Титульная карточка для сравнения GPT-6.2 Astra и GPT-6.2 Sol, создающих одну и ту же демонстрацию меха на three.js в Йонкерсе, с показателями Astra — 1 318 Elo в AA-3D от Artificial Analysis и Sol — 1 259, а также с плашкой, отмечающей, что в опубликованном одним разработчиком сравнении «бок о бок» ни одна из моделей не преобразовала город в меха убедительно. Логотип OrcaRouter расположен в правом нижнем углу.
Guides & Insights

GPT-6.2 Astra против GPT-6.2 Sol: две демонстрации мехов, один промах

Автор

jinhao.song

Дата публикации

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

Публикация OpenAI о запуске GPT-6.2 Astra и GPT-6.2 Solсодержит узкое, проверяемое обещание: эта пара «пишет более чистый код и создаёт фронтенды, которые выглядят и работают лучше, особенно для сайтов, игр и 3D-дизайна». Это из тех заявлений, которые не может окончательно подтвердить спецификация, а бенчмарк может лишь приблизительно оценить, поэтому через два дня после релиза есть ровно одно опубликованное воспроизводимое прямое сравнение по этому вопросу — промпт Yonkers Саймона Уиллисона, запущенный для обеих моделей с настройкой усилий Ultra в Codex CLI, причём оба результата оставлены в открытом доступе, чтобы любой мог их открыть. Его вердикт — это первая строка истории: «Ни одна из них недостаточно хорошо справилась с превращением Yonkers в большого меха».

Что делает этот тест достойным статьи — не то, что две модели не справились. А то, что они не справились по-разному, в коде, который можно прочитать, и что та, чья неудача обошлась дороже, оказалась достаточно хороша, чтобы потом смонтировать сравнительное видео. Если вы собираетесь потратить неделю контекстного окна на генерацию фронтенда, разница между бандлом в 568 КБ и четырьмя модулями, написанными вручную, — это разница между демо, которое можно выпустить, и тем, которое придётся переписывать.

Что, по словам Open​AI, эта пара может создать

Утверждение достаточно конкретно, чтобы его можно было проверить. В посте OpenAI описывается, как обе модели превращают «письменный бриф в интерактивный браузерный опыт — от пинбол-стола, в который можно играть, до воссоздания Колизея, которое можно исследовать с разных ракурсов», и указывается на AA-3D от Artificial Analysis, где судьи-люди видят два обезличенных опыта, созданных по одному и тому же промпту, и голосуют за тот, который им больше нравится. В этом рейтинге GPT-6.2 Astra занимает первое место с 1 318 Elo, опережая Claude Fable 5.2 с 1 271 и GPT-6.2 Sol с 1 259.

Посмотрите на разрыв в 59 пунктов между двумя моделями Open​AI — и вы заключите, что Astra существенно лучше в 3D. Взгляните на абсолютные числа — и узнаете то, что скрывает рейтинг: таблица лидеров всегда сравнивает только две попытки на один и тот же промпт, поэтому может сказать, какая из пары выглядит лучше, но ничего не говорит о том, хороша ли хоть одна из них. Слепой тест предпочтений между двумя незавершёнными мехами всё равно выявляет победителя.

В документации появляется оговорка, звучащая как извинение от команды промпт-инжиниринга. В примечаниях к миграции для GPT-6.2 Open​AI заявляет, что обе модели более лаконичны и более прямолинейны, чем GPT-6 Astra, что они могут предложить шаг и подождать, когда намерение неясно, и — фраза, важная для этой статьи — что фронтенд-работе теперь нужны явные указания по изображениям и типографике. Указание, которое вы не написали, — это указание, которое модель выдумывает. В промпте Yonkers вообще нет арт-дирекшена, и именно поэтому это честный тест для двух моделей и слегка нечестный тест для каждой из них.

Один промпт — две опубликованные демо-версии

Запрос состоит из одного предложения: сделай анимацию на three.js, где Yonkers встаёт как большой мех (эффектное движение подъёма) и топает по Манхэттену, Куинсу и Бруклину, используй данные карт OpenStreetMap. Оба запуска использовали режим Ultra в Codex CLI. Оба результата всё ещё доступны онлайн, и оба открываются в работающей сцене WebGL с настоящей камерой, настоящим низкополигональным городом и настоящим маршрутом — что уже больше, чем большинство запросов к three.js дают с первой попытки.

Ни один из них не является завершённой работой. Уиллисон сравнивает их со сборками Claude Fable 5.2 и Gemini 4 Carbon по одному и тому же брифу, и его вывод таков: оба варианта GPT-6.2 проигрывают в том единственном, что действительно требовалось в промпте, — в переходе от города к стоящему меху. Движение вставания и есть демонстрация, и ни одна из моделей по-настоящему его не анимировала.

• Бандл — GPT-6.2 Astra поставляет одну сборку Vite объёмом 568 418 байт плюс 8 075 байт CSS, тогда как GPT-6.2 Sol — main.js объёмом 17 094 байта, импортирующий city.js, mech.js и effects.js, при этом three.js отдаётся локально объёмом 658 900 байт

Таймлайн — Astra запускает 96-секундную последовательность на скраббере 0–960, а Sol — 48-секундную последовательность, при этом ходьба начинается на 6,25 с, а последний шаг — на 44,5 с

• Главы — по четыре у каждого: Astra нумерует их счётчиком последовательности с показанием «01 / 04», тогда как Sol называет их Йонкерс, Манхэттен, Куинс и Бруклин, начиная с 0, 17,6, 30,2 и 38 секунд

• Камера — Astra переключается между представлениями «track» и «atlas», а Sol — переключатель орбиты, привязанный к клавише O.

• Телеметрия — Astra выводит индикацию действия с надписью «Подъём» и координатами «40.9310° N 73.8987° W» против Sol — радиолокационное полотно 184×138 с «40.93° N · 73.90° W»

Атрибуция — обе модели указывают OpenFreeMap, OpenMapTiles и © OpenStreetMap contributors в нижнем колонтитуле страницы; это единственное требование брифа, которое не упустила ни одна из моделей.

• Стоимость запуска — при максимальном усилии стандартный SVG-пеликан Уиллисона стоил 88,71 ¢ на Astra против 13,69 ¢ на Sol; это соотношение сохраняется на каждом измеренном им уровне усилий.

A two-column scoreboard comparing GPT-6.2 Astra and GPT-6.2 Sol on the Yonkers three.js build, with rows reading AA-3D Elo 1,318 versus 1,259, input price $8.00 versus $2.00 per million tokens, output price $40.00 versus $10.00, cached input $0.40 versus $0.10, demo timeline 96 seconds versus 48 seconds, and build one 568 KB bundle versus four ES modules, with a footer crediting AA-3D to Artificial Analysis, prices to OpenAI's rate card, and the build and timeline to the two published demos. The OrcaRouter logo sits in the bottom-right corner.

Astra: единый бандл на 568 КБ, интерфейс на скриптах

Сборка Astra называется «Stride Atlas — Yonkers Rising» и ведёт себя как презентация: шапка с брендом и статусом «Система в сети», переключатель звука, кнопка полноэкранного режима и canvas, доступная метка которого обещает: «Трёхмерный город и анимированный мех. Перетаскивайте для вращения и прокручивайте для масштабирования». Под ним — надзаголовок с текстом «Симуляция меха / 001», заголовок «Yonkers Rising.» и подзаголовок «New York Metropolitan Area».

Мастерство — в инструментарии. Есть панель телеметрии с индикатором действия, который показывает «Rising», и живыми координатами, встроенный холст обзора маршрута с меткой 10 km и консоль воспроизведения со счётчиком последовательности, кнопками воспроизведения и перезапуска, часами, диапазоном перемотки от 0 до 960 и временем окончания 01:36. Это 96 секунд авторской последовательности, и полоса перемотки такой длины — не случайность: это решение о том, что демо — фильм, а камера — режиссёр.

Он также поставляется в виде единого собранного артефакта. Всё вышесказанное компилируется в один выходной файл Vite размером 568 418 байт и одну таблицу стилей размером 8 075 байт, причём строка chapters и stompProgramCache переживают минификацию, потому что данные последовательности реальны. Для демо бандл — правильное решение: один файл для хостинга, одна запись кэша, никакого графа импортов, который можно сломать. Для кодовой базы, которую вам предстоит расширять, это стена в 568 КБ.

The GPT-6.2 Astra build of the Yonkers mech demo, titled Stride Atlas with a Yonkers Rising headline, showing a low-poly New York City on a three.js canvas, a mech telemetry panel reading Rising with coordinates 40.9310 degrees north and 73.8987 degrees west, a 10-kilometre route overview inset, a sequence console at 01 of 04 with a 96-second scrubber, and OpenStreetMap attribution.

Sol: четыре модуля, локальный three.js

Сборка Sol называется «Yonkers Protocol | Симуляция меха в Нью-Йорке», а в её метаописании технология названа прямо: «Кинематографичная анимация на Three.js: мех размером с город поднимается в Йонкерсе и марширует через Манхэттен, Куинс и Бруклин». Страница работает под брендом «METRO CONTROL / NEW YORK, NY» с чипом «РЕЛЬЕФ OPENSTREETMAP», переключателем орбитального вида, переключателем звука и областью просмотра с подписью «симуляция Yonkers Protocol».

Там, где Astra написала сценарий фильма, Sol построил центр управления. Здесь есть индикатор сектора «01 / 04 YONKERS», кнопка «Запустить последовательность» с подсказкой SPACE, радиолокационное полотно 184×138, четыре кнопки этапов — «Йонкерс / Пробуждение», «Манхэттен / На юг», «Куинс / Ист-Ривер», «Бруклин / Финальный заход» — и подсказка «перетащите, чтобы вращать; прокрутите, чтобы масштабировать». Текст на обеих страницах — самое уверенное, что там есть: «Смотрите, как Йонкерс поднимается от набережной Гудзона и маршем проходит через Манхэттен, Куинс и Бруклин».

Самая интересная часть — это код. Sol полностью отказался от бандлера и использовал import map, указывающую three на локальную копию сборки модуля, а затем вручную разделил работу: city.js — 9 603 байта, mech.js — 25 511, effects.js — 12 119. main.js задаёт направление — длительность 48 секунд, ходьба начинается на 6,25 с, последний шаг на 44,5 с, шестнадцать контрольных точек по долготе и широте от Йонкерса до Бруклина и THREE.CatmullRomCurve3 через них с arcLengthDivisions, установленным в 1 000, чтобы мех шёл с равномерной скоростью, а не ускорялся на крутых поворотах. Эта последняя настройка — та деталь, которую напишешь, только если видел, как персонаж дёргается.

Ни один из подходов нельзя назвать неправильным. Astra оптимизирована под то, что загружается, а Sol — под то, что можно открыть и редактировать; и разделение на файлы показывает, что Sol понимал: 3D-демо — это граф сцены, актор и набор эффектов, и что им место в разных файлах.

The GPT-6.2 Sol build of the Yonkers mech demo, titled Yonkers Protocol, showing a cinematic low-poly New York City with a sector readout at 01 of 04 Yonkers, a radar panel at 40.93 degrees north and 73.90 degrees west, a Start sequence button with a space-bar hint, four phase buttons for Yonkers, Manhattan, Queens and Brooklyn, and OpenStreetMap attribution.

Морф, который пропустили обе демоверсии

Вот та часть, которую не скроет никакая полировка интерфейса. Запрос требует, чтобы Йонкерс поднялся в виде большого меха — превращение, при котором городской квартал становится телом. Ни одна из сборок не передаёт этот переход убедительно, и Уиллисон прямо об этом говорит, ставя обе ниже варианта Claude Fable 5.2 и варианта Gemini 4 Carbon.

Вот честная интерпретация рейтинга в 1 318 Elo. Artificial Analysis поставила Astra выше Sol, и демо это подтверждает — у Astra более завершённая страница. Но таблица отвечает на вопрос «какая из этих двух лучше», а у читателя на самом деле есть вопрос «достаточно ли это хорошо, чтобы этим пользоваться», и по нему ответ из единственного опубликованного прямого сравнения — нет. Тест предпочтений между двумя моделями, которые обе не справились с морфом, всё равно выдаст рейтинг, и этот рейтинг всё равно представят как лидерство по возможностям.

Другая половина истории запуска, связанная с фронтендом, — это коммуникация, и она тоже не льстит. Уиллисон цитирует предрелизное письмо с отзывом Тео Брауна, в котором описывается модель, хорошо управляющая субагентами на длинных задачах, а затем застревающая на внутреннем вопросе реализации, на который не смог бы ответить ни один человек; его пример — агент, который через два часа работы над проектом останавливается, чтобы спросить, записывает ли проверяющий свои клипы в один файл или в другой. Собственная заметка OpenAI о миграции о том, что модель «может предложить шаг и подождать, когда намерение неясно», — это то же поведение, описанное изнутри, и это реальная цена: агент, который ждёт ввода, который вы не можете дать, — это агент, который остановился.

Что означает этот разрыв для вашей сборки

Если работа — это 3D- или фронтенд-демо, практическая разница между двумя моделями не в 59 Elo. Она в том, что Astra вручит вам выглядящий готовым артефакт, а Sol — репозиторий. Выбирайте Astra, когда результат — это ссылка, которую вы кому-то отправляете; выбирайте Sol, когда результат — это код, который кому-то другому придётся менять в понедельник.

Сравните стоимость выбора по той же шкале. GPT-6.2 Astra тарифицируется по $8 за миллион входных токенов и $40 за миллион выходных, при этом кэшированный ввод стоит $0.40, а запись в кэш — $10. GPT-6.2 Sol тарифицируется по $2, $10, $0.10 и $2.50 — четверть тарифа за токены по каждой строке. У обеих — контекстное окно в 1 050 000 токенов с максимумом входных 922 000 и выходных 128 000, обе отклоняют reasoning_effort: "none", и обе удваивают стоимость входных и кэшированных входных токенов свыше 272 000 токенов на запрос, при этом беря 1.5× за выходные. Batch тарифицируется по 50% от стандартного тарифа, режим Fast — по двойному, а Ultrafast — по тройному до 28 февраля 2027 года и по шестикратному с 1 марта 2027 года.

Показатель стоимости за артефакт, полученный в тот же день после обеда, — именно его стоит запомнить. Тест Уиллисона с пеликаном рендерит один и тот же SVG на трёх уровнях усилий, и на максимальном уровне Astra стоила 88,71 ¢ против 13,69 ¢ у Sol — примерно в шесть с половиной раз больше за рисунок, причём ни один из них он не назвал безоговорочной победой. Генерация фронтенда на уровне усилий Ultra — это область, где преимущество дорогой модели реально, но невелико, и где одна повторная попытка сводит его на нет.

Где место слою маршрутизации

Говоря прямо о ситуации: GPT-6.2 Astra и GPT-6.2 Sol сегодня отсутствуют в каталоге OrcaRouter. Позиции Open​AI, которые мы предоставляем, — это GPT-6 Astra, GPT-6 Sol и GPT-6.1 Sol, поэтому эта пара в целом доступна через собственный API Open​AI и сторонние платформы, но не через нас.

Что каталог действительно даёт вам — это привычку, за которую выступает эта статья. Такой тест, как Yonkers, — это ровно та нагрузка, которую хочется прогнать через A/B-сравнение между моделями, а не закреплять за ней production-путь. А делать это через одну конечную точку означает один ключ, один счёт и никакого второго контракта, плюс автоматическое переключение при отказе, когда модель, которую вы тестируете, начинает уходить в таймаут посреди рендеринга. По тем позициям, которые мы действительно предлагаем, OrcaRouter передаёт цену из прайс-листа провайдера с наценкой 0%, так что вы платите по тарифной сетке самого вендора, а снижение цены становится доступным на нашей стороне в тот же день. Если вы выбираете между моделью за $2 и моделью за $8 для фронтенд-работы, именно это сравнение стоит провести самостоятельно, на одном и том же промпте, прежде чем выбирать вариант по умолчанию.

Более узкий урок из этого запуска состоит в том, что 3D-генерация перешла от «не может» к «не завершена», и две модели находятся в разных точках на этом склоне: одна создаёт страницу, которая выглядит готовой, другая — код, который действительно готов. Ни одна не преобразовала Yonkers. Обе подошли достаточно близко, чтобы следующая версия, вероятно, это сделала — и когда это произойдёт, цена выяснения составит один промпт, а не одна миграция.

Сравнение в этой статье1

Определено по этой статье