Sol, GPT-6.1 Terra, GPT-6 Luna, GPT-6 Sol oraz objęty kontrolą dostępu GPT-6 Cyber — i nic oznaczone numerem 6.2. W cenniku nie ma wiersza 6.2. Najnowszym wpisem modelowym w dzienniku zmian jest GPT-6 Cyber z 5 listopada, jedenaście dni temu. Artificial Analysis, którego indeks jest niezależny od OpenAI, choć mierzy własny zestaw zadań, nie ma wpisu GPT-6.2. Połowa niemożliwa do sprawdzenia dotyczy tego, gdzie faktycznie trafiają moce obliczeniowe, i nikt spoza firmy nie może tego rozstrzygnąć na podstawie tweeta.
To, co można zrobić zamiast tego, jest węższe i bardziej użyteczne: przeczytać cztery dokumenty, które OpenAI opublikowało od końca września na temat zarządzania obliczeniami i modelami, i zapytać, co mówią one o alokacji. Czytane razem opisują coś, czego tweet nie opisuje — moc obliczeniowa jest racjonowana w ramach badań przez udokumentowany system kontroli z opublikowanym opóźnieniem zatrzymania, podczas gdy udostępnianie jest opisywane jako odrębny stos, który — jak ujmuje to samo OpenAI — „jest już z natury znacznie bardziej scentralizowany”. Taki jest kształt historii o obliczeniach, na ile potwierdza ją publiczny zapis. Wszystko poniżej jest oznaczone według pochodzenia, ponieważ większość z tego to dostawca opisujący sam siebie.

Co mówi katalog 16 listopada
Brak ten jest łatwy do zweryfikowania i wart precyzyjnego stwierdzenia, ponieważ posty „GPT-6.2 nadchodzi” krążą od tygodni. Katalog modeli API OpenAI, pobrany dziś rano, zawiera sześć identyfikatorów GPT-6 oraz jedną rodzinę modeli obrazowych, jeden model głosowy i jeden model dla nauk o życiu. Opis tekstowy brzmi: GPT-6 Astra jako „nasz najbardziej zdolny model do najbardziej wymagających zadań”; GPT-6.1 Sol jako „wydajność zbliżona do Astra w złożonych zadaniach przy niższym koszcie”; GPT-6.1 Terra do rozumowania wizualnego i korzystania z komputera; GPT-6 Sol do kodowania i przepływów pracy agentowych; GPT-6 Luna do pracy o dużym wolumenie; oraz GPT-6 Cyber do badania podatności za pośrednictwem konfiguracji Daybreak. Na tej liście nie ma 6.2, a żądanie strony modelu pod standardową ścieżką dokumentacji zwraca 404.

Dziennik zmian wypełnia kształt luki. Odkąd GPT-6 Astra została wydana 3 września, OpenAI publikowało wzdłuż pionowych linii, a nie w jednej rosnącej linii tekstu:
• 22 września — GPT-6 Sol i GPT-6 Luna dodane jako poziom kodowania oraz poziom wolumenowy w ramach Astra
• 29 września — Astra i Sol oferowane w wariancie usług Ultrafast, w cenie sześciokrotnie wyższej niż standardowe stawki
• 8 października — GPT-6.1 Sol w Ultrafast, pierwszy raz, gdy model średniej klasy trafił na szybką ścieżkę
• 16 października — dziewięć nowych głosów GPT-Live i prompt-to-voice; tryb Ultrafast rozszerzono na Agents API
• 22 października — Decisions API ogólnie dostępne na GPT-6 Luna, a limit pytań na żądanie zwiększono z 200 do 400
• 26 października — GPT-6.1 Terra, nastawiony na rozumowanie wizualne i obsługę komputera, a nie na surowe wyniki benchmarków
• 30 października — GPT-6 Rosalind, rozumowanie biologiczne, dostępny wyłącznie w ramach programu zaufanego dostępu
• 2 listopada — wychodzące połączenia SIP w GPT-Live; 4 listopada — GPT-Image-2.6 Sunburst i Flare, z generowaniem plików SVG i animowanych GIF-ów
• 5 listopada — GPT-6 Cyber, do pracy nad podatnościami, dostępny po onboardingu Daybreak
Jedenastodniowy changelog od tamtej pory nie zawiera żadnego modelu: portfel, funkcje biznesowe, wskazówki edukacyjne, partnerstwo w zakresie cyberobrony, wpis o fizyce. Gdyby moc obliczeniowa była hurtowo wstrzymywana przed udostępnianiem, nie byłby to wzorzec, którego można by oczekiwać — obrazy, głos, telefonia, nauki przyrodnicze i model bezpieczeństwa zostały wydane. Nie wydano natomiast nowego frontierowego checkpointu tekstowego. Ta różnica to cały argument, a tweet ją spłaszcza.
Trzy wyjaśnienia, a tylko jedno z dokumentacją
Tekst wymienia trzy lub cztery przyczyny i nie rozstrzyga między nimi. Niedobór mocy obliczeniowych, bezpieczeństwo, gotowość produktu i koszt są równie prawdopodobne; tylko jedna z nich ma opublikowany, możliwy do zbadania mechanizm, a nie jest to serwowanie.
9 listopada OpenAI opublikowało Control Room: „centralny system do śledzenia obciążeń modeli w naszej infrastrukturze badawczej i szybkiego zatrzymywania ich, gdy pojawią się obawy dotyczące bezpieczeństwa lub ochrony”. Konkretne szczegóły mają większe znaczenie niż sposób przedstawienia. System „zatrzymuje wyniki modelu w ciągu 35 sekund od decyzji o interwencji”, a firma podaje, że maksymalny czas między poleceniem zatrzymania a momentem, w którym dalszy postęp nie jest już możliwy, wynosi 35 sekund, przy deklarowanym celu sprowadzenia go do zera. Działa w trybie fail-closed. Wymaga, aby „każde obciążenie badawcze wykonujące wnioskowanie agentowe” było „powiązane z zatwierdzonym przypadkiem bezpieczeństwa” oraz aby „wszystkie nasze wiodące zadania z zakresu uczenia ze wzmocnieniem były uruchamiane z monitorem”.
To system przeznaczony do przydzielania i odbierania mocy obliczeniowej na badania. To nie jest system do planowania wydań, a dokument mówi o tym niemal mimochodem: „Nasz zewnętrzny stos do obsługi modeli jest już z natury znacznie bardziej scentralizowany”. Czytając uważnie, to zdanie ma duże znaczenie. Oznacza, że to, co musiałoby podlegać reglamentacji, aby teoria z tweeta była trafna — zdolność obsługi — jest opisywane jako już skonsolidowane, a to, czym aktywnie się zarządza, co się dławi i wyłącza awaryjnie, to wnioskowanie badawcze. Publiczna dokumentacja odnotowuje rywalizację wewnątrz badań. Nie odnotowuje kolejki ukończonych checkpointów czekających na zdolność obsługi.
Dokumenty uzupełniające wskazują w tym samym kierunku. 28 września OpenAI argumentowało, że „przed kontynuowaniem jakiegokolwiek treningu uczenia ze wzmocnieniem modeli frontier należy wymagać ustrukturyzowanej dokumentacji bezpieczeństwa” — bramka umieszczona przed treningiem, a nie przed udostępnieniem, z możliwością zgłoszenia sprzeciwu w ramach pre-mortem, prawem weta starszych liderów oraz nakazem, aby monitorowanie i automatyczne wstrzymywanie działały w trybie fail-closed. 23 października ujawniło incydent, który nadał tym zasadom realną moc: błędnie skonfigurowany resolver DNS z 20 września, wstrzymanie treningu i ewaluacji jego najzdolniejszych modeli oraz wznowienie uczenia ze wzmocnieniem 1 października — „11 dni po rozpoczęciu naszego wstrzymania”. Firma, która wstrzymuje własny trening frontier na jedenaście dni z powodu resolvera, jest firmą, której wiążące ograniczenie po stronie badań jest czytelne. Jej wiążące ograniczenie po stronie serwowania nie jest nigdzie udokumentowane.
Jedyna liczba, którą można sfalsyfikować
Niedobór mocy obliczeniowej to ta część tweeta, którą najłatwiej powinno być przetestować, ponieważ OpenAI opublikowało bardzo wiele informacji na temat fizycznych możliwości. 29 kwietnia poinformowało, że już przekroczyło 10-gigawatowe zobowiązanie Stargate podjęte na 2029 rok, dodając, że „w samych ostatnich 90 dniach dodano ponad 3 GW”, oraz że „jedynym odpowiedzialnym sposobem, aby temu sprostać, jest budowanie większej mocy obliczeniowej, szybciej”. 5 listopada w dokumencie dotyczącym zasad postępowania w centrach danych ujawniło, że w planowanym kampusie w hrabstwie Effingham „nasza umowa z Georgia Power pozwala temu przedsiębiorstwu energetycznemu ograniczyć dostarczaną nam moc o nawet 1000 megawatów w okresach wysokiego zapotrzebowania”.
Te dwa fakty dziwnie nie pasują do „niedoboru mocy obliczeniowej” jako wyjaśnienia opóźnionego wydania. Firma dodająca trzy gigawaty w ciągu kwartału i akceptująca umowne prawo zakładu energetycznego do ograniczenia jednego gigawata bynajmniej nie cierpi na oczywisty brak megawatów; jest narażona na zdarzenia szczytowego zapotrzebowania i na koszt mocy gwarantowanej. W dokumencie z 5 listopada kosztowa strona tweeta również staje się konkretna, a nie retoryczna: OpenAI zobowiązuje się do pokrycia pełnego kosztu zużywanej energii elektrycznej, przedkładania zabezpieczeń finansowych przed poniesieniem znaczących wydatków, tak aby inni klienci zakładu energetycznego byli chronieni, jeśli projekt zostanie opóźniony lub anulowany, oraz — co nietypowe — do niestosowania umów o zachowaniu poufności wobec urzędników publicznych, z wyjątkiem wąskich wyłączeń dotyczących bezpieczeństwa i tajemnic handlowych. Koszt i moc obliczeniowa są w tym ujęciu tym samym ograniczeniem widzianym z dwóch stron, a oboma zarządza się za pomocą publikowanych zobowiązań, a nie terminu wydania.
Jak wyglądałaby prawdziwa premiera GPT-6.2
Każdy model tekstowy OpenAI w obecnej ofercie pojawił się z tymi samymi trzema artefaktami, a ich brak jest lepszym predyktorem niż jakakolwiek zajawka: wiersz w cenniku, strona w katalogu modeli i opatrzony datą wpis w changelogu opisujący, do czego służy model. GPT-6 Astra ma wszystkie trzy. GPT-6.1 Terra ma wszystkie trzy, datowane na 26 października. GPT-6 Cyber ma wszystkie trzy, datowane na 5 listopada. Kiedy 6.2 trafi do sprzedaży, najpierw otrzyma cenę za milion tokenów, a dopiero potem tabelę benchmarków — tak ta firma działa przez cały rok i dlatego to cennik jest miejscem, na które warto patrzeć, a nie X.
Jest też problem z numeracją wersji, którego tweet nie omawia. GPT-6.1 nie był skokiem w możliwościach względem GPT-6 w sposób, jaki sugeruje ta liczba po przecinku; było to raczej repozycjonowanie pod względem kosztów i opóźnień: 6.1 Sol wyceniono na 2 USD za milion tokenów wejściowych i 10 USD za milion tokenów wyjściowych, w porównaniu z 10 USD i 50 USD w przypadku Astra, a 6.1 Terra – na 1 USD i 5 USD. Jeśli 6.2 to kolejne repozycjonowanie, a nie nowa granica — a w publicznie dostępnych materiałach nie ma nic, co wskazywałoby, które z tych dwóch to prawda — to „priorytetyzowanie badań nad obsługą” nie jest wyjaśnieniem jego nieobecności. Nie byłoby niczego wstrzymanego, co można by obsługiwać.
Strona serwująca, która jest wyceniana i mierzalna
Niezależnie od tego, co jest przydzielane wewnętrznie, istniejące modele są sprzedawane według opublikowanego cennika, a ten cennik jest obecnie uczciwą podstawą wszelkich porównań kosztów. To są własne dane OpenAI, za milion tokenów, w warstwie standardowej:
• GPT-6 Astra — 10 USD za wejście, 50 USD za wyjście; wejście z pamięci podręcznej 1,00 USD; żądania z długim kontekstem powyżej progu: 20 USD i 75 USD
• GPT-6.1 Sol — 2 USD za dane wejściowe, 10 USD za dane wyjściowe
• GPT-6 Sol — 2 USD za dane wejściowe, 10 USD za dane wyjściowe
GPT-6.1 Terra — 1 USD za dane wejściowe, 5 USD za dane wyjściowe
• GPT-6 Luna — $0.10 za wejście, $0.50 za wyjście
• Mnożniki poziomów usług — Batch i Flex są rozliczane po połowie stawki standardowej; Fast i Priority po stawce podwójnej; Ultrafast po sześciokrotnej.

Interesującą kolumną nie jest cena, lecz cena w stosunku do zmierzonej wydajności. W indeksie {{1}}Artificial Analysis{{/1}} — niezależnym od {{2}}OpenAI{{/2}}, ale mierzonym na własnym zestawie zadań, więc traktuj go jako drugą opinię, a nie werdykt — {{3}}GPT-6 Astra{{/3}} uzyskuje 56,85 przy maksymalnym wysiłku rozumowania i 54,85 przy wysokim, przy koszcie uruchomienia indeksu wynoszącym odpowiednio 6,24 USD i 3,24 USD na zadanie. {{4}}GPT-6.1 Sol{{/4}} uzyskuje 54,61 przy maksymalnym wysiłku za 1,27 USD i 50,33 przy wysokim wysiłku za 0,59 USD. To właśnie ta arytmetyka sprawia, że wersja 6.2 jest interesująca: {{5}}Sol{{/5}} już zbliża się na odległość dwóch i ćwierci punktu do {{6}}Astra{{/6}} przy około jednej piątej kosztu na zadanie, więc marginalna wartość kolejnego checkpointu z czołówki jest mniejsza, niż sugeruje numer wersji, a marginalna wartość tańszego jest oczywista.
Dla odniesienia spoza OpenAI: Claude Fable 5.2 osiąga wynik 64,56 przy maksymalnym wysiłku, ale kosztuje 26,54 USD na zadanie w przypadku tego samego miernika, oraz 61,82 przy wysokim wysiłku za 9,08 USD. Gemini 4 Carbon osiąga 58,26 za 4,68 USD. Na podstawie tych danych luka OpenAI do lidera jest realna, a jej zamknięcie to problem badawczy, a nie problem przepustowości obsługi — co, jak na ironię, jest częścią tweeta, która broni się najlepiej.
Tu routing robi coś konkretnego. Cztery z sześciu identyfikatorów tekstowych GPT-6 przechodzą dziś przez OrcaRouter — openai/gpt-6-astra, openai/gpt-6.1-sol, openai/gpt-6-sol i openai/gpt-6-luna — po własnych cenach katalogowych OpenAI, z bez marży, więc zmiana ceny przez dostawcę obowiązuje u nas w dniu jej wprowadzenia, a nie przy kolejnym odnowieniu umowy. GPT-6.1 Terra i GPT-6 Cyber nie są w naszym katalogu i nic tutaj nie powinno być odczytywane jako twierdzenie, że są. Tym, co pass-through daje zespołowi czekającemu na 6.2, jest sposób wycenienia rozwiązania awaryjnego: uruchomić obciążenie na Astra z wysokim wysiłkiem i na 6.1 Sol z maksymalnym wysiłkiem na tym samym kluczu, porównać dwie liczby kosztu na zadanie z własnymi kryteriami akceptacji i ustawić automatyczne przełączanie awaryjne, aby wahnięcie dostępności jednego modelu nie stało się incydentem. To decyzja dostępna w tym tygodniu. Czekanie na punkt kontrolny nią nie jest.
Co zmieniłoby tę interpretację?
Dwie rzeczy by to rozstrzygnęły, a obie są obserwowalne. Pojawienie się wiersza GPT-6.2 w cenniku, podczas gdy dokumentacja możliwości pozostaje w tyle, potwierdzałoby ekonomię tweetu — moc obliczeniowa trafia do badań, podczas gdy gotowy model czeka na swoją kolej na udostępnienie. Odwrotnie, premiera 6.2 ze świeżą tabelą benchmarków i ceną wyższą niż Astra sugerowałaby coś przeciwnego: że ograniczeniem były możliwości, a numer wersji czekał na badania, dokładnie tak, jak opisują dokumenty ładu.
Dopóki jedno z nich nie nastąpi, uczciwym stanowiskiem jest to niewygodne. Podważalna połowa tweeta została potwierdzona — GPT-6.2 nie istnieje, jedenaście dni po udostępnieniu ostatniego modelu — a jego połowa dotycząca przyczyny jest niezweryfikowana, głoszona przez kogoś spoza firmy o decyzji podjętej wewnątrz niej. Publiczny zapis faktycznie pokazuje firmę, która spędziła siedem tygodni na publikowaniu mechanizmów używanych do racjonowania i wstrzymywania mocy obliczeniowej na badania, aż po 35-sekundowy limit zatrzymania, a która opublikowała prawie nic o tym, jak decyduje, który gotowy model jest udostępniany jako pierwszy. Moc obliczeniowa podlega zarządzaniu. To, czy jest ona przed tobą wstrzymywana, to odrębne twierdzenie, a OpenAI go nie sformułowało.
Porównane w tym artykule4
Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie
