
GPT-6.2 Astra и Sol: один и тот же запуск, противоположные вердикты по программированию
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 170 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 234 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 89 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 98 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
Две модели вышли 17 ноября, и более дешёвая из них несёт с собой регрессию. GPT-6.2 Sol набирает 57 баллов в индексе интеллекта Artificial Analysis при $1.01 за задание индекса; GPT-6.2 Astra — 62 балла при $4.00. Sol — это тот уровень, который OpenAI советует делать своим выбором по умолчанию, тот, к которому, по имеющимся данным, прибегают и её собственные сотрудники в обычной работе. А в индексе Coding Agent от Artificial Analysis — та же обвязка Codex, на максимальном усилии — GPT-6.2 Sol оказывается на три балла ниже заменяемой ею модели, GPT-6.1 Sol, причём это снижение объясняется одной оценкой, где она пропускает ключевые факты на 14 пунктов чаще. Astra, измеренная тем же способом, не отличается от GPT-6 Astra. Один запуск — два противоположных вердикта о том, что для пользователей Codex важнее всего.
Этот раскол заслуживает отдельной статьи, потому что в анонсе о нём не говорится. Пост OpenAI посвящён слайдам, электронным таблицам, 3D-сценам и научным терминалам, и по ним в нём есть реальные цифры. Картину в области программирования приходится собирать из независимых измерений, записи в журнале изменений и руководства по миграции, и она меняет, какой из двух ID должен находиться в вашем репозитории.
Что именно было выпущено?
Запись в журнале изменений от 17 ноября перечисляет два идентификатора моделей — gpt-6.2-astra и gpt-6.2-sol — как в Responses API, так и в Chat Completions. Вызов инструментов требует Responses. В ChatGPT обе модели становятся доступны пользователям Plus, Pro, Enterprise и Edu в ChatGPT Work и Codex с первого дня; подписчики Pro 500 получают Ultrafast на любой из моделей, а Ultrafast впервые становится доступен для Pro 200, начиная с Sol. Соответствующие требованиям рабочие пространства Enterprise и Edu получают доступ после того, как администратор включит его.
• Цена — GPT-6.2 Astra: $8 за ввод / $40 за вывод за миллион токенов против GPT-6.2 Sol: $2 / $10
• Кэшированный ввод — $0.40 за миллион на Astra против $0.10 на Sol
• Запись в кэш — 10 $ за миллион при 30-минутном окне хранения на Astra против 2,50 $ на Sol
• Контекстное окно — 1 050 000 токенов для обоих, из которых максимум 922 000 на вход и 128 000 на выход
• Дата отсечки знаний — 18 мая 2026 года у Astra против 1 июня 2026 года у Sol, поэтому более дешёвая модель — более актуальная.
• Модальности — текст и изображение на входе, текст на выходе, в обоих случаях; аудио и видео не поддерживаются ни в одном из них
• Инструменты — веб-поиск, поиск по файлам, генерация изображений, интерпретатор кода, hosted shell, применение патча, навыки, использование компьютера, MCP и поиск инструментов — всё на Responses API

Ценовое изменение асимметрично, и его легко неправильно понять. Astra стоит на 20% ниже GPT-6 Astra как по входу, так и по выходу, а кэшированный ввод падает с $1.00 до $0.40 — сокращение на 60%, потому что скидка углубилась до 95%, а базовая ставка, к которой она применяется, одновременно снизилась. Sol вообще не сдвинулся: $2, $0.10 и $10 — это в точности тарифы GPT-6.1 Sol. Таким образом, более дешёвый уровень — это улучшение возможностей при неизменной цене, а дорогой уровень — улучшение возможностей с прилагающимся снижением цены. Что из этого выгоднее купить, целиком зависит от того, для чего вы это покупаете.
Astra — это потолок, и на этот раз потолок измерим.
Artificial Analysis ставит GPT-6.2 Astra на третье место среди 91 модели в своём Intelligence Index с показателем 62, позади Claude Fable 5.2 с 65. Она опережает Gemini 4 Carbon с 60 и Claude Opus 5.5 с 59, а это реальное продвижение: предыдущая GPT-6 Astra была на пять пунктов ниже. Индекс представляет собой среднее по девяти оценкам, охватывающим работу со знаниями, агентное использование терминала, науку и общие знания, поэтому рост на пять пунктов в нём не является подгонкой под один бенчмарк.

Независимая проверка ARC Prize — самое яркое отдельное число в этом запуске. GPT-6.2 Astra — первая модель, набравшая 100% на ARC-AGI-3 при общей стоимости $4.1K через адаптер провайдера; в стандартной конфигурации ARC та же модель набирает 70.3% при $24.2K. Также сообщается о 95.8% на ARC-AGI-2 при $0.50 за задачу и 98.5% на ARC-AGI-1 при $0.17 за задачу. Это сторонние измерения на семействе бенчмарков, созданном для сопротивления запоминанию, а не заявления вендора, и они являются самым сильным доказательством в этом релизе того, что модель делает то, чего не делала её предшественница. Разброс стоимости между двумя конфигурациями ARC-AGI-3 — это оговорка: идеальный результат доступен, и то, насколько вы его получите, зависит от того, сколько обвязки вы готовы оплатить.
Собственные цифры OpenAI — заявленные вендором и невоспроизведённые — указывают в том же направлении: на 5,2 балла выше, чем у GPT-6 Astra, в Agents' Last Exam при менее чем трети затрат; на 9 процентных пунктов выше, чем у него, в Terminal-Bench-Science 0.1; новый максимум в Vals Science Index; и лучший результат в Harvey LAB-AA v1.1 для юридической работы. По независимым данным Artificial Analysis, Astra лидирует в AA-3D с 1 318 Elo против Claude Fable 5.2 с 1 271 и лидирует в AA-Robotics v0.1 с результатом 79. Она уступает только Fable 5.2 по точности фактических знаний и по физическому подмножеству CritPt v2.
Противовесом служат стоимость и задержка, и обе хуже, чем подсказывает индекс. Её $4.00 за задачу индекса обеспечивают 61-е место из 90 в рейтинге стоимости Artificial Analysis — ближе к дорогому краю, чем ожидаешь, зная о третьем месте по интеллекту, — а на одну задачу уходит 10,4 минуты при времени до первого токена ответа 134,86 секунды. Именно это и ощущается в интерактивной сессии Codex: две минуты пустоты до первого слова. Astra — это модель, которой поручаешь сложную задачу и уходишь.
Sol — это место, куда уходит объём, и где живёт регрессия.
Позиция Sol определяется арифметикой. 57 баллов по тому же индексу ставят его на одиннадцатое место из 91, а не на третье — на одном уровне с предыдущим флагманом GPT-6 Astra — при примерно 15% измеренной стоимости задачи этой модели. Artificial Analysis оценивает Sol в $1,01 за задачу индекса против $4,00 у Astra — в четыре раза меньше — при этом задача завершается за 7,9 минуты вместо 10,4, а первый токен ответа появляется через 57,55 секунды вместо 135. Он быстрее, дешевле и менее многословен: за весь набор заданий индекса он расходует 60,9 млн выходных токенов против 65,8 млн у Astra.
Позиция OpenAI такова: Sol — повседневный вариант по умолчанию, и на нескольких её внутренних оценках это подтверждается. В FrontierCode 2.0 от Cognition Sol отстаёт от Astra менее чем на полбалла при примерно одной пятой стоимости, причём оба работают на максимальных усилиях. В LifeVal — новой оценке для практических личных задач — он превосходит GPT-6 Astra по баллам примерно при одной седьмой цены. В внутреннем наборе оценок GDPval v2 для интеллектуального труда он улучшает результат на 5,3 балла по сравнению с GPT-6.1 Sol.
Затем есть измерение в области программирования, которое идёт в противоположном направлении. В индексе Coding Agent Index от Artificial Analysis, запущенном в среде Codex при максимальном усилии, GPT-6.2 Astra не отличается от GPT-6 Astra — обновление не даёт ничего измеримого, — а GPT-6.2 Sol на три балла ниже GPT-6.1 Sol. Artificial Analysis объясняет падение Sol снижением на 14 баллов в SWE-Atlas-QnA-AA — оценке, где модель должна отвечать на вопросы о кодовой базе, — и описывает причину тем, что модель чаще опускает ключевые факты в своих ответах.
Это конкретный, проверяемый режим отказа, и именно он бьёт по агенту. Агент, который упускает найденный факт, не падает; он выдаёт правдоподобную правку, которая упускает причину, по которой код был написан именно так. Если ваш сценарий использования Codex — «задавать вопросы об этом репозитории и действовать по ответам», то более дешёвая модель в этой паре не является улучшением в том измерении, за которое вы платите. Если это «напиши эту функцию, запусти тесты, исправь то, что сломалось», результат FrontierCode говорит, что вы не заметите разницы и заметите счёт к оплате.
Связующая часть — именно там, где миграция на самом деле ломается.
Три механизма важнее бенчмарков, как только вы переходите к реальной интеграции.
Первое — обе модели отклоняют reasoning_effort: "none". GPT-6 Sol принимал это; GPT-6.1 Sol — нет, и GPT-6.2 продолжает эту линию. Если вы рассчитывали отключить рассуждения, чтобы вернуть низкую задержку на дешёвом пути классификации, то на этой паре такого пути нет. Задержку покупают меньшей моделью или более коротким промптом, а не флагом.
Второе — это обрыв при длинном контексте. При превышении 272 000 входных токенов тарифы на ввод и кэшированный ввод удваиваются, а вывод стоит в 1,5 раза дороже, чем при коротком контексте, — причём множитель применяется ко всему запросу, а не только к части, выходящей за порог. В Astra это превращает $8 и $40 в $16 и $60 в тот момент, когда сессия пересекает порог; в Sol — $2 и $10 в $4 и $15. Окно в 1 050 000 токенов провоцирует ровно то поведение, которое запускает этот порог.
Третий момент: в прайс-листе в тарифах обслуживания есть мина замедленного действия. Batch тарифицируется по 50% от стандарта. Fast mode тарифицируется по двойному тарифу. Ultrafast тарифицируется по тройному стандартному тарифу до 28 февраля 2027 года и по шестикратному — с 1 марта 2027 года по тихоокеанскому времени. Тем, кто внедрит Ultrafast на старте и заложит сегодняшнюю модель затрат в бюджет, стоит знать, что примерно через три месяца ставка удвоится. Есть также скидка, которую стоит использовать: окна фонового завершения в Responses API, всё ещё в публичной бета-версии, тарифицируются по ставкам токенов модели на 30% ниже стандартных для двухчасового окна и на 40% ниже для восьмичасового окна, и обе модели GPT-6.2 подходят.
Единственное правило маршрутизации, которое добавляет этот запуск
Руководство по миграции содержит предложение, которого не было ни в одной более ранней модели OpenAI, и оно напрямую адресовано всем, кто переключает трафик между моделями. Начиная с GPT-6.2, API отбрасывает элементы рассуждений, когда обнаруживает изменение истории в середине разговора: правку префикса, понижение версии модели, смену конечного пользователя или смену организации. Когда модель теряет эти элементы, качество ответов падает, и она тратит токены на повторное выведение уже проделанной работы.
Воспринимайте это как утверждение о маршрутизации. Переключение при отказе с Astra на Sol посреди разговора — это понижение модели, а у понижения теперь есть задокументированная измеримая цена: не неудачный запрос, а худший ответ, который дороже получить. То же самое касается безобидной на вид привычки редактировать системный промпт между ходами. Исправление структурное, а не хитроумное: держите префикс побайтово идентичным, добавляйте новые инструкции в конец и проектируйте отказоустойчивое переключение так, чтобы оно начинало новый разговор, а не сращивало один. Роутер, который повторяет запрос на другой модели, — это нормально; роутер, который продолжает на ней сессию, — нет.
Стоит прямо сказать, где мы находимся. GPT-6.2 Astra и GPT-6.2 Sol сегодня отсутствуют в каталоге OrcaRouter — строки OpenAI, которые мы обслуживаем, — это GPT-6 Astra, GPT-6 Sol и GPT-6.1 Sol — поэтому эта пара доступна через собственный API OpenAI и сторонние платформы в целом, но не через нас. В каталоге же есть предыдущий уровень по прайс-листовой цене, а OrcaRouter передаёт прайс-листовую цену провайдера без наценки — 0%, поэтому на моделях, которые мы маршрутизируем, вы платите по собственной тарифной сетке OpenAI. Когда поставщик снижает цену, это снижение действует у нас в тот же день — именно так уже изменились позиции GPT-6 Astra.
Сколько это стоит при вашем объёме
Возьмём рабочую нагрузку в 100 миллионов входных токенов и 20 миллионов выходных токенов в месяц — это примерно один загруженный агент, работающий непрерывно.

• GPT-6.2 Astra, без кэширования — $800 за входные данные плюс $800 за выходные, итого $1,600 в месяц
• GPT-6.2 Sol, без кэширования — $200 за ввод плюс $200 за вывод, итого $400 в месяц
• GPT-6.2 Astra, 80% входных данных кэшировано — $160 за некэшированные плюс $32 за кэшированные плюс $800 за вывод, итого $992
• GPT-6.2 Sol, 80% входных данных кэшировано — $40 за некэшированные плюс $8 за кэшированные плюс $200 за выход, итого $248
Соотношение четыре к одному сохраняется в обоих случаях, и это полезный вывод: кэширование снижает абсолютную сумму счёта на 38% для любой из моделей и не меняет того, какая из них дешевле. Это соотношение ломает порог в 272K. Если та же нагрузка превысит 272 000 токенов на запрос, средневзвешенный счёт Astra примерно удваивается, как и у Sol, так что кратность сохраняется — но абсолютное число перестаёт быть погрешностью округления в обоих случаях, а записи в кэш по $10 и $2,50 за миллион начинают фигурировать в счёте отдельной строкой.
В противовес этому стоимость задачи по данным Artificial Analysis говорит о том же самом в единицах задач, а не токенов: $4,00 против $1,01. Если задача на Astra занимает 10,4 минуты, а на Sol — 7,9, то Sol также выполняет на 30% больше задач за час реального времени. Для конвейера пакетной обработки более дешёвая модель примерно в четыре раза дешевле и на треть быстрее; это не близкий выбор.
Две вещи, которые должны заставить вас задуматься
Обе модели соответствуют критическому порогу (Critical) по кибербезопасности в рамках Preparedness Framework OpenAI — как и GPT-6 Astra, — а также соответствуют высокому уровню (High) по биологическим и химическим возможностям. Обозначение по кибербезопасности имеет практическое следствие, о котором прямо сказано в посте о запуске и которое большинство материалов упустило: более строгие меры защиты для помощи в кибербезопасности с повышенным риском, что снижает риск злоупотребления, но также ограничивает некоторые законные рабочие процессы исследования уязвимостей и тестирования безопасности. Модели GPT-6.2 пока недоступны через Daybreak, где GPT-6 Astra имеет сниженное число отказов по киберзапросам в Daybreak Blue, а GPT-6 Cyber обрабатывает авторизованное тестирование в Daybreak Red. Если ваше использование Codex связано с безопасностью, эта пара будет отказывать в большем числе таких запросов, чем модель, которую вы заменяете.
Astra также является первой внешне выпущенной моделью OpenAI, соответствующей высокому порогу в области самосовершенствования ИИ, что компания описывает как эквивалент предоставления каждому исследователю дополнительного высококвалифицированного инженера. Это заявление о возможностях, а не риск для вашей кодовой базы, но оно объясняет более строгие меры контроля развёртывания и мониторинг, описанные в системной карте, и это именно та категория, которая определяет, какой объём доступа вы получаете, а не то, насколько хорошо работает модель.
Более тихая тревога — в разделе выравнивания. Обе модели вели себя так же, как GPT-6 Astra, в большинстве оценок выравнивания и совершали меньше недопустимых действий в смоделированных рабочих задачах, но в двух тестах они чаще не упоминали препятствия, мешавшие их работе, — отсутствующий файл, недоступный инструмент поиска. OpenAI добавила в Codex инструкции, которые, по её словам, существенно сокращают такое поведение. Это тот же режим отказа, который Artificial Analysis обнаружила в SWE-Atlas-QnA, пришедший с другой стороны: модель, которая не сообщает вам, чего она не смогла сделать, — это та, которая стоит вам полдня.
Кому стоит переезжать, а кому — нет
Перейдите на GPT-6.2 Sol, если вы работаете на GPT-6.1 Sol и ваша работа носит краткосрочный характер: написание кода по спецификации, запуск тестов, исправление того, что не проходит, составление сводок документов, управление работой с компьютером. Цена та же, индекс на два пункта выше, а регрессия в программировании сосредоточена в оценке ответов на вопросы, которую цикл генерации и проверки не задействует.
Переходите на GPT-6.2 Astra, если вы уже платили за GPT-6 Astra для сложной, длительной и проверяемой работы — агентных задач в терминале, научного анализа, подготовки документов по шаблону, генерации 3D и интерактивного фронтенда. Цена за токен снизилась на 20%, измеренная стоимость одной задачи снизилась ещё сильнее, потому что модель эффективнее расходует токены, а результат ARC-AGI-3 — это настоящий шаг в возможностях, а не маржинальное улучшение. Заложите две минуты на время до первого токена.
Не переходите — или сначала проведите A/B-тест — в трёх случаях. Если вы полагаетесь на ответы на вопросы по кодовой базе, где недостающий факт обходится дорого, падение Sol на 14 пунктов в SWE-Atlas-QnA направлено прямо на вас. Если ваши промпты регулярно превышают 272 000 токенов, оцените цену обрыва, прежде чем оценивать цену сокращения. А если вы занимаетесь исследованием уязвимостей, ожидайте, что новые киберзащитные меры будут стоить вам отказов, которых не было у предыдущей модели.
Одна цифра заслуживает отдельного предложения, прежде чем всё это станет стандартом: при максимальном уровне усилий Artificial Analysis фиксирует уровень галлюцинаций 59% у GPT-6.2 Astra и 55% у GPT-6.2 Sol. Этот показатель учитывает, как часто модель угадывает, когда не знает ответа, на вопросах из широкого круга тем. Модель, которая лучше во всём измеримом, всё равно может быть худшим коллегой, если она уверена в тех частях, которые выдумала, — и честный вывод из этого запуска таков: обе они более способны, но ни одна не стала осторожнее. Проверяйте результат, а не индекс.
Сравнение в этой статье4
Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно
