Wygenerowana karta tytułowa o treści „GPT-6.2 Sol Pro: cennik się nie zmienił, rachunek spadł o 20%”, z podtytułem mówiącym, że koszt jednego zadania w indeksie Artificial Analysis spadł z 1,27 USD do 1,01 USD, powyżej trzech kart podających niezmieniony cennik: 2,00 USD za wejście i 10,00 USD za wyjście na milion tokenów, koszt 1,01 USD na zadanie dla GPT-6.2 Sol oraz 1,27 USD dla GPT-6.1 Sol, a także notatkę, że Sol Pro to gpt-6.2-sol wywoływany z trybem rozumowania ustawionym na pro.
Guides & Insights

GPT-6.2 Sol Pro: Cennik się nie zmienił. Rachunek spadł o 20%.

Autor

jinhao.song

Data publikacji

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

Czterdzieści tysięcy tokenów wyjściowych, aby ukończyć jedno zadanie ewaluacyjne. Tyle GPT-6.2 Solwydał na zestaw testów Artificial Analysis przy najwyższym ustawieniu wysiłku, w porównaniu z 67 824 w przypadku GPT-6.1 Solwykonującego tę samą pracę — spadek liczby tokenów o 40% i spadek kosztów w dolarach na zadanie o 20%, przy cenniku, który nie zmienił się ani o centa. Model trafił na rynek 17 listopada 2026 r., wraz z GPT-6.2 Astra, a etykieta, której ludzie szukają, GPT-6.2 Sol Pro, to ten model z reasoning.mode ustawionym na pro w Responses API. Tryb pro jest rozliczany według standardowych stawek za tokeny modelu bazowego. Cała ekonomia tej aktualizacji sprowadza się więc do tego, ile tokenów model zdecyduje się zużyć — a to jedyna liczba, której cennik OpenAI nie jest w stanie podać.

To nie jest powtórka argumentu „Pro to tryb”, który na tym blogu pojawił się już dwukrotnie — w przypadku poziomów GPT-6 i GPT-6.1. Mechanizm jest ten sam i jest już dobrze udokumentowany. Nowością są dowody: po raz pierwszy dostępne są niezależne pomiary poziomu Sol w dniu po premierze, a mówią one coś ciekawszego niż „taniej za token”. Mówią, że poprawa koncentruje się dokładnie w tych obciążeniach, dla których OpenAI sprzedaje ten model, oraz że jeden wymiar się pogorszył.

Co dokładnie zostało wydane 17 listopada?

Wpis w changelogu ma dwa wiersze i wymienia dwa identyfikatory: gpt-6.2-astra i gpt-6.2-sol, oba w Responses API i Chat Completions, przy czym wywoływanie narzędzi wymaga Responses. Własne podsumowanie wydania ze strony OpenAI — „lepsze profesjonalne wyniki, kodowanie, obsługa komputera i wydajność przy niższym koszcie w ChatGPT Work, Codex i API” — to ujęcie z perspektywy dostawcy i warto trzymać je na dystans, dopóki nie pojawią się niezależne liczby, a te właśnie się pojawiły.

Kształt tego wszystkiego, według strony modelu gpt-6.2-sol w OpenAI:

• Kontekst — łącznie 1 050 000 tokenów, maksymalnie 922 000 tokenów wejściowych, maksymalnie 128 000 tokenów wyjściowych.

• Modalności — tekst i obraz na wejściu, tekst na wyjściu. Dźwięk i wideo są wymienione jako nieobsługiwane, a w specyfikacji nie występuje modalność wejścia plikowego.

• Odcięcie wiedzy — 1 czerwca 2026 r., czyli o miesiąc później niż 30 kwietnia 2026 r. w przypadku warstwy 6.1.

• Rozumowanie — zawsze włączone, pięć ustawień intensywności od niskiego po maksymalne, a API wprost odrzuca reasoning.effort: none, zamiast po cichu obniżać poziom.

• Cena, krótki kontekst — 2,00 USD za milion tokenów wejściowych, 0,10 USD za milion tokenów wejściowych z pamięci podręcznej, 2,50 USD za milion tokenów zapisywanych do pamięci podręcznej, 10,00 USD za milion tokenów wyjściowych. Identycznie jak GPT-6.1 Sol.

• Cena powyżej 272 000 tokenów wejściowych — stawki za dane wejściowe i pamięć podręczną podwajają się, a dane wyjściowe rosną do 1,5× dla całego żądania: $4.00 / $0.20 / $5.00 / $15.00.

• Poziomy usług — Batch na poziomie 50% stawki standardowej, Fast na poziomie 2×, Ultrafast na poziomie 3× do 28 lutego 2027 r. i 6× od 1 marca 2027 r.

• Nowość w tej generacji — okna ukończenia w tle z rabatem w publicznej wersji beta Responses API, 30% poniżej standardowych stawek za okno dwugodzinne i 40% poniżej za osiem godzin.

Ta ostatnia linijka jest po cichu najużyteczniejszą rzeczą w tym wydaniu dla każdego, kto prowadzi prace agentowe o charakterze wsadowym, i jest to rodzaj szczegółu, który post o premierze zakopuje. Dwugodzinne odroczenie, które kosztuje o 30% mniej, to inna decyzja produktowa niż obniżka ceny, ponieważ zmienia to, kiedy planujesz pracę, a nie to, ile za nią płacisz.

Screenshot of OpenAI's documentation page for GPT-6.2 Sol, showing the model ID gpt-6.2-sol, a 1,050,000-token context window with 922,000 maximum input and 128,000 maximum output, a 1 June 2026 knowledge cutoff, text and image input with text output, and text-token pricing of $2 input, $0.10 cached input, $2.50 cache write and $10 output per million.

Skąd pochodzi „Pro” i dlaczego nie jest to identyfikator modelu

Przewodnik OpenAI po rozumowaniu mówi to wprost: modele GPT-5.6 i GPT-6 „obsługują {{1}}standardowe i pro tryby rozumowania{{/1}} w Responses API. {{2}}standard{{/2}} jest domyślny”. Tryb i wysiłek to niezależne osie — przewodnik wyraźnie stwierdza, że tryb „{{3}}wybiera wykonanie standardowe lub pro, podczas gdy reasoning.effort kontroluje, ile rozumowania model stosuje w ramach tego trybu{{/3}}”. Możesz uruchomić tryb pro z niskim wysiłkiem; możesz uruchomić tryb standard z maksymalnym wysiłkiem.

To, co robi wykonanie pro, polega na agregowaniu kilku przebiegów pracy modelu w jedną odpowiedź i rozliczaniu tych tokenów według „standardowych stawek za tokeny wybranego modelu”. Bez mnożnika premium, bez osobnego licznika. Istniejące identyfikatory Pro — GPT-5.5 Pro i jego poprzednicy — zachowują swoje stare zachowanie i stare ceny, dlatego „Pro” oznacza teraz dwie różne rzeczy w zależności od nazwy, którą podasz.

Zatem gdy katalog wymienia gpt-6.2-sol-pro, opisuje konfigurację i tworzy identyfikator, pod który można ją podpiąć. Własna dokumentacja OpenAI zwraca 404 dla tego ciągu, a jedynym identyfikatorem na stronie modelu jest gpt-6.2-sol. To rozróżnienie ma znaczenie wykraczające poza pedanterię: identyfikator modelu, który można wyszukać, ma udokumentowane okno kontekstu i opublikowaną stawkę, a konfiguracja ma to, co aplikacja przekaże w momencie wywołania.

Niezależny odczyt: wzrost o 2,7 punktu, 20% taniej na zadanie

Artificial Analysis uruchomiło już ten model na własnym harnessie, a podane liczby to pierwsze pomiary w tej klasie pochodzące spoza dostawcy. W Intelligence Index v5.0.1 GPT-6.2 Sol przy maksymalnym wysiłku uzyskuje 57,3 wobec 54,6 dla GPT-6.1 Sol przy maksymalnym wysiłku. Koszt na jedno zadanie w Indeksie spada z 1,27 USD do 1,01 USD. Obie wartości są mierzone na identycznym zestawie, co czyni je porównywalnymi: te same zadania, ten sam harness, ta sama punktacja, zmienia się wyłącznie model.

To, że te dwie liczby jednocześnie zmierzają we właściwym kierunku, jest prawdziwą tezą tego wydania. Generacja, która staje się mądrzejsza i tańsza w przeliczeniu na zadanie przy stałym cenniku, to zysk efektywności, a nie zmiana pozycjonowania. Generacja, która staje się mądrzejsza, ale kosztuje więcej, to kompromis. W tym przypadku mamy do czynienia z tym pierwszym, z wystarczająco dużą przewagą, by to zauważyć.

Ciekawsze niż wynik zbiorczy jest to, gdzie pojawia się przyrost. W porównaniu z własnym poprzednikiem przy maksymalnym obciążeniu:

• Terminal-Bench 4.0 — 60,1% vs 56,1%.

• Terminal-Bench Science — 67,6% vs 58,1%, skok o 9,5 punktu i największy pojedynczy ruch na tablicy.

• HLE Diamond — 64,0% vs 58,8%.

• FrontierCode 2.0 — 44,4% vs 40,6%.

• AutomationBench — 71,3% vs 64,9%.

• AnalystAgent — 53,8% wobec 50,0%.

Każde z nich to zadanie wymagające użycia narzędzi, wieloetapowe i mocno oparte na weryfikacji. To nie jest model, który lepiej radzi sobie z ciekawostkami; to model, który lepiej radzi sobie z doprowadzaniem rzeczy do końca, co jest spójne ze spadkiem, a nie wzrostem liczby tokenów. Mniej błędnych zakrętów oznacza mniej tokenów zużywanych na wychodzenie z nich.

Jedno zastrzeżenie co do tego, czym są te liczby. Artificial Analysis mierzy poziomy wysiłku, a nie tryby rozumowania, więc jego wiersz „max” dotyczy trybu standardowego przy maksymalnym wysiłku. Nikt nie opublikował pomiaru w trybie pro dla żadnego modelu GPT-6, ponieważ ten tryb mnoży nieznaną ilość pracy modelu. Wiersz maksymalnego wysiłku należy traktować jako najbliższy dostępny pułap, a nie jako benchmark trybu pro.

Dwie liczby, które zmieniły się w złym kierunku

AA-Omniscience to część zestawu testów, która sprawdza, czy model wie, czego nie wie, i właśnie tutaj to wydanie coś oddaje. GPT-6.2 Sol przy maksymalnym wysiłku uzyskuje 40,4 w indeksie Omniscience, w dół z 42,0. Dokładność pozostaje na tym samym poziomie — 61,6% wobec 61,8%, co jest szumem — ale odsetek halucynacji rośnie z 51,9% do 55,4%.

Przeczytaj to uważnie, zanim uznasz, że to skandal. Oba modele halucynują w przypadku ponad połowy pytań, na które odpowiadają błędnie, a zmiana o 3,5 punktu w zestawie tej wielkości nie jest katastrofalną regresją. Ale to jest pewien kierunek — i wskazuje w przeciwną stronę niż wskaźniki możliwości. Ten poziom lepiej radzi sobie z wykonywaniem pracy i jest nieco mniej staranny w formułowaniu twierdzeń, których nie potrafi uzasadnić.

Dla agenta kodującego, który uruchamia testy, zanim ogłosi zwycięstwo, ten kompromis jest niemal darmowy. Dla asystenta badawczego, który odpowiada bez etapu weryfikacji, to dokładnie ten tryb awarii, którego uniknięcia oczekiwałeś, płacąc poprzedniej generacji. Jeśli Twoje obciążenie należy do drugiej kategorii, indeks złożony to niewłaściwa liczba, na której należy opierać wybór, a oszczędność 20% jest mniejsza niż koszt jednej błędnej odpowiedzi wypowiedzianej z pełnym przekonaniem.

Co tryb pro robi z licznikiem, w tokenach

Ponieważ tryb pro rozlicza się według standardowych stawek, jedyną dźwignią, jaką wykorzystuje, jest liczba tokenów, a niezależne dane po raz pierwszy pozwalają oszacować wielkość tej dźwigni. Przy maksymalnym wysiłku GPT-6.2 Sol generuje średnio 40 360 tokenów wyjściowych na zadanie, z czego 22 800 to tokeny rozumowania, a 17 561 to widoczna odpowiedź — rozumowanie stanowi 56% danych wyjściowych. GPT-6.1 Sol przy tym samym ustawieniu generował średnio 67 824 tokeny wyjściowe, z czego 49 213 to tokeny rozumowania. Nowszy model myśli przez mniej niż połowę tego czasu, a odpowiada o zbliżonej długości.

To jest mechanizm stojący za tymi 20%, ale to nie cała arytmetyka i warto znać drugą połowę. Rozkładając koszt na zadanie: koszt wyjścia spada z około $0.72 do $0.40, podczas gdy koszt wejścia rośnie z około $0.55 do $0.61 — więcej odczytów z pamięci podręcznej i zapisów do niej na zadanie, a nie mniej. Te dwa efekty w przybliżeniu się znoszą, dając oszczędność netto na poziomie 20%, co oznacza, że aktualizacja to zakład, iż mniejszy wysiłek myślowy jest wart więcej niż dodatkowy kontekst, który jest ponownie odczytywany. W zestawie testów ten zakład się opłacił.

Uruchom tryb pro na bazie któregokolwiek z nich, a mnożnik pozostaje nieznany — OpenAI dokumentuje, że pro „wykonuje więcej pracy modelu niż tryb standardowy, zwiększając zużycie tokenów i koszt”, ale nie publikuje żadnego współczynnika. Z pewnością można powiedzieć, że podstawa, przez którą mnoży, jest o 40% mniejsza po stronie wyjściowej, więc ten sam mnożnik pro trafia na tańszy poziom bazowy.

Praktyczna konsekwencja: jeśli planowałeś budżet na wywołania w trybie pro na podstawie liczby tokenów z ery 6.1, zmierz je ponownie, zamiast przeliczać skalę. Rozkład tokenów zmienił się na tyle, że liniowa korekta zawyży Twój rachunek.

A generated single-column scoreboard for GPT-6.2 Sol listing Intelligence Index 57.3, cost per index task $1.01, output tokens per task 40,360, Terminal-Bench 4.0 at 60.1 percent, Terminal-Bench Science at 67.6 percent, AA-Omniscience 40.4, a 1,050,000-token context window and $2 input and $10 output per million tokens, with a footer attributing the comparison figures to Artificial Analysis and the pricing to OpenAI.

Gdzie można to dziś wywołać, a gdzie nie

API OpenAI jest już dostępne: Responses i Chat Completions, przetwarzanie wsadowe, buforowanie promptów, ustrukturyzowane dane wyjściowe, hostowany zestaw narzędzi obejmujący computer use, apply_patch, hostowany shell i MCP oraz Zero Data Retention dla zatwierdzonych organizacji w kwalifikujących się punktach końcowych. Użytkownicy ChatGPT Work i Codex otrzymali do niego dostęp w dniu premiery, zgodnie z notatką o wydaniu. Taki jest stan ogólnej dostępności (GA) na dzień 18 listopada 2026 r.

W katalogu samego OrcaRoutera generacja 6.2 jeszcze nie zadebiutowała — sprawdzenie publicznej listy modeli 18 listopada zwraca openai/gpt-6.1-sol i openai/gpt-6-sol, ale nie gpt-6.2-sol. Wynikają z tego dwie rzeczy, a druga jest tą, wokół której warto planować. Po pierwsze, nic na temat tej aktualizacji nie jest tu dziś dostępne i ten artykuł nie będzie udawał, że jest inaczej. Po drugie, OrcaRouter przekazuje cenę katalogową dostawcy bez marży (0%), więc gdy dany poziom pojawi się w ofercie, płacisz stawkę $2/$10 samego dostawcy — bez mnożnika bramy doliczanego do cennika, a zmiana ceny dostawcy obowiązuje tego samego dnia, a nie zgodnie z harmonogramem odsprzedawcy.

Screenshot of the OrcaRouter model page for GPT-6.1 Sol, showing the model ID openai/gpt-6.1-sol, a 1,050,000-token context window with 128,000 maximum output, input pricing of $2.00 and output pricing of $10.00 per million tokens, and a description of the tier as the long-context option beneath the flagship.

W międzyczasie warstwa, którą ten zastępuje, to openai/gpt-6.1-sol, dostępna w katalogu w cenie katalogowej, a sensowna ścieżka migracji polega na utrzymaniu produkcji na warstwie 6.1, podczas gdy bezpośrednio oceniasz 6.2, a następnie przeniesieniu trasy, a nie kodu.

Co obejrzeć

Trzy rzeczy zdecydują, czy 17 listopada będzie wyglądał jak krok naprzód, czy jak potknięcie. Regresja kalibracji albo utrzyma się przez następne odświeżenie AA, albo zmaleje do szumu. Mnożnik Ultrafast podwaja się 1 marca 2027 r. z 3× do 6× standardu, co niczego nie potraja, ale podwaja premię na najszybszej ścieżce — jeśli Twoja architektura zależy od Ultrafast, ta data jest w Twoim budżecie. A efektywność tokenów musi się utrzymać w trybie pro, gdzie jedyna liczba, której nikt nie publikuje, jest tą, która decyduje o Twoim rachunku.

Do tego czasu uczciwe podsumowanie jest wąskie i sprawdzalne: ta sama cena, 2,7 punktu indeksu, o 20% taniej na zadanie i mierzalnie słabsza kontrola nad tym, czego nie wie.

Porównane w tym artykule2

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