Um cartão de destaque gerado, intitulado '126 tokens por segundo, não 4,5x', com o subtítulo 'A primeira medição pública do Ultrafast, no GPT-6.2 Sol', três cartões com os dizeres 'Média medida: 126 tok/s', 'Pico medido: 252 tok/s' e 'Linha de base padrão: 85 tok/s', e um rodapé com os dizeres 'A edição de vídeo de 27 minutos de um usuário, 18 de novembro de 2026; linha de base padrão conforme a Artificial Analysis'.
Guides & Insights

GPT-6.2 Sol Ultrafast, medido: 126 tokens por segundo e nenhum sinal do 4,5×

Autor

jinhao.song

Data de publicação

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

O primeiro número público para GPT-6.2 Sol em execução com o Ultrafast ativado é 126 tokens por segundo, em média, em um trabalho que levou 27 minutos de tempo real e cerca de 14 minutos de resposta efetiva do modelo, com um pico de rajada de 252 tokens por segundo. Ele vem de um editor de vídeo no X que pediu ao modelo para cortar um vídeo de oito minutos — uma tarefa real, relatada em quatro linhas, sem harness, sem execuções repetidas e sem controle no modo Standard. Compare essa média com o número que a Artificial Analysis publica para o mesmo modelo no Standard, 85 tokens de saída por segundo, e a camada que a OpenAI diz gerar tokens "a até 4,5 vezes a velocidade do Standard" ficou em aproximadamente 1,5× neste único relato. GPT-6.2 Astra e GPT-6.1 Sol, os outros dois modelos na lista Ultrafast, ficam ainda mais baixos nesse ranking independente, com 60 e 49 tokens por segundo, e é por isso que a proporção importa mais aqui do que o número bruto.

Quatro números, e o quinto ninguém postou.

O post é incomumente específico para uma alegação de velocidade em rede social, e é isso que faz valer a pena destrinchá-lo. Ele informa a tarefa (uma edição de vídeo de oito minutos), o tempo total (27 minutos), a parcela gasta esperando pelo modelo (cerca de 14 minutos), a taxa média de geração (126 tokens por segundo) e o melhor pico único (252). A OpenAI documenta o nível como Ultrafast; o post o chama de "Ultra Fast". Ambos os nomes descrevem a mesma coisa — a opção de velocidade mais rápida no seletor do ChatGPT Work e do aplicativo Codex.

O que o post não dá é a metade que o tornaria um benchmark:

• Em qual superfície ele foi executado — ChatGPT Work, o aplicativo Codex ou a API. Todos os três expõem o nível; os números não são comparáveis entre eles.

• A configuração de esforço de raciocínio. Sol no Light e Sol no Pro são quantidades diferentes de raciocínio antes do primeiro token, e o tempo de raciocínio está dentro desses 14 minutos.

• Quantos tokens foram realmente gerados. Isso pode ser inferido a partir da média e da duração, e vale a pena fazer essa inferência — veja abaixo —, mas é uma inferência.

• Quanto o Standard teria levado para realizar a mesma tarefa. Este é o número sobre o qual o texto realmente trata, e é o único número que o post não pode conter, porque é uma única execução sem nada com que comparar.

• Se a edição foi utilizável à primeira tentativa. "Cortou um vídeo de oito minutos" é uma afirmação de sucesso, não de qualidade, e uma nova execução teria alterado substancialmente o tempo total.

A afirmação, declarada exatamente, e quanto custa o nível

A documentação de velocidade da OpenAI é precisa sobre o que o Ultrafast promete: "No GPT-6.2 Astra e no GPT-6.2 Sol, o Ultrafast gera tokens a até 4,5 vezes a velocidade do Standard no mesmo modelo." Observe os dois qualificadores. É uma alegação sobre geração de tokens, não sobre o tempo até o primeiro token nem sobre o tempo que uma tarefa inteira leva. E é "até", que é um teto e não um valor típico — uma distinção que importa enormemente quando a primeira leitura independente chega a cerca de um terço desse teto.

Na API, trata-se de um sinalizador, não de um modelo: defina model como gpt-6.2-sol e service_tier como "ultrafast". A OpenAI recomenda WebSockets para trabalho agêntico, para que a sobrecarga de conexão não consuma o ganho, e o Ultrafast tem os seus próprios limites de taxa, separados dos do Standard e do Fast. Para os modelos GPT-6.2, esses limites não são publicados — a documentação indica que você verifique as configurações da sua própria organização —, enquanto o GPT-6.1 Sol Ultrafast publica 1.000.000 de tokens por minuto no nível Build e o GPT-6 Astra publica 500.000. A residência de inferência para o nível GPT-6.2 é apenas nos Estados Unidos. No ChatGPT, o Pro de $200 tem Ultrafast apenas no Sol, e o Pro de $500 tem ambos os modelos.

O preço é a parte que tem prazo. Ultrafast no GPT-6.2 Sol custa US$ 6,00 por milhão de tokens de entrada, US$ 0,30 por milhão de tokens de entrada em cache e US$ 30,00 por milhão de tokens de saída durante o período promocional, e US$ 12,00 / US$ 0,60 / US$ 60,00 no preço de tabela — exatamente 3× e 6× a tarifa Standard de US$ 2,00 / US$ 0,10 / US$ 10,00. A OpenAI marca a data da mudança: "A Ultrafast custa 3 vezes a tarifa Standard até 28 de fevereiro de 2027, e 6 vezes a tarifa Standard a partir de 1º de março de 2027 (horário do Pacífico)."

A screenshot of OpenAI's ChatGPT speed documentation describing Ultrafast mode, showing the statement that on GPT-6.2 Astra and GPT-6.2 Sol Ultrafast generates tokens at up to 4.5 times the speed of Standard, the recommendation to use WebSockets, and the note that Ultrafast has separate rate limits from Standard and Fast.

A linha de base que torna 126 legível

Um número de tokens por segundo não significa nada sem uma referência, e há exatamente uma referência independente para esta família de modelos. A Artificial Analysis mede o GPT-6.2 Sol em esforço máximo de raciocínio a 85 tokens de saída por segundo, um tempo até o primeiro token de 68 segundos, 7,9 minutos para uma tarefa de índice concluída e US$ 1,01 por tarefa, contra um Índice de Inteligência de 57. O mesmo ranking coloca o GPT-6.2 Astra a 60 tokens por segundo e um Índice de 62, a US$ 4,00 por tarefa, e o GPT-6.1 Sol a 49 tokens por segundo e um Índice de 55, a US$ 1,27 por tarefa.

Essas são medianas do harness em um conjunto de avaliação fixo, e a edição de vídeo é uma tarde de trabalho de uma pessoa. Não são a mesma medição, e a maneira honesta de usá-las juntas é como um fator de escala aproximado, e não como um veredito:

• Média medida: 126 tokens por segundo — cerca de 1,5× a linha de base Standard de 85.

• Pico medido, 252 tokens por segundo — cerca de 3,0× essa linha de base, na única rajada mais rápida.

• A afirmação de 4,5× aplicada a 85 — pouco mais de 380 tokens por segundo, algo que nada no relatório chega perto.

• A própria página do GPT-6.2 Sol da Artificial Analysis não menciona o Ultrafast em absoluto, então seu 85 é um valor do modo Standard por padrão, e não por afirmação explícita.

Por que quatro vezes e meia a quantidade de tokens não equivale a quatro vezes e meia o trabalho

Esta é a parte que se perde quando um nível de velocidade é vendido como um multiplicador, e a publicação do vídeo contém acidentalmente a prova. Catorze minutos de resposta do modelo num trabalho de 27 minutos significam que 52% do tempo foi geração e 48% foi todo o resto — upload, transcodificação, os próprios passos do editor, chamadas de ferramentas, o que quer que o pipeline faça entre os turnos do modelo. Trate essa divisão como a forma da carga de trabalho e a aritmética torna-se implacável:

• O tempo de geração implica aproximadamente 106.000 tokens de saída, em 14 minutos e 126 tokens por segundo.

• No baseline Standard de 85 tokens por segundo, esses tokens levam cerca de 21 minutos, então o trabalho chega perto de 34 minutos.

• Com o 4,5× máximo alegado — cerca de 383 tokens por segundo — eles levam menos de 5 minutos, então o trabalho fica perto de 18 minutos.

• A execução, na verdade, levou 27 minutos, quase exatamente a meio caminho entre os dois.

Mesmo que o tier tivesse entregado cada fração dos 4,5×, o ganho ponta a ponta nesta carga de trabalho teria sido de cerca de 1,5×, porque o modelo sempre foi apenas metade do trabalho. A lei de Amdahl não se importa com o quão rápido a parte rápida fica. Isso não é um argumento contra o Ultrafast; é um argumento para medir o tier em relação ao formato do seu próprio pipeline, e não em relação ao multiplicador, porque um turno de chat interativo é quase todo geração e um pipeline de mídia não é.

Quanto esses 14 minutos realmente custaram

Aplique a tabela de tarifas promocional aos 106.000 tokens de saída inferidos, e o preço da medição fica legível em uma linha:

• Padrão, US$ 10,00 por milhão de tokens de saída — cerca de US$ 1,06.

• Ultrafast na tarifa promocional, US$ 30,00 por milhão — cerca de US$ 3,18.

• Ultrafast ao preço de tabela a partir de 1 de março de 2027, US$ 60,00 por milhão — cerca de US$ 6,35.

A saída representa apenas metade da conta e, num agente de edição de vídeo, provavelmente é a metade menor. Cada descrição de frame, transcrição e resultado de ferramenta volta como entrada a US$ 6,00 por milhão durante a promoção, e um agente que itera sobre o mesmo contexto é exatamente o tipo de carga de trabalho para o qual existem as linhas de gravação em cache — US$ 7,50 por milhão para um cache de 30 minutos e US$ 15,00 para um de 12 horas, contra US$ 0,30 por uma leitura de cache. Um pipeline que reenvia seu contexto em vez de armazená-lo em cache pode gastar mais com entrada do que com a saída que tentava acelerar. O post não informa as contagens de tokens, então isso não pode ser totalizado, apenas limitado: o nível multiplicou a metade de geração da conta por três e a multiplicará por seis em catorze semanas.

Em qual modelo colocar o nível?

O mesmo 4,5× aplicado a três linhas de base diferentes dá três destinos muito diferentes, e o mais barato não é o mais rápido.

• GPT-6.2 Sol — 85 tokens por segundo no Standard, então a afirmação implica cerca de 383. Índice 57, US$ 1,01 por tarefa.

• GPT-6.2 Astra — 60 no Standard, então a alegação implica cerca de 270. Índice 62, US$ 4,00 por tarefa, quatro vezes o custo por cinco pontos de índice a mais.

• GPT-6.1 Sol — 49 no Standard, então a afirmação implica cerca de 220. Índice 55, US$ 1,27 por tarefa, e seu nível Ultrafast tem preço fixo de US$ 12,00 de entrada e US$ 60,00 de saída por milhão, sem nenhuma linha promocional.

Daqui resultam duas consequências. Primeiro, o Ultrafast no Astra continua mais lento do que o Ultrafast no Sol, porque parte de uma base inferior — se o objetivo for o débito, o modelo mais forte não basta para lá chegar. Segundo, o Ultrafast do GPT-6.1 Sol já tem o preço que o Ultrafast do GPT-6.2 Sol custará depois de fevereiro, o que faz dele uma pré-visualização justa da fatura, e não um desconto. A OpenAI também refere que o Ultrafast no GPT-6 Astra e no GPT-6.1 Sol está disponível para todos os utilizadores da API, enquanto o nível GPT-6.2 o remete para os limites de taxa da sua organização — vale a pena verificar antes de criar uma fila em torno disso.

A screenshot of the Artificial Analysis model page for GPT-6.2 Sol, showing an Intelligence Index of 57, an output speed of 85 tokens per second, a time to first token of 68 seconds, 7.9 minutes per index task, and a cost of $1.01 per task.

Obtendo seu próprio número em vez de usar este emprestado

A medição acima é um único relatório e deve ser tratada como um sinal, não como uma especificação. A forma de resolver isso é um A/B controlado na sua própria carga de trabalho — o mesmo prompt, a mesma tarefa, três execuções no Standard e três com service_tier definido como "ultrafast", registrando separadamente os minutos de ponta a ponta, o total de tokens e o tempo até o primeiro token. Relate o pico, bem como a média, porque a diferença entre 126 e 252 no post original é a diferença entre um nível que ajuda e um nível que ajuda ocasionalmente.

O OrcaRouter não disponibiliza o GPT-6.2 Sol nem o GPT-6.2 Astra hoje; o catálogo contém openai/gpt-6-astra, openai/gpt-6-sol, openai/gpt-6.1-sol e openai/gpt-6-luna, e as páginas dos modelos GPT-6.2 não resolvem. Portanto, isto não é uma sugestão de que encaminhe o novo modelo através de nós. O que é verdade hoje é mais restrito e ainda assim útil exatamente para esta decisão. O GPT-6.1 Sol está no catálogo, é o modelo mais próximo do que foi medido, e executar o seu conjunto de avaliação com ele através de uma única chave é a forma mais barata de descobrir se um nível de velocidade muda o seu produto antes de comprometer um orçamento com um nível que duplica em março. O preço é a tarifa de tabela do fornecedor repassada sem margem, portanto o aumento de 1 de março de 2027 chega do nosso lado no mesmo dia em que chega ao da OpenAI — sem ciclo de reprecificação, sem renegociação.

Há também um argumento de roteamento específico para este nível. O Ultrafast tem seus próprios limites de taxa, separados do Standard e do Fast, e a OpenAI não publica um número padrão de tokens por minuto para o nível GPT-6.2 — você descobre seu teto ao atingi-lo. Um pipeline que trata o Ultrafast como o único caminho herda esse desconhecimento; um pipeline que consegue recorrer ao Standard no mesmo modelo degrada em velocidade em vez de falhar. Essa é a única vantagem estrutural de colocar um nível de velocidade atrás de um roteador em vez de codificá-lo diretamente, e vale a pena tê-la antes que o nível esteja em um caminho crítico.

A generated single-column scoreboard for GPT-6.2 Sol Ultrafast with rows reading 'Measured average: 126 tok/s', 'Measured peak: 252 tok/s', 'Standard baseline: 85 tok/s', 'Vendor claim: up to 4.5x Standard', 'Output price, promo: $30 per MTok' and 'Output price, list: $60 per MTok', with a footer noting that the measured figures are one user's task report, the baseline is per Artificial Analysis, and the claim and prices per OpenAI.

O que resolveria isso

Um único número faria isto passar de anedota a evidência: um teste A/B de Standard versus Ultrafast em uma tarefa fixa, publicado com tokens e tempo real de execução. Enquanto isso não existir, a interpretação defensável de 18 de novembro de 2026 é que o Ultrafast no GPT-6.2 Sol é real e materialmente mais rápido que o Standard — 126 contra 85 não é ruído, e uma rajada de 252 tokens não é artefato de arredondamento —, mas que o multiplicador publicado é um teto a que ninguém chegou perto publicamente, e que um ganho de velocidade no nível da tarefa depende tanto da fração do seu pipeline que é geração de tokens quanto do próprio nível. A pessoa que publicou a medição conseguiu um corte de vídeo em 27 minutos em vez dos 34 estimados, e fez isso em um nível de lançamento que custará o dobro em março. É um bom resultado e um multiplicador modesto, e as duas partes valem a pena saber antes de alguém planejar o orçamento com base em 4,5×.

Comparados neste artigo1

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