
GPT-6.2 Astra Background Mode: 40 % rabatt, betalas i väggklockstid
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 185 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 214 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 87 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 112 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
OpenAI:s billigaste väg till GPT-6.2 Astra ändrar inte priset på modellen. Det som ändras är när du är beredd att ta emot svaret. Skicka samma begäran via Responses API med background satt till true och background_options.completion_window satt till 8h, och de GPT-6.2 Astra-token som har listpris på $8 för indata och $40 för utdata per miljon faktureras till $4,80 och $24. På GPT-6.2 Sol blir priskortet på $2 och $10 $1,40 och $7. Samma vikter, samma resonemang, samma kontextfönster. GPT-6.2 Sol, den billigare av de två, får samma behandling: $1,40 och $7 i åttatimmarsfönstret mot $2 och $10 på Standard. Det som har förändrats är din plats i en kö.
Den affären släpptes den 17 november 2026, i samma ändringsloggfönster som de två modellerna själva, och det är lätt att misstolka som en prissänkning. Det är det inte. En prissänkning följer modellen var den än anropas. Ett completion-fönster är en flagga på en endpoint, och varje egenskap som gör det värdefullt för OpenAIs schemaläggare är en egenskap du måste acceptera: ingen streaming, ingen cache-delning med normal trafik, och en rate-limit-budget som du nu delar med Batch API.
Anledningen till att det förtjänar mer än en rad i en ändringslogg är att rabatten är ovanligt djup för en nivå som behåller full modellkvalitet. Batch har varit 50 % rabatterat i flera år, men Batch tar bara emot förfrågningar som du kan skicka in som en fil och sedan glömma. Det här är 40 % rabatt för en aktiv agentkonversation, med uppföljningsvändor och verktygsutdata, så länge konversationen kan tolerera en kö. För många produktionsarbetslaster är det skillnaden mellan en kostnadsfråga och en arkitekturfråga.
Vad fönstret är, i API-termer
Bakgrundsläget i sig är inte nytt: det är Responses API:s sätt att köra en lång förfrågan asynkront. Du ställer in background på true, får ett svars-ID tillbaka direkt och hämtar resultatet senare via en webhook på response.completed eller genom att polla retrieve-endpointen medan statusen visar queued eller in_progress. Bakgrundsläget handlade alltid om att inte hålla en anslutning öppen för en tjugominuters agentkörning.
Det nya är att bakgrundskön nu har nivåer med priser. background_options.completion_window accepterar soonest, 2h eller 8h. Soonest är standard och ger ingen rabatt; det är fallet "generera en rapport medan någon väntar". 2h ligger 30 % under Standard och 8h ligger 40 % under, och dokumentationen är tydlig med att målklockan startar när API:et tar emot den initiala förfrågan och gäller för det svaret.
"Slutförande inom det valda fönstret är målet" är frasen du ska läsa två gånger. Det är ett schemaläggningsmål, inte en garanti och inte en fast fördröjning, och API:ets egen rekommendation är att starttider beror på schemaläggningen. En begäran i åttatimmarsfönstret hålls inte kvar i åtta timmar och körs sedan; den körs när kapaciteten tillåter och om den blir klar på fyra minuter får du den på fyra minuter. Det du har avstått från är rätten att klaga när så inte sker.
Stegen i dollar
Båda modellerna som fönstret omfattar, prissatta per nivå, per miljon token, med OpenAI:s publicerade Standard-priser som utgångspunkt:
• GPT-6.2 Astra, Standard — 8 USD för indata, 0,40 USD för cachad indata, 40 USD för utdata
• GPT-6.2 Astra, 2-timmarsfönster — $5.60 indata, $0.28 cachad, $28 utdata
• GPT-6.2 Astra, 8h-fönster — $4.80 indata, $0.24 cachad, $24 utdata
• GPT-6.2 Sol, Standard — $2 indata, $0,10 cachad, $10 utdata
• GPT-6.2 Sol, 2h-fönster — 1,60 USD indata, 0,08 USD cachat, 8 USD utdata
• GPT-6.2 Sol, 8-timmarsfönster — 1,40 USD indata, 0,06 USD cachad, 7 USD utdata
• För att sätta det i perspektiv kostar samma modell i den snabba änden — Fast-läget fördubblar standardtaxan till $16 och $80; Ultrafast är 3× standard till $24 och $120 fram till och med 28 februari 2027 och 6× till $48 och $240 från och med 1 mars 2027

Det där är tokenpriser, och tokenpriser är inte vad en uppgift kostar. Den viktade fakturan från Artificial Analysis för en slutförd Intelligence Index-uppgift på GPT-6.2 Astra uppgår till 4,00 USD vid Standard, på deras v5.0.1-index mätt vid maximal ansträngning. Om fönsterrabatten tillämpades enhetligt på kategorierna i den fakturan skulle samma uppgift kosta 2,80 USD i tvåtimmarfönstret och 2,40 USD i åttatimmarsfönstret. För tiotusen uppgifter innebär det 28 000 USD och 24 000 USD i stället för 40 000 USD.
Det där "om" gör verkligen jobb. OpenAIs dokumentation beskriver rabatten som att den gäller tokenpriserna för modellen på varje berättigad begäran, inklusive uppföljningar, och prissidan upprepar samma formulering. Ingen av sidorna delar upp rabatten efter tokenkategori, och en tokenräkning för den här modellen består inte till största delen av rå indata: i mätningen från Artificial Analysis var 1,19 $ av 4,00 $ cacheläsningar, 1,10 $ var cacheskrivningar och bara 0,065 $ var ocachad indata, medan 1,64 $ var utdata. Cacheskrivningar har sitt eget pris – 10 $ per miljon för 30-minuterscachen och 20 $ för 12-timmars-cachen – så en arbetsbelastning som domineras av att skriva stora prompter till cachen kanske inte minskar med exakt 40 %. Betrakta 40 % som rabattens form och mät din egen räkning i stället för att anta multiplikatorn.
Fyra villkor du ärver
Rabatten är inte tillgänglig på varje förfrågan, och undantagen är där implementeringar vanligtvis går fel.
• Endast standardbearbetning. Rabatterade tidsfönster kräver service_tier inställt på default. Om du lämnar det på auto, kvalificeras förfrågan endast när API:et råkar välja Standard, vilket innebär att din rabatt blir en slantsingling som du inte kan se i förväg.
• Ingen streaming. Streaming fungerar endast med soonest. För 2h och 8h måste du utelämna stream eller sätta det till false, och du kan inte streama ett svar senare om det inte skapades med streaming.
• En delad hastighetsgräns.Förfrågningar i tvåtimmars- och åttatimmarsfönstren delar Batch/Background-hastighetsgränsen med Batch API-jobb, och indatatoken räknas vid inlämning. Ett experiment som skickar ett dokument på en miljon token till åttatimmarsbakgrund väntar inte bara; det förbrukar det utrymme dina Batch-jobb använde.
• Uppföljningar måste matcha. En agentkörning är en kedja, och rabatten överlever bara kedjan om varje uppföljning upprepar fönstret, continuation_id, modellen, projektet och bakgrundsinställningen. Återanvänd continuation-ID:t så blir uppföljningen även berättigad till högre köprioritet. Ändra någon av dessa och nästa tur blir en standardförfrågan.

Det finns ett femte villkor som gömmer sig i cache-reglerna, och det är det med den längsta svansen. Standardförfrågningar utanför de rabatterade fönstren kan inte återanvända promptcache-poster som skapats av tvåtimmars- eller åttatimmarsbakgrundsförfrågningar, även när prompten är identisk, och det omvända gäller också. Om hälften av din trafik körs i ett fönster och hälften körs på begäran, har du i tysthet delat din promptcache i två och betalar för att skriva samma prefix två gånger. Rabatten på ena sidan av den delningen uppvägs av en cacheskrivning på den andra, och modellen med en cacheskrivning på $10 per miljon är precis fel modell att dela.
Kostnaden som inte står på fakturan
Rabatten köper tokens med tid, och tiden begränsas inte av fönstret. Tänk på dokumentgranskningen över natten som dokumentationen själv använder som exempel: en åttatimmarsförfrågan, ett verktygsanrop och en uppföljning som skickar tillbaka det hämtade dokumentet. Båda svaren kvalificerar för 40 %, och målet startar om för det andra. I bästa fall är hela körningen klar före frukost. I värsta fall tar vart och ett av de två svaren nästan hela sitt mål, vilket gör att taket från början till slut blir ungefär sexton timmar i stället för åtta.
Den aritmetiken skalar inte bra för långvariga agenter. Ett arbetsflöde med tolv turer som skickar varje tur genom åttatimmarsfönstret har ett tak på fyra dagar, och verklig schemaläggning ligger någonstans mellan bästa fallet och det taket utan någon publicerad fördelning. Det ärliga sättet att driftsätta det är att besluta per arbetsflöde, inte per anrop: en pipeline vars utdata konsumeras nästa morgon passar naturligt, medan en interaktiv session inte gör det, oavsett hur många tokens den skulle spara. Fönstret är ett bud på billig kapacitet, och bud fylls när det finns kapacitet att fylla.
Flex-hålet som ingen nämner
Innan dessa fönster var sättet att köpa rabatt på den här modellfamiljen service_tier: flex: 50 % under Standard, med lägre prioritet. Flex finns fortfarande på de äldre modellerna — GPT-6 Astra listas till $5 och $25 i Flex-tabellen mot $10 och $50 för Standard — men OpenAI:s bakgrundsguide säger uttryckligen att nya modeller, från och med GPT-6.2 Astra och Sol, lanseras utan Flex-bearbetning, och att långvarigt arbete i stället bör använda rabatterade completion-fönster med Standard-bearbetning.
Läser man de två siffrorna sida vid sida är rörelseriktningen tydlig. På den förra generationen kunde en tålmodig uppringare få 50 % rabatt. På den här är den djupaste nivån 40 %, och den kräver att du ramar in arbetet som bakgrund. Ersättningen är ingen rak förbättring av det gamla alternativet; det är ett snävare alternativ med mindre rabatt, och det kommer kopplat till en förfrågningsform – asynkron, icke-strömmande, ett enda svars-ID – som inte varje integration kan anamma.
Batch går fortfarande djupare, och är fel verktyg för hälften av det här.
Batch-API:et är fortfarande 50 % rabatterat med 24 timmars svarstid, och enbart prismässigt slår det varje bakgrundsfönster. Skillnaden är strukturell snarare än en fråga om grad. Batch tar en JSONL-fil med oberoende förfrågningar och returnerar en fil med resultat; arbetsflödet har inget minne mellan raderna. Bakgrundsläget är för en respons i taget, med konversationstillstånd som förs vidare via previous_response_id och en kedja av verktygsanrop som applikationen måste köra däremellan.
Så beslutet handlar inte om "vilket är billigare" utan om "har min arbetsbelastning en mellanväg". Femtusen oberoende klassificeringsanrop hör hemma i Batch och har alltid gjort det. En agentkörning som läser ett dokument, anropar en funktion och sedan skriver en rapport kan inte alls uttryckas som en batch — dess andra förfrågan existerar inte förrän den första har returnerats. Det är gapet som fönstren fyller, och det är ett verkligt sådant: 40 % är den första rabatten som OpenAI har erbjudit för tillståndsbaserat arbete med flera turer.
Lagringsfotnoten med konsekvenser för regelefterlevnad
Bakgrundsläget lagrar svarsdata tillfälligt även när store är false eller projektet använder Zero Data Retention, eftersom API:et behöver data för att köra begäran och göra resultatet hämtbart. Det är krypterat i vila för varje tidsfönster, inklusive soonest, och rekommendationen är att du själv sparar originalindata och hela svarsutdata medan du fortfarande kan hämta det. Det finns ingen angiven livslängd för den tillfälliga lagringen.
För ett team som har valt Zero Data Retention för en reglerad arbetsbelastning är "temporarily stored" en mening som behöver nå den som godkände datahanteringsgranskningen, och den behöver nå fram innan det första åttatimmarsjobbet köas, inte efter. Rabatten förändrar inte slutpunktens regelefterlevnadsläge; den förändrar hur länge en begäran och dess utdata ligger i ett tillstånd som du inte kan se.
Vad routing tillför och inte tillför här
En sak som är värd att vara precis om, eftersom det är lätt att få fel när en rabatt tillkännages: detta är en schemaläggningsfunktion, inte ett listpris. OrcaRouter för vidare leverantörens listpris med 0 % påslag, vilket är anledningen till att en äkta prissänkning från OpenAI syns hos oss samma dag — men ett slutförandefönster är en flagga på OpenAI:s egen endpoint, och den följer inte med modellen. Att anropa GPT-6.2 Astra via en router återskapar inte de 40 %, och ingen router kan det, eftersom rabatten är schemaläggarens att bevilja.
Det lämnar de två saker som routing faktiskt är bra på i den här typen av driftsättning. Den första är modellval: av de fyra modeller som fönstren täcker – GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra och GPT-6 Luna – finns den billiga änden redan i vår katalog med GPT-6 Luna och GPT-6.1 Sol till listpris, så såväl nivåindelningen som leverantörsvalet stannar på en nyckel i stället för två avtal. Den andra är att skydda de anrop som inte kan vänta. Ett system som lägger sina nattjobb i ett åttatimmarsfönster har gjort sin latenskänsliga väg viktigare, inte mindre, och automatisk failover på den vägen är det som hindrar en enskild leverantörsstörning från att förvandla ett femsekundersanrop till ett avbrott. Kön och failovern kompletterar varandra: du använder tålamodet där du har det, så att du har råd att vara otolerant överallt annars.

Tumregeln
Om ett svar konsumeras av en människa som tittar på, gäller inget av detta: använd snarast, strömma det och betala Standard. Om ett svar konsumeras av ett schemalagt jobb, en rapport som landar före ett morgonmöte, eller en pipeline vars nästa steg körs i natt, är åttatimmarsfönstret en rabatt på 40 % på tokens av full kvalitet och den enda verkliga frågan är om din integration kan leva utan strömning och med en delad promptcache. Tvåtimfönstret på 30 % är den besvärliga mellanvägen – tillräckligt djup för att vara värd en arkitekturändring bara om arbetet verkligen är tidsbundet till två timmar, vilket de flesta batchformade arbeten inte är.
Siffran att hålla koll på är inte rabattprocenten utan andelen av din trafik som redan väntar. Team som kör agenter över natten får 40 % rabatt på en faktura de ändå skulle betala. Team som kör dem interaktivt erbjuds en rabatt de inte kan använda, på en modell som inte längre säljer 50 % Flex-nivån som tidigare var deras reservlösning. Den andra gruppen bör läsa prissidan före arkitektursidan, eftersom det den 17 november slutade vara en nivå du väljer och blev ett schema du accepterar som det billigaste sättet att anropa GPT-6.2 Astra.
Jämförda i den här artikeln1
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
