Трёхколоночная ценовая лестница для GPT-6.2 Astra: Standard — $8.00 за входные и $40.00 за выходные токены за миллион с потоковой передачей и без скидочного окна; 2-часовое окно — на 30% ниже Standard, с показателями $5.60 за входные, $0.28 за кэшированные и $28.00 за выходные без потоковой передачи; 8-часовое окно — на 40% ниже Standard, с показателями $4.80 за входные, $0.24 за кэшированные и $24.00 за выходные; в сноске указано, что это целевой ориентир, а не гарантия. Логотип OrcaRouter расположен в правом нижнем углу.
Guides & Insights

GPT-6.2 Astra Background Mode: скидка 40%, оплата по реальному времени

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Самый дешёвый путь OpenAI к GPT-6.2 Astra не меняет цену модели. Он меняет то, когда вы готовы получить ответ. Отправьте тот же запрос через Responses API с параметром background, для которого задано true, и параметром background_options.completion_window, для которого задано 8h, и токены GPT-6.2 Astra, указанные в прайсе как $8 за ввод и $40 за вывод за миллион, обойдутся в $4.80 и $24. На GPT-6.2 Sol тарифная карта $2 и $10 превращается в $1.40 и $7. Те же веса, та же логика рассуждений, то же контекстное окно. GPT-6.2 Sol, более дешёвый из пары, получает те же условия: $1.40 и $7 в восьмичасовом окне против $2 и $10 в Standard. Изменилось лишь ваше место в очереди.

Этот компромисс был выпущен 17 ноября 2026 года — в том же окне журнала изменений, что и сами две модели, — и его легко ошибочно принять за снижение цены. Это не так. Снижение цены следует за моделью, где бы она ни вызывалась. Окно завершения — это флаг на одном эндпоинте, и каждое свойство, которое делает его ценным для планировщика OpenAI, — это свойство, с которым вам придётся смириться: без потоковой передачи, без совместного использования кэша с обычным трафиком и с бюджетом ограничения скорости, который вы теперь делите с Batch API.

Причина, по которой это заслуживает больше, чем одной строки в журнале изменений, в том, что скидка необычно велика для уровня, который сохраняет полное качество модели. Batch уже много лет доступен со скидкой 50%, но Batch принимает только запросы, которые можно отправить файлом и забыть. Здесь скидка 40% на живой диалог агента — с последующими ходами и выводом инструментов — при условии, что диалог может допускать очередь. Для многих production-нагрузок это разница между вопросом доступности по цене и архитектурным вопросом.

Что такое окно в терминах API

Сам по себе фоновый режим не нов: это способ Responses API выполнять длительный запрос асинхронно. Вы задаёте для background значение true, сразу получаете обратно ID ответа, а результат позже получаете через вебхук на response.completed или опрашивая эндпоинт retrieve, пока статус равен queued или in_progress. Смысл фонового режима всегда заключался в том, чтобы не держать соединение открытым на время двадцатиминутного запуска агента.

Новое здесь в том, что у фоновой очереди теперь есть уровни с ценами. background_options.completion_window принимает soonest, 2h или 8h. Soonest — это значение по умолчанию, без скидки; это случай «сгенерировать отчёт, пока кто-то ждёт». 2h на 30% ниже Standard, а 8h на 40% ниже, и в документации особо указано, что отсчёт целевого времени начинается, когда API принимает первоначальный запрос, и применяется к этому ответу.

«Целевое завершение в пределах выбранного окна» — эту фразу стоит прочитать дважды. Это цель планирования, а не гарантия и не фиксированная задержка; кроме того, сам API советует учитывать, что время запуска зависит от планирования. Запрос в восьмичасовом окне не удерживается восемь часов, а затем выполняется: он выполняется, когда позволяет мощность, и если он завершается за четыре минуты, вы получите его через четыре минуты. Вы отказались лишь от права жаловаться, когда этого не происходит.

Лестница в долларах

Обе модели, которые охватывает это окно, с ценами на каждом уровне за миллион токенов, на основе опубликованных стандартных тарифов OpenAI:

• GPT-6.2 Astra, Standard — $8 за ввод, $0.40 за кэшированный ввод, $40 за вывод

• GPT-6.2 Astra, 2-часовое окно — $5.60 за ввод, $0.28 за кеширование, $28 за вывод

• GPT-6.2 Astra, 8-часовое окно — ввод $4.80, кэш $0.24, вывод $24

• GPT-6.2 Sol, Standard — $2 за ввод, $0.10 за кэш, $10 за вывод

• GPT-6.2 Sol, 2-часовое окно — $1.60 за ввод, $0.08 за кэш, $8 за вывод

• GPT-6.2 Sol, 8-часовое окно — $1.40 за ввод, $0.06 за кэширование, $7 за вывод

• Для наглядности: та же модель в быстром сегменте — режим Fast удваивает ставку Standard до $16 и $80; Ultrafast — это 3× Standard по $24 и $120 до 28 февраля 2027 года и 6× по $48 и $240 с 1 марта 2027 года.

Three stacked bars showing what a 40% window does to a $4.00 Artificial Analysis task on GPT-6.2 Astra: $4.00 at Standard, about $2.80 in the 2h window and about $2.40 in the 8h window, beside a card breaking the $4.00 into $1.19 of cache reads, $1.10 of cache writes, $1.64 of output and $0.07 of uncached input. The OrcaRouter logo sits in the bottom-right corner.

Это ставки за токены, а ставки за токены — не то, во что обходится задача. Взвешенный счёт Artificial Analysis за выполненную задачу Intelligence Index на GPT-6.2 Astra составляет $4.00 в режиме Standard по её индексу v5.0.1, измеренному при максимальном усилии. Если бы скидка за окно применялась единообразно ко всем категориям в этом счёте, та же задача обошлась бы в $2.80 в двухчасовом окне и в $2.40 в восьмичасовом. На десяти тысячах задач это $28 000 и $24 000 вместо $40 000.

Это «если» имеет реальное значение. В документации OpenAI сказано, что скидка применяется к тарифам на токены модели для каждого соответствующего требованиям запроса, включая последующие запросы, и на странице с ценами повторяется та же формулировка. Ни на одной из страниц скидка не разбивается по категориям токенов, а счёт за токены для этой модели не состоит в основном из необработанных входных данных: по измерению Artificial Analysis, из $4.00 сумма $1.19 приходилась на чтение из кэша, $1.10 — на запись в кэш, и только $0.065 — на некэшированный ввод, при этом $1.64 — на вывод. Запись в кэш тарифицируется по собственной ставке — $10 за миллион для 30-минутного кэша и $20 для 12-часового кэша, — поэтому рабочая нагрузка, в которой преобладает запись больших промптов в кэш, может не снизиться ровно на 40%. Воспринимайте 40% как общий характер скидки и измеряйте собственный счёт, а не исходите из предположения о множителе.

Четыре условия, которые вы наследуете

Скидка доступна не для каждого запроса, и именно на исключениях реализации обычно и ошибаются.

• Только стандартная обработка. Для окон со скидкой требуется, чтобы service_tier был установлен в default. Если оставить его в auto, запрос получает право на скидку, только если API случайно выберет Standard, а значит, ваша скидка становится подбрасыванием монеты, исход которого вы не можете узнать заранее.

• Без потоковой передачи. Потоковая передача работает только со значением soonest. Для 2h и 8h необходимо опустить stream или установить для него значение false; кроме того, вы не сможете позже передать ответ потоком, если он не был создан с потоковой передачей.

• Единый общий лимит запросов. Запросы в двухчасовом и восьмичасовом окнах используют тот же лимит запросов Batch/Background, что и задания Batch API, а входные токены учитываются при отправке. Эксперимент, отправляющий документ на миллион токенов в восьмичасовой фоновый режим, не просто ждёт; он расходует запас, который использовали ваши задания Batch.

• Повторные запросы должны совпадать. Запуск агента — это цепочка, и скидка сохраняется по всей цепочке только в том случае, если каждый последующий запрос повторяет окно, continuation_id, модель, проект и настройку фонового режима. Если повторно использовать идентификатор продолжения, последующий запрос также получит право на более высокий приоритет в очереди. Измените любой из этих параметров — и следующий ход станет стандартным запросом.

A 2x2 grid of cards headed 'Four things the window takes with it': Standard processing only with the Flex tier gone, no streaming so you receive the finished response rather than tokens, a rate limit shared with Batch jobs where input tokens count at submission, and a split prompt cache whose window-written entries are invisible to Standard requests. The OrcaRouter logo sits in the bottom-right corner.

Пятое условие скрывается в правилах кэширования, и у него самый длинный хвост. Стандартные запросы вне окон со скидкой не могут повторно использовать записи кэша промптов, созданные фоновыми запросами с двухчасовым или восьмичасовым окном, даже если промпт идентичен, и обратное тоже верно. Если половина вашего трафика работает в окне, а половина — по требованию, вы незаметно разделили кэш промптов на две части и платите за двукратную запись одного и того же префикса. Скидка на одной стороне этого разделения компенсируется записью в кэш на другой, а модель с ценой записи в кэш $10 за миллион — как раз худший кандидат для такого разделения.

Стоимость, не указанная в счёте

Скидка позволяет получить токены в обмен на время, и это время не ограничено окном. Рассмотрим ночную проверку документов, которую сама документация приводит в качестве примера: один восьмичасовой запрос, вызов инструмента и последующий запрос, который возвращает полученный документ. Оба ответа подпадают под скидку 40%, а для второго целевой срок начинается заново. В лучшем случае весь прогон завершается до завтрака. В худшем случае каждый из двух ответов занимает почти весь свой целевой срок, из-за чего верхняя граница от начала до конца составляет примерно шестнадцать часов, а не восемь.

Эта арифметика плохо масштабируется на долгоживущих агентов. У рабочего процесса из двенадцати ходов, который пропускает каждый ход через восьмичасовое окно, потолок составляет четыре дня, а реальное планирование оказывается где-то между лучшим случаем и этим потолком, причём опубликованного распределения не существует. Честный способ внедрять это — принимать решение для каждого рабочего процесса, а не для каждого вызова: конвейер, результат которого потребляется на следующее утро, подходит естественным образом, а интерактивная сессия — нет, сколько бы токенов это ни сэкономило. Окно — это заявка на дешёвые мощности, а заявки исполняются, когда есть свободные мощности.

Дыра во Flex, о которой никто не упоминает

До появления этих окон способом получить скидку на это семейство моделей был service_tier: flex: на 50% ниже Standard при более низком приоритете. Flex по-прежнему существует на более старых моделях — GPT-6 Astra указан по $5 и $25 в таблице Flex против $10 и $50 в Standard — но в справочном руководстве OpenAI прямо указано, что начиная с GPT-6.2 Astra и Sol новые модели выпускаются без обработки Flex, и что для длительных задач вместо этого следует использовать дисконтированные окна завершения с обработкой Standard.

Прочитайте два числа рядом друг с другом — и направление движения станет очевидным. В предыдущем поколении терпеливый звонящий мог купить со скидкой 50%. В этом поколении максимальный уровень — 40%, и для этого нужно представить работу как фоновую. Замена не является прямым улучшением старой опции; это более узкая опция с меньшей скидкой, и она поставляется вместе с формой запроса — асинхронной, без потоковой передачи, с одним идентификатором ответа — которую может принять не каждая интеграция.

Batch всё ещё идёт глубже, и для половины этого он — неподходящий инструмент.

Batch API по-прежнему доступен со скидкой 50% при обработке за 24 часа, и уже только по цене он превосходит любое фоновое окно. Различие носит структурный, а не количественный характер. Batch принимает JSONL-файл независимых запросов и возвращает файл результатов; рабочий процесс не сохраняет память между строками. Фоновый режим предназначен для одного ответа за раз, при этом состояние диалога передаётся через previous_response_id и цепочку вызовов инструментов, которые приложение должно выполнить между ними.

Итак, решение не в том, {{1}}что дешевле{{/1}}, а в том, {{2}}есть ли у моей рабочей нагрузки промежуточный вариант{{/2}}. Пять тысяч независимых вызовов классификации относятся к Batch и всегда к нему относились. Один запуск агента, который читает документ, вызывает функцию, а затем пишет отчёт, вообще нельзя выразить как пакетную обработку — его второй запрос не существует, пока не вернётся первый. Именно этот пробел заполняют окна, и он вполне реальный: 40% — это первая скидка, которую OpenAI предложила за работу с сохранением состояния и несколькими ходами.

Сноска о хранении с последствиями для соответствия требованиям

Фоновый режим временно хранит данные ответа, даже если store имеет значение false или проект использует Zero Data Retention, потому что API нужны эти данные для выполнения запроса и обеспечения возможности получить результат. Они шифруются при хранении для каждого окна, включая ближайшее, и рекомендуется самостоятельно сохранить исходный ввод и полный вывод ответа, пока вы ещё можете его получить. Для этого временного хранилища не указан срок жизни.

Для команды, выбравшей Zero Data Retention для регулируемой рабочей нагрузки, «временно хранится» — это фраза, которую нужно донести до того, кто утвердил проверку обработки данных, и сделать это до постановки в очередь первой восьмичасовой задачи, а не после. Скидка не меняет соответствие эндпоинта требованиям; она меняет то, как долго запрос и его результат находятся в состоянии, которое вы не можете видеть.

Что маршрутизация добавляет здесь, а что — нет

Об одной вещи стоит сказать точно, потому что при объявлении скидки легко ошибиться: это функция планирования, а не цена по прайс-листу. OrcaRouter передаёт цену провайдера по прайс-листу с наценкой 0%, поэтому настоящее снижение цен OpenAI отражается у нас в тот же день — но окно завершения — это флаг на собственном эндпоинте OpenAI, и оно не передаётся вместе с моделью. Вызов GPT-6.2 Astra через роутер не воспроизводит эти 40%, и ни один роутер не может этого сделать, потому что скидку предоставляет планировщик.

Остаются две вещи, для которых маршрутизация действительно полезна при такой схеме развертывания. Первая — выбор модели: из четырёх моделей, доступных в этих окнах, — GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra и GPT-6 Luna, — дешёвый сегмент уже есть в нашем каталоге с GPT-6 Luna и GPT-6.1 Sol по прейскурантной цене, поэтому решение о выборе уровня и решение о выборе провайдера остаются в рамках одного ключа, а не двух контрактов. Вторая — защита вызовов, которые не могут ждать. Система, которая помещает свои ночные задачи в восьмичасовое окно, делает свой чувствительный к задержкам путь более важным, а не менее, и автоматическое переключение при сбое на этом пути — это то, что не даёт одному инциденту у провайдера превратить пятисекундный вызов в простой. Очередь и аварийное переключение дополняют друг друга: вы тратите терпение там, где оно есть, чтобы позволить себе быть нетерпимыми ко всему остальному.

OpenAI's developer documentation page for Responses API background mode, showing the background flag set to true, the background_options object with its completion_window values of soonest, 2h and 8h, and the notes on polling or webhook notification of the completed response.

Практическое правило

Если ответ потребляется человеком, который наблюдает за ним, ничего из этого не применяется: используйте как можно скорее, передавайте его потоком и платите по тарифу Standard. Если ответ потребляется плановой задачей, отчётом, который поступает до утреннего совещания, или конвейером, следующая стадия которого запускается сегодня вечером, восьмичасовое окно — это скидка 40% на токены полного качества, и единственный реальный вопрос — сможет ли ваша интеграция обойтись без потоковой передачи и с разделённым кешем промптов. Двухчасовое окно при 30% — неудобная середина: оно достаточно выгодное, чтобы ради него стоило менять архитектуру, только если работа действительно ограничена двухчасовым дедлайном, а большинство пакетных задач таковыми не являются.

Следить нужно не за процентом скидки, а за долей вашего трафика, который уже ожидает. Команды, запускающие агентов на ночь, получают скидку 40% от счета, который им и так предстояло оплатить. Командам, запускающим их в интерактивном режиме, предлагают скидку, которой они не могут воспользоваться, на модели, которая больше не продает тариф Flex со скидкой 50%, прежде служивший им запасным вариантом. Этой второй группе стоит прочитать страницу с ценами раньше страницы архитектуры, потому что 17 ноября самый дешевый способ вызывать GPT-6.2 Astra перестал быть тарифом, который вы выбираете, и стал графиком, который вы принимаете.

Сравнение в этой статье1

Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно

© 2026 OrcaRouter