Cartão de título para uma comparação entre GPT-6.2 Astra e GPT-6.2 Sol, mostrando Astra com 62 no Artificial Analysis Intelligence Index, em terceiro lugar entre 91, a US$ 4,00 por tarefa do índice, e Sol com 57, em décimo primeiro lugar entre 91, a US$ 1,01 por tarefa do índice, com uma faixa indicando que o Coding Agent Index está estável para Astra e três pontos abaixo para Sol. O logotipo da OrcaRouter fica no canto inferior direito.
Guides & Insights

GPT-6.2 Astra e Sol: Mesmo lançamento, veredictos opostos sobre programação

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Dois modelos foram lançados em 17 de novembro, e o mais barato chega com uma regressão atrelada. GPT-6.2 Sol obtém 57 no Artificial Analysis Intelligence Index a US$ 1,01 por tarefa de índice; GPT-6.2 Astra obtém 62 a US$ 4,00. Sol é o nível que a OpenAI manda você definir como padrão, aquele que, segundo relatos, a própria equipe dela usa para trabalhos comuns. E no Coding Agent Index da Artificial Analysis — o mesmo harness Codex, no esforço máximo — GPT-6.2 Sol fica três pontos abaixo do modelo que substitui, o GPT-6.1 Sol, com a queda atribuída a uma única avaliação na qual ele omite fatos-chave com 14 pontos de frequência a mais. Astra, medida da mesma forma, está no mesmo patamar do GPT-6 Astra. Um lançamento, dois veredictos opostos sobre aquilo que mais importa para os usuários do Codex.

Essa separação merece um artigo porque o anúncio não a explicita. O post da OpenAI trata de slides, planilhas, cenas 3D e terminais científicos, e nesses casos ele traz números reais. O cenário da codificação é o que você precisa montar a partir de medições independentes, de uma entrada de changelog e de um guia de migração, e isso muda qual dos dois IDs pertence ao seu repositório.

O que foi lançado, precisamente

A entrada de registro de alterações de 17 de novembro lista dois IDs de modelo, gpt-6.2-astra e gpt-6.2-sol, tanto na Responses API quanto na Chat Completions. A chamada de ferramentas exige a Responses. No ChatGPT, ambos chegam para usuários Plus, Pro, Enterprise e Edu no ChatGPT Work e no Codex já no primeiro dia; assinantes do Pro 500 recebem o Ultrafast em qualquer um dos modelos, e o Ultrafast chega ao Pro 200 pela primeira vez, começando pelo Sol. Workspaces Enterprise e Edu elegíveis ganham acesso assim que um administrador o habilitar.

• Preço — GPT-6.2 Astra US$ 8 de entrada / US$ 40 de saída por milhão vs GPT-6.2 Sol US$ 2 / US$ 10

• Entrada em cache — US$ 0,40 por milhão na Astra vs US$ 0,10 na Sol

• Gravações de cache — $10 por milhão para uma janela de retenção de 30 minutos na Astra vs $2,50 na Sol

• Janela de contexto — 1.050.000 tokens para ambos, dos quais 922.000 de entrada máxima e 128.000 de saída máxima

• Data de corte do conhecimento — 18 de maio de 2026 no Astra vs 1 de junho de 2026 no Sol, então o modelo mais barato é o mais atual

• Modalidades — entrada de texto e imagem, saída de texto, em ambos; áudio e vídeo não suportados em ambos

• Ferramentas — pesquisa na web, pesquisa de arquivos, geração de imagens, interpretador de código, shell hospedado, aplicação de patch, habilidades, uso do computador, MCP e pesquisa de ferramentas, tudo na Responses API

A two-column scoreboard comparing GPT-6.2 Astra and GPT-6.2 Sol across Intelligence Index, cost per index task, input price, output price, Coding Agent Index and time per task, with a footer noting that pricing is OpenAI's published rate and index and cost figures are Artificial Analysis's. The OrcaRouter logo sits in the bottom-right corner.

A mudança de preço é assimétrica e fácil de interpretar mal. O Astra está 20% abaixo do GPT-6 Astra tanto na entrada quanto na saída, e a entrada em cache cai de $1,00 para $0,40 — um corte de 60%, porque o desconto aumentou para 95% e a tarifa-base à qual ele se aplica caiu ao mesmo tempo. O Sol não mudou nada: $2, $0,10 e $10 são exatamente as tarifas do GPT-6.1 Sol. Portanto, o nível mais barato é um upgrade de capacidade a preço constante, e o nível mais caro é um upgrade de capacidade com um corte de preço anexado. Qual desses é a melhor compra depende inteiramente do que você está comprando.

Astra é o teto, e, desta vez, o teto é mensurável.

A Artificial Analysis coloca o GPT-6.2 Astra em terceiro lugar entre 91 modelos no seu Intelligence Index, com 62, atrás do Claude Fable 5.2, com 65. Ele supera o Gemini 4 Carbon, com 60, e o Claude Opus 5.5, com 59, o que é uma mudança real: o GPT-6 Astra anterior ficava cinco pontos abaixo. O índice é uma média de nove avaliações que abrangem trabalho do conhecimento, uso agêntico de terminal, ciência e conhecimento geral, então um ganho de cinco pontos nele não é resultado de manipulação de um único benchmark.

Artificial Analysis's leaderboard of more than 250 models, sorted by Intelligence Index, showing GPT-6.2 Astra Max at 62 with a cost of $4.00 per task, 10.4 minutes per task and 134.86 seconds to first answer token, GPT-6.2 Sol Max at 57 with $1.01, 7.9 minutes and 57.55 seconds, and Claude Fable 5.2 above both at 65.

A verificação independente do ARC Prize é o número isolado mais impressionante do lançamento. O GPT-6.2 Astra é o primeiro modelo a atingir 100% no ARC-AGI-3, a um custo total de US$ 4,1 mil por meio de um adaptador de provedor; na configuração padrão do ARC, o mesmo modelo atinge 70,3% por US$ 24,2 mil. Ele também reporta 95,8% no ARC-AGI-2 a US$ 0,50 por tarefa e 98,5% no ARC-AGI-1 a US$ 0,17 por tarefa. Essas são medições de terceiros em uma família de benchmarks criada para resistir à memorização, não alegações do fornecedor, e são a evidência mais forte neste lançamento de que o modelo faz algo que seu antecessor não fazia. A variação de custo entre as duas configurações do ARC-AGI-3 é a ressalva: uma pontuação perfeita está disponível, e quanto dela você obtém depende de quanto suporte adicional você está disposto a pagar.

Os próprios números da OpenAI, divulgados pelo fornecedor e não reproduzidos, apontam na mesma direção: 5,2 pontos acima do GPT-6 Astra no Agents' Last Exam com menos de um terço do custo, 9 pontos percentuais acima dele no Terminal-Bench-Science 0.1, um novo recorde no Vals Science Index e um estado da arte no Harvey LAB-AA v1.1 para trabalho jurídico. A Artificial Analysis, de forma independente, coloca a Astra liderando o AA-3D com 1.318 Elo, contra Claude Fable 5.2 com 1.271, e liderando o AA-Robotics v0.1 com 79. Ela fica atrás apenas do Fable 5.2 em precisão de conhecimento factual e no subconjunto de física do CritPt v2.

O contrapeso é o custo e a latência, e ambos são piores do que o índice sugere. Seus US$ 4,00 por tarefa de índice o colocam em 61º de 90 na ordenação de custos da Artificial Analysis, mais perto do extremo caro do que uma classificação de inteligência em terceiro lugar faria esperar, e ele leva 10,4 minutos por tarefa, com um tempo até o primeiro token de resposta de 134,86 segundos. Esse último número é como parece uma sessão interativa do Codex: dois minutos de nada antes da primeira palavra. Astra é um modelo para o qual você aponta um problema difícil e vai embora.

Sol é para onde o volume vai, e onde a regressão mora.

O caso de Sol é uma questão de aritmética. 57 no mesmo índice coloca-o em décimo primeiro de 91, em vez de terceiro, empatado com o anterior modelo principal GPT-6 Astra, a cerca de 15% do custo medido por tarefa desse modelo. A Artificial Analysis situa o Sol em US$ 1,01 por tarefa do índice, contra US$ 4,00 do Astra — um fator de quatro —, enquanto conclui uma tarefa em 7,9 minutos em vez de 10,4 e chega ao primeiro token de resposta em 57,55 segundos em vez de 135. É mais rápido, mais barato e menos prolixo, gastando 60,9 milhões de tokens de saída em toda a suíte do índice, contra 65,8 milhões do Astra.

A formulação da OpenAI é que o Sol é o padrão do dia a dia e, em várias de suas avaliações internas, isso se confirma. No FrontierCode 2.0 da Cognition, o Sol fica a meio ponto do Astra com cerca de um quinto do custo, ambos no esforço máximo. No LifeVal, uma nova avaliação para tarefas pessoais práticas, ele supera o GPT-6 Astra por aproximadamente um sétimo do preço. Na suíte interna GDPval v2 de trabalho do conhecimento, ele melhora 5,3 pontos em relação ao GPT-6.1 Sol.

Depois há a medição de codificação que aponta na direção oposta. Na Coding Agent Index da Artificial Analysis, executada no harness Codex com esforço máximo, o GPT-6.2 Astra está no mesmo patamar do GPT-6 Astra — a atualização não traz nada mensurável — e o GPT-6.2 Sol está três pontos abaixo do GPT-6.1 Sol. A Artificial Analysis atribui a queda do Sol a um recuo de 14 pontos no SWE-Atlas-QnA-AA, uma avaliação em que o modelo precisa responder a perguntas sobre uma base de código, e descreve a causa como o modelo ter maior probabilidade de omitir fatos-chave em suas respostas.

Esse é um modo de falha específico e verificável, e é o que prejudica um agente. Um agente que omite um fato que encontrou não trava; ele produz uma edição plausível que ignora o motivo pelo qual o código foi escrito daquela forma. Se o seu uso do Codex é “fazer perguntas sobre este repositório e agir com base nas respostas”, o modelo mais barato deste par não é uma melhoria na dimensão que você está comprando. Se é “escrever esta função, executar os testes, corrigir o que quebrar”, o resultado do FrontierCode diz que você não vai notar a diferença e vai notar a fatura.

A fiação, que é onde uma migração de fato quebra

Três mecânicas importam mais do que os benchmarks quando você parte para uma integração real.

A primeira é que ambos os modelos rejeitam reasoning_effort: "none". O GPT-6 Sol aceitava; o GPT-6.1 Sol não, e o GPT-6.2 mantém isso. Se você contava com desativar o raciocínio para recuperar latência em um caminho de classificação barato, esse caminho não existe neste par. Você compra latência com um modelo menor ou um prompt mais curto, não com uma flag.

O segundo é o penhasco do contexto longo. Acima de 272.000 tokens de entrada, as tarifas de entrada e de entrada em cache dobram, e a saída custa 1,5 vez a tarifa de contexto curto — e o multiplicador se aplica à solicitação inteira, não apenas à parte que ultrapassa o limite. Na Astra, isso transforma $8 e $40 em $16 e $60 no momento em que uma sessão cruza a linha; na Sol, $2 e $10 em $4 e $15. Uma janela de 1.050.000 tokens convida exatamente ao comportamento que o dispara.

A terceira é que a tabela de preços tem uma bomba-relógio nos níveis de serviço. O Batch é cobrado a 50% do padrão. O modo Fast é cobrado em dobro. O Ultrafast é cobrado a três vezes o padrão até 28 de fevereiro de 2027 e a seis vezes a partir de 1º de março de 2027, no horário do Pacífico. Quem adotar o Ultrafast no lançamento e embutir o modelo de custos atual em um orçamento deve saber que a tarifa dobra em cerca de três meses. Há também um desconto que vale a pena aproveitar: as janelas de conclusão em segundo plano na Responses API, ainda em beta público, cobram taxas de token do modelo 30% abaixo do padrão para a janela de duas horas e 40% abaixo para a janela de oito horas, e ambos os modelos GPT-6.2 são elegíveis.

A única regra de roteamento que este lançamento adiciona

O guia de migração contém uma frase que não existia para nenhum modelo anterior da O​penAI e é voltada diretamente a qualquer pessoa que mova tráfego entre modelos. A partir do GPT-6.2, a API descarta itens de raciocínio quando detecta uma alteração no histórico no meio da conversa: uma edição de prefixo, um downgrade de modelo, uma mudança de usuário final ou uma mudança de organização. Quando o modelo perde esses itens, a qualidade das respostas cai e ele gasta tokens para refazer trabalho que já havia realizado.

Leia isso como uma declaração de roteamento. O failover de Astra para Sol no meio de uma conversa é um downgrade de modelo, e um downgrade agora tem um custo documentado e mensurável associado — não uma requisição com falha, mas uma resposta pior que custa mais para produzir. O mesmo se aplica ao hábito aparentemente inocente de editar um prompt de sistema entre turnos. A correção é estrutural, não engenhosa: mantenha o prefixo idêntico byte a byte, acrescente novas instruções ao final e projete o failover para iniciar uma nova conversa em vez de emendar uma. Um roteador que tenta novamente uma requisição em um modelo diferente é aceitável; um roteador que continua uma sessão em um modelo não é.

Vale a pena ser explícito sobre onde estamos. GPT-6.2 Astra e GPT-6.2 Sol não estão hoje no catálogo do OrcaRouter — as linhas da O​penAI que atendemos são GPT-6 Astra, GPT-6 Sol e GPT-6.1 Sol — portanto, esse par é acessível pela própria API da O​penAI e por plataformas de terceiros em geral, não por nós. O que o catálogo traz é o nível anterior a preço de tabela, e o OrcaRouter repassa o preço de tabela do provedor com 0% de margem, então a tabela de preços da própria O​penAI é o que você paga nos modelos que roteamos. Quando um fornecedor corta um preço, esse corte fica ativo do nosso lado no mesmo dia, e foi assim que as linhas do GPT-6 Astra já se moveram.

Quanto custa no seu volume de compra

Considere uma carga de trabalho de 100 milhões de tokens de entrada e 20 milhões de tokens de saída por mês, o que equivale aproximadamente a um agente ocupado em execução contínua.

OpenAI's developer documentation page for GPT-6.2 Sol, showing the model ID gpt-6.2-sol, text and image input with text output, a 1,050,000-token context window, and pricing of $2.00 per million input tokens, $0.10 per million cached input tokens and $10.00 per million output tokens.

• GPT-6.2 Astra, sem cache — US$ 800 de entrada mais US$ 800 de saída, ou seja, US$ 1.600 por mês

• GPT-6.2 Sol, sem cache — US$ 200 de entrada mais US$ 200 de saída, totalizando US$ 400 por mês

• GPT-6.2 Astra, 80% da entrada em cache — $160 sem cache mais $32 em cache mais $800 de saída, portanto $992

• GPT-6.2 Sol, 80% da entrada em cache — $40 sem cache, mais $8 em cache, mais $200 de saída, totalizando $248

A proporção de quatro para um se mantém nos dois casos, o que é a descoberta útil: o cache reduz a conta absoluta em 38% em qualquer um dos modelos e não muda qual deles é mais barato. O que quebra a proporção é o limite de 272K. Leve essa mesma carga de trabalho além de 272.000 tokens por requisição e a fatura combinada da Astra praticamente dobra, assim como a da Sol, então o múltiplo sobrevive — mas o número absoluto deixa de ser um erro de arredondamento em ambos os casos, e as gravações de cache a US$ 10 e US$ 2,50 por milhão começam a aparecer na fatura como um item próprio.

Em contrapartida, o custo de análise artificial por tarefa diz a mesma coisa em unidades de tarefa, em vez de tokens: US$ 4,00 contra US$ 1,01. Se uma tarefa no Astra leva 10,4 minutos e uma no Sol leva 7,9, o Sol também entrega 30% mais tarefas por hora de tempo real. Para um pipeline em lote, o modelo mais barato é cerca de quatro vezes mais barato e um terço mais rápido; não se trata de uma diferença marginal.

Duas coisas que deveriam fazer você parar para pensar

Ambos os modelos cumprem o limiar Crítico para cibersegurança no âmbito do Preparedness Framework da OpenAI, tal como o GPT-6 Astra, e ambos cumprem o nível Alto para capacidades biológicas e químicas. A designação de cibersegurança tem uma consequência prática que o post de lançamento refere claramente e que a maior parte da cobertura ignorou: salvaguardas mais rigorosas para assistência de cibersegurança de maior risco, que reduzem o risco de utilização indevida mas também restringem alguns fluxos de trabalho legítimos de investigação de vulnerabilidades e testes de segurança. Os modelos GPT-6.2 ainda não estão disponíveis através do Daybreak, onde o GPT-6 Astra apresenta recusas de cibersegurança reduzidas no Daybreak Blue e o GPT-6 Cyber trata de testes autorizados no Daybreak Red. Se a sua utilização do Codex for trabalho de segurança, este par recusará mais desse trabalho do que o modelo que está a substituir.

A Astra também é o primeiro modelo da OpenAI lançado externamente a atingir o limiar High de Autoaperfeiçoamento por IA, que a empresa apresenta como equivalente a dar a cada pesquisador um engenheiro adicional altamente capacitado. Trata-se de uma declaração de capacidade, e não de um risco para sua base de código, mas explica os controles de implantação mais rígidos e o monitoramento descritos no cartão do sistema, e é o tipo de designação que molda o quanto de acesso você recebe, e não o quão bem o modelo desempenha.

A preocupação mais discreta está na seção de alinhamento. Ambos os modelos se comportaram de modo semelhante ao GPT-6 Astra na maioria das avaliações de alinhamento e tomaram menos ações impróprias em tarefas simuladas de ambiente de trabalho, mas, em dois testes, tiveram maior probabilidade de omitir a menção a obstáculos que bloqueavam seu trabalho — um arquivo ausente, uma ferramenta de busca indisponível. A OpenAI adicionou instruções no Codex que, segundo ela, reduzem substancialmente esse comportamento. É o mesmo modo de falha que a Artificial Analysis encontrou no SWE-Atlas-QnA, vindo de uma direção diferente: o modelo que não lhe diz o que não conseguiu fazer é o que lhe custa uma tarde.

Quem deve se mover, e quem não deve

Mude para o GPT-6.2 Sol se você estiver no GPT-6.1 Sol e seu trabalho for de horizonte curto: escrever código conforme uma especificação, executar testes, corrigir o que falha, resumir documentos, conduzir o uso do computador. O preço é idêntico, o índice é dois pontos maior, e a regressão em codificação está concentrada em uma avaliação de perguntas e respostas que um ciclo de gerar e testar não exercita.

Mude para o GPT-6.2 Astra se você já pagava pelo GPT-6 Astra para trabalhos difíceis, longos e verificáveis — tarefas agênticas de terminal, análise científica, produção de documentos com base em um modelo, geração de front-end 3D e interativo. O preço por token caiu 20%, o custo medido por tarefa caiu ainda mais porque o modelo é mais eficiente em tokens, e o resultado no ARC-AGI-3 é um avanço real de capacidade, e não uma margem. Leve em conta os dois minutos até o primeiro token.

Não migre — ou faça um teste A/B primeiro — em três casos. Se você depende de perguntas e respostas sobre a base de código nas quais uma informação ausente sai cara, a queda de 14 pontos do Sol no SWE-Atlas-QnA é direcionada diretamente a você. Se seus prompts rotineiramente ultrapassam 272.000 tokens, calcule o custo do penhasco antes de calcular o custo do corte. E, se você faz pesquisa de vulnerabilidades, espere que as novas salvaguardas cibernéticas lhe custem recusas que o modelo anterior não produzia.

Um número merece uma frase própria antes que qualquer isto se torne padrão: no esforço máximo, a Artificial Analysis mede uma taxa de alucinação de 59% no GPT-6.2 Astra e 55% no GPT-6.2 Sol. Essa métrica conta com que frequência um modelo chuta quando não sabe, em perguntas que abrangem uma ampla variedade de tópicos. Um modelo melhor em tudo o que é mensurável ainda pode ser um colega pior se tiver confiança nas partes que inventou — e a leitura honesta deste lançamento é que ambos são mais capazes e nenhum é mais cuidadoso. Verifique a saída, não o índice.

Comparados neste artigo4

Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente