
GPT-6.2 och ursäkten om beräkningskapacitet: Vad OpenAI har publicerat om vart GPU:erna faktiskt tar vägen
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 90 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 87 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 133 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 43 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 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligens
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligens
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M tokens · 219 tok/s
Natten till den 15 november 2026 lade @kimmonismus fram en teori om varför GPT-6.2 inte har dykt upp: OpenAI lägger knapp beräkningskapacitet på forskning i stället för att tillhandahålla nya modeller, eftersom snabba framsteg gör mellanliggande checkpoints mindre angelägna att släppa, och säkerhet, produktmognad och kostnad kan också spela in. Det påståendet har en kontrollerbar och en icke-kontrollerbar del. Den kontrollerbara delen är att GPT-6.2 inte finns i någon artefakt som OpenAI publicerar. Modellkatalogen listar sex GPT-6-textidentifierare – GPT-6 Astra, GPT-6.1 Sol, GPT-6.1 Terra, GPT-6 Luna, GPT-6 Sol och den åtkomstkontrollerade GPT-6 Cyber – och ingenting numrerat 6.2. Prislistan har ingen rad för 6.2. Ändringsloggens senaste modellpost är GPT-6 Cyber den 5 november, för elva dagar sedan. Artificial Analysis, vars index är oberoende av OpenAI även om det mäter sin egen uppsättning uppgifter, har ingen post för GPT-6.2. Den icke-kontrollerbara delen är vart beräkningskapaciteten faktiskt tar vägen, och ingen utanför företaget kan avgöra det utifrån en tweet.
Det man i stället kan göra är mer avgränsat och mer användbart: läs de fyra dokument som OpenAI har publicerat om styrning av beräkningskapacitet och modeller sedan slutet av september, och fråga vad de säger om tilldelning. Lästa tillsammans beskriver de något som tweeten inte gör – att beräkningskapacitet ransoneras inom forskning, av ett dokumenterat kontrollsystem med en publicerad stopplatens, medan servering beskrivs som en separat stack som, med OpenAIs egen formulering, "redan är mycket mer centraliserad till sin natur." Det är konturerna av berättelsen om beräkningskapacitet så långt det offentliga underlaget stöder den. Allt nedan är märkt efter var det kommer från, eftersom det mesta är en leverantör som beskriver sig själv.

Vad katalogen säger den 16 november
Frånvaron är lätt att verifiera och värd att formulera exakt, eftersom inlägg om att "GPT-6.2 är på väg" har cirkulerat i veckor. OpenAI:s API-modellkatalog, som hämtades i morse, innehåller sex GPT-6-identifierare samt en bildfamilj, en röstmodell och en modell för life science. Textraden lyder: GPT-6 Astra som "vår mest kapabla modell för de mest krävande uppgifterna"; GPT-6.1 Sol som "prestanda nära Astra för komplext arbete till lägre kostnad"; GPT-6.1 Terra för visuellt resonemang och datoranvändning; GPT-6 Sol för kodning och agentiska arbetsflöden; GPT-6 Luna för arbete i hög volym; och GPT-6 Cyber för sårbarhetsutredning via Daybreak-uppsättningen. Det finns ingen 6.2 i den listan, och en begäran om en modellsida på den konventionella dokumentationssökvägen returnerar 404.

Ändringsloggen fyller ut luckans form. Sedan GPT-6 Astra släpptes den 3 september har OpenAI gett ut i vertikala spår snarare än en enda uppåtgående textrad:
• 22 september — GPT-6 Sol och GPT-6 Luna lades till som en kodningsnivå och en volymnivå under Astra
• 29 september — Astra och Sol erbjuds på tjänstenivån Ultrafast, till sex gånger standardpriset
• 8 oktober — GPT-6.1 Sol på Ultrafast, första gången en mellanklassmodell fick snabbspåret
• 16 oktober — nio nya GPT-Live-röster och prompt-till-röst; Ultrafast-läget har utökats till Agents API
• 22 oktober — Decisions API allmänt tillgängligt på GPT-6 Luna, med gränsen för antal frågor per begäran höjd från 200 till 400
• 26 oktober — GPT-6.1 Terra, inriktad på visuellt resonemang och datoranvändning snarare än råa benchmarkresultat
• 30 oktober – GPT-6 Rosalind, biologisk resonemangsförmåga, endast tillgänglig via programmet för betrodd åtkomst
• 2 november — utgående SIP-ringning på GPT-Live; 4 november — GPT-Image-2.6 Sunburst och Flare, med SVG- och animerad GIF-utdata
• 5 november — GPT-6 Cyber, för sårbarhetsarbete, tillgänglig först efter Daybreak-onboarding
Elva dagars ändringslogg sedan dess innehåller ingen modell alls: en plånbok, affärsfunktioner, utbildningsvägledning, ett cyberförsvarspartnerskap, ett fysikinlägg. Om beräkningskapacitet undanhölls från modellservering i stor skala, är detta inte mönstret man skulle förvänta sig — bilder, röst, telefoni, life sciences och en säkerhetsmodell lanserades alla. Det som inte lanserades är en ny textcheckpoint i frontier-klass. Den distinktionen är hela argumentet, och det är en distinktion som tweeten plattar till.
Tre förklaringar, och bara en med pappersarbete
Inlägget anger tre eller fyra orsaker och väger dem inte mot varandra. Brist på beräkningskraft, säkerhet, produktmognad och kostnad är alla rimliga; endast en av dem har en publicerad, granskningsbar mekanism kopplad till sig, och den är inte i drift.
Den 9 november publicerade OpenAI Control Room: "ett centralt system för att spåra modellarbetsbelastningar i vår forskningsinfrastruktur och snabbt stoppa dem när säkerhets- eller trygghetsproblem uppstår." Detaljerna är viktigare än inramningen. Det "stoppar modellutdata inom 35 sekunder från ett beslut att ingripa", och företaget uppger att den maximala tiden mellan en stoppinstruktion och den punkt där ytterligare framsteg inte längre är möjligt är 35 sekunder, med ett uttalat mål att få ner den till noll. Det fallerar stängt. Det kräver att "varje forskningsarbetsbelastning som utför agentisk inferens" är "kopplad till ett godkänt säkerhetsargument", och att "alla våra förstärkningsinlärningsjobb i forskningsfronten körs med en monitor."
Det är ett system för att tilldela och återkalla forskningsberäkningskapacitet. Det är inte ett system för att schemalägga släpp, och dokumentet säger det nästan i förbigående: "Vår externa modellserveringsstack är redan mycket mer centraliserad till sin natur." Läser man noga bär meningen mycket vikt. Den innebär att det som skulle behöva ransoneras för att tweetens teori ska hålla – serveringskapaciteten – beskrivs som redan konsoliderad, och att det som aktivt styrs, stryps och nödstoppas är forskningsinferens. Det offentliga materialet dokumenterar konkurrens inom forskningen. Det dokumenterar inte en kö av färdiga checkpoints som väntar på serveringskapacitet.
De underliggande dokumenten pekar åt samma håll. Den 28 september argumenterade OpenAI för att "strukturerad säkerhetsdokumentation bör krävas innan man fortsätter någon träningskörning för frontier-förstärkningsinlärning" – en grind framför träningen, inte framför lanseringen, med en avvikande mening i en pre-mortem, vetorätt för högsta ledningen och ett krav på att övervakning och automatisk pausning ska "stänga vid fel". Den 23 oktober avslöjade företaget incidenten som gav reglerna skärpa: en felkonfigurerad DNS-resolver den 20 september, att träning och utvärdering av dess mest kapabla modeller pausades, och att förstärkningsinlärningen återupptogs den 1 oktober – "11 dagar efter att vår paus inleddes". Ett företag som stoppar sin egen frontier-träning i elva dagar på grund av en resolver är ett företag vars bindande begränsning på forskningssidan är tydlig. Dess bindande begränsning på serveringssidan är inte dokumenterad någonstans.
Det enda talet som är falsifierbart
Bristen på beräkningskraft är den del av tweeten som borde vara enklast att testa, eftersom OpenAI har publicerat en hel del om fysisk kapacitet. Den 29 april uppgav företaget att det redan hade överträffat sitt Stargate-åtagande på 10 gigawatt för 2029, med "mer än 3 GW tillkomna enbart under de senaste 90 dagarna", och att "det enda ansvarsfulla sättet att infria det är att bygga mer beräkningskraft, snabbare". Den 5 november avslöjade det i ett dokument om datacenters uppförande att det på sitt planerade campus i Effingham County står: "vårt avtal med Georgia Power gör det möjligt för elbolaget att minska den effekt det levererar till oss med upp till 1 000 megawatt under perioder med hög efterfrågan."
Dessa två fakta står märkligt nog i kontrast till "knapp beräkningskapacitet" som förklaring till en försenad lansering. Ett företag som tillför tre gigawatt under ett kvartal och accepterar en avtalsrätt för ett energibolag att begränsa en gigawatt har inte uppenbart brist på megawatt; det är exponerat mot topplastshändelser och mot kostnaden för planerbar kraft. I dokumentet från 5 november blir också kostnadssidan av tweeten konkret i stället för retorisk: OpenAI förbinder sig att betala hela kostnaden för den el det använder, ställa ekonomiska säkerheter före större utgifter så att andra av energibolagets kunder skyddas om ett projekt försenas eller ställs in, och – ovanligt nog – att inte använda sekretessavtal med offentliga tjänstemän utom för snäva undantag för säkerhet och affärshemligheter. Kostnad och beräkningskapacitet är, i den ramen, samma begränsning sedd från två håll, och båda hanteras med offentliggjorda åtaganden snarare än med lanseringstidpunkt.
Hur en riktig lansering av GPT-6.2 skulle se ut
Varje OpenAI-textmodell i den nuvarande serien kom med samma tre artefakter, och deras frånvaro är en bättre indikator än någon teaser: en rad i prislistan, en sida i modellkatalogen och en daterad changelog-post som beskriver vad modellen är till för. GPT-6 Astra har alla tre. GPT-6.1 Terra har alla tre, daterad 26 oktober. GPT-6 Cyber har alla tre, daterad 5 november. När 6.2 släpps kommer den att få ett pris per miljon token innan den får en benchmarktabell – det är så det här företaget har agerat hela året, och det är därför prislistan är stället att hålla koll på, inte X.
Det finns också ett versionsnummerproblem som tweeten inte tar upp. GPT-6.1 var inte ett kapacitetshopp jämfört med GPT-6 på det sätt som decimalen antyder; det var en ompositionering av kostnad och latens, där 6.1 Sol prissattes till 2 dollar för indata och 10 dollar för utdata per miljon token, mot Astras 10 respektive 50 dollar, och 6.1 Terra till 1 respektive 5 dollar. Om 6.2 är ännu en ompositionering snarare än en ny gräns — och det finns inget i det offentliga materialet som säger vilket det är — så är "att prioritera forskning framför servering" ingen förklaring till att den saknas. Det skulle inte finnas något som undanhölls för servering.
Den serverande sidan, som är prissatt och mätbar
Oavsett vad som allokeras internt säljs de modeller som finns enligt en publicerad prislista, och den prislistan är den ärliga grunden för varje kostnadsjämförelse just nu. Detta är OpenAI:s egna siffror, per miljon token, standardnivå:
• GPT-6 Astra – 10 USD indata, 50 USD utdata; cachad indata 1,00 USD; förfrågningar med lång kontext över tröskelvärdet 20 USD och 75 USD
• GPT-6.1 Sol — 2 USD indata, 10 USD utdata
• GPT-6 Sol — 2 USD för indata, 10 USD för utdata
• GPT-6.1 Terra — $1 för indata, $5 för utdata
• GPT-6 Luna — $0,10 indata, $0,50 utdata
• Multiplikatorer för servicenivåer – Batch och Flex faktureras till halva standardtaxan; Fast och Priority till dubbel taxa; Ultrafast till sexfaldig taxa

Den intressanta kolumnen är inte pris utan pris i förhållande till uppmätt utdata. På indexet från Artificial Analysis – oberoende av OpenAI, men mätt på dess egen uppgiftsuppsättning, så behandla det som en andra åsikt snarare än en dom – får GPT-6 Astra 56,85 vid maximal resonemangsinsats och 54,85 vid hög resonemangsinsats, till en kostnad för att köra indexet på 6,24 respektive 3,24 dollar per uppgift. GPT-6.1 Sol får 54,61 vid maximal insats för 1,27 dollar och 50,33 vid hög insats för 0,59 dollar. Det är den aritmetiken som gör en 6.2 intressant: Sol når redan inom två och en fjärdedels poäng från Astra till ungefär en femtedel av kostnaden per uppgift, så marginalvärdet av ännu en frontier-checkpoint är mindre än versionsnumret antyder, och marginalvärdet av en billigare sådan är uppenbart.
Som jämförelse utanför OpenAI: Claude Fable 5.2 får 64,56 vid maximal ansträngning men kostar 26,54 dollar per uppgift enligt samma mått, och 61,82 vid hög ansträngning för 9,08 dollar. Gemini 4 Carbon får 58,26 för 4,68 dollar. Med dessa belägg är OpenAI:s gap till ledaren verkligt, och att stänga det är ett forskningsproblem, inte ett problem med serveringskapacitet – vilket, ironiskt nog, är den del av tweeten som håller bäst.
Det är här routingen gör något konkret. Fyra av de sex GPT-6-textidentifierarna går via OrcaRouter i dag – openai/gpt-6-astra, openai/gpt-6.1-sol, openai/gpt-6-sol och openai/gpt-6-luna – till OpenAI:s egna listpriser, med inget påslag, så en leverantörsprisändring slår igenom hos oss samma dag som den kommer i stället för vid nästa avtalsförnyelse. GPT-6.1 Terra och GPT-6 Cyber finns inte i vår katalog, och inget här ska tolkas som att vi påstår att de gör det. Det som genomströmningen ger ett team som väntar på 6.2 är ett sätt att prissätta reservlösningen: kör arbetsbelastningen mot Astra med hög ansträngning och mot 6.1 Sol med maximal ansträngning på samma nyckel, jämför de två siffrorna för kostnad per uppgift mot era egna acceptanskriterier och ställ in automatisk failover så att en svajighet i tillgängligheten för en modell inte blir en incident. Det är ett beslut som går att fatta den här veckan. Att vänta på en checkpoint är det inte.
Vad skulle ändra den här läsningen
Två saker skulle göra det, och båda är observerbara. En rad för GPT-6.2 som dyker upp i prislistan medan kapabilitetsdokumentationen släpar efter skulle stödja tweetens ekonomiska logik – beräkningskraft som går till forskning medan en färdig modell väntar på sin tur att sättas i drift. Omvänt skulle en lansering av 6.2 med en färsk benchmarktabell och ett pris över Astra tyda på det motsatta: att begränsningen var kapabilitet, och att versionsnumret väntade på forskningen, precis som styrningsdokumenten beskriver.
Tills ett av dessa inträffar är den ärliga hållningen den obekväma. Tweetens falsifierbara halva är bekräftad – ingen GPT-6.2 existerar, elva dagar efter att den senaste modellen släpptes – och dess kausala halva är obekräftad, hävdad av någon utanför företaget om ett beslut som fattats inom det. Vad det offentliga materialet däremot visar är ett företag som i sju veckor har publicerat maskineriet det använder för att ransonera och stoppa forskningsberäkningskraft, ända ner till en stoppgräns på 35 sekunder, och som har publicerat nästan ingenting om hur det avgör vilken färdig modell som får serveras först. Beräkningskraften styrs. Huruvida den undanhålls från dig är ett annat påstående, och OpenAI har inte framfört något sådant.
Jämförda i den här artikeln4
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
