Ett genererat titelkort för artikeln "GPT-6.2 Astra Pro Is Not a Model", med underrubriken "ett läge, inte en modell", en reasoning.mode-omkopplare med platt linje inställd på "pro", och tre dämpade statistiketiketter med texten 17 november 2026, 8 $ / 40 $ per miljon tokens och AA Index 62.
Guides & Insights

GPT-6.2 Astra Pro är inte en modell: vad som lanserades den 17 november, och vad "Pro" faktiskt aktiverar

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Frågar du OpenAI:s dokumentation om gpt-6.2-astra-pro får du en 404. Det finns ingen modellsida för den strängen, ingen rad för den i det publicerade priskortet och ingen rad för den i ändringsloggen för 17 november. ÄndåGPT-6.2 Astra Pro är det namn som många skriver in i sökfältet den här veckan, eftersom det är etiketten som modellmarknadsplatser trycker när de listarGPT-6.2 Astra med reasoning.mode satt till pro i stället för standard, som är förvalet. Modellen bakom etiketten är verklig och den är en dag gammal: OpenAI släppte GPT-6.2 Astra, tillsammans medGPT-6.2 Sol, den 17 november 2026, till $8 per miljon input-tokens och $40 per miljon output. "Pro" är en växel på den modellen. Växeln har en räkning kopplad till sig, och räkningen är den del som är värd att förstå innan du slår om den.

Vad släpptes den 17 november, exakt?

Ändringsloggsposten är kort och entydig: två nya modell-ID:n, gpt-6.2-astra och gpt-6.2-sol, båda tillgängliga i Responses API och Chat Completions, med verktygsanrop som kräver Responses. Lanseringinlägget lägger till konsumentsidan – Plus-, Pro-, Enterprise- och Edu-användare i ChatGPT Work och Codex från dag ett, och Ultrafast-inferens tillgänglig i API:et för båda modellerna vid lansering. För första gången når Ultrafast även Pro 200-abonnenter, med start med GPT-6.2 Sol.

Det du kan anropa är alltså två strängar. Här är formen för var och en, från OpenAI:s egna modellsidor:

• gpt-6.2-astra — kontextfönster på 1 050 000 token, högst 922 000 som indata, högst 128 000 som utdata; text och bild in, text ut; kunskapsgräns 18 maj 2026; ansträngningsnivåer låg, medel, hög, xhigh, max, där ingen avvisas helt.

• gpt-6.2-sol — samma omfång på 1,050,000 / 922,000 / 128,000, brytpunkt 1 juni 2026 och samma avvisning av none.

Prislista, kort kontext — 8 USD för indata, 0,40 USD för cachad indata, 10 USD för cacheskrivning för 30 minuters kvarhållning, 40 USD för utdata per miljon tokens på Astra; 2 / 0,10 / 2,50 / 10 USD på Sol.

• Prislista, över 272 000 indatatoken — in- och cacheraterna fördubblas och utdata går till 1,5× för hela förfrågan, så Astra debiterar $16 / $0,80 / $20 / $60.

• Nivåer — Batch till 50 % av standard, Fast-läge till 2×, Ultrafast till 3× fram till och med den 28 februari 2027 och 6× från och med den 1 mars 2027.

A single-column generated scoreboard for GPT-6.2 Astra listing Intelligence Index 62 (#3 of 87), cost per index task $4.00, 65.8M output tokens on the suite, time per task not yet published, a 1,050,000-token context window, and $8 input / $40 output. Footer attributes the board figures to Artificial Analysis Index v5.0.1 and the prices to OpenAI's rate card.

Inget i den listan heter Pro. Beteckningen är inte OpenAIs, och den distinktionen är inte hårklyveri – det är skillnaden mellan en modell du kan slå upp och en parameter du måste skicka.

Varför ett läge säljs som en modell

OpenAI införde reasoning.mode med GPT-5.6-generationen, och den docker-likt formulerade API-referensen förklarar förvirringen i en enda mening: "GPT-5.6- och GPT-6-modellerna stöder standard- och pro-resonemangslägen i Responses API. standard är standardläget."

Innan dess var Pro en separat identifierare. GPT-5.2 Pro, GPT-5.4 Pro och GPT-5.5 Pro är distinkta strängar med egna modellsidor och egna priser – 30 USD för indata och 180 USD för utdata för GPT-5.4 Pro, mot 2,50 USD och 15 USD för basmodellen. När en marknadsplats behövde tillhandahålla pro-resonemang för en GPT-6-modell hade den inget separat ID att peka på, så den hittade på ett som följde den gamla namngivningskonventionen. Det är därför gpt-6.2-astra-pro matchar i en katalog och ger 404 i leverantörens egen dokumentation. Dokumentationen har rätt; katalogen beskriver en konfiguration, inte en checkpoint.

OpenAI håller båda mekanismerna vid liv och säger det uttryckligen: "Befintliga Pro-modell-ID:n behåller sitt nuvarande beteende och sin nuvarande prissättning." Så "Pro" betyder nu två olika saker beroende på vilket strängnamn du anger. På GPT-5.5 betyder det en större modell som säljs till ett premium per token. På GPT-6.2 Astra betyder det mer modellarbete som köps till samma pris per token. Att förväxla de två är hur team till slut budgeterar för en prislapp som inte finns.

Vad switchen faktiskt gör med en förfrågan

Proläget är inte en större modell och det är inte en högre ansträngningsnivå. Dokumentationen är noggrann med detta: "Mode väljer standard- eller pro-körning, medan reasoning.effort styr hur mycket resonemang modellen tillämpar inom det läget." De är oberoende axlar. Du kan köra pro-läget med låg ansträngning, och du kan köra standardläget med maximal ansträngning.

Det som pro execution gör är att aggregera flera pass av modellarbete till ett enda svar. API-referensen säger att den "aggregerar det modellarbete som utförs för att producera det slutliga svaret och debiterar dessa token enligt den valda modellens standardtokenpriser". Ingen premiumtaxa, ingen separat radpost – bara ett större antal token som passerar samma mätare.

Det får en konkret konsekvens för alla som försöker prissätta en arbetsbelastning i förväg: du kan inte beräkna kostnaden för pro-läget utifrån prislistan. Multiplikatorn är hur mycket extra arbete modellen väljer att utföra, vilket varierar mellan uppgifter. Med en fast indata på 60 000 token och ett svar på 3 000 token kostar standardläget 0,48 dollar för indata och 0,12 dollar för utdata – sextio cent. Kör du samma begäran i pro-läget ändras inte siffrorna för dollar per miljon, men antalet token gör det, och ingenting i dokumentationen säger hur mycket. Det enda ärliga sättet att budgetera är att mäta dina egna anrop, eller att låna en oberoende siffra per uppgift.

Vad den oberoende mätningen säger

Artificial Analysis ger GPT-6.2 Astra 62 poäng på sitt Intelligence Index (v5.0.1), vilket placerar den på tredje plats av 87 modeller på listan, upp från 57 för GPT-6 Astra. Det är en genuint oberoende siffra – indexet kör nio utvärderingar, inklusive Terminal-Bench 4.0 och FrontierCode-AA 2.0, på sin egen hårdvara i stället för att lita på leverantörens testramverk.

Det tal som spelar roll för den här artikeln är det som står bredvid: $4,00 per Intelligence Index-uppgift. Det är den viktade kostnaden för de input-, cache-, resonemangs- och svars tokens som krävdes för att slutföra en uppgift, och det är det närmaste man kommer en offentlig uppskattning av vad en svår förfrågan kostar på den här modellen. Som jämförelse mäter Artificial Analysis $6,24 per uppgift för GPT-6 Astra och $1,27 för GPT-6.1 Sol.

En varning som panelen själv bjuder in till: Artificial Analysis publicerar ännu ingen siffra för tid per uppgift för GPT-6.2 Astra — panelen visar N/A — och dess kostnad per uppgift är knuten till den specifika konfiguration som den poängsatte. Det står inte om den konfigurationen använde pro-läge. Behandla $4.00 som kostnaden för en svår uppgift på modellen, inte som priset för själva växlingen.

Screenshot of the Artificial Analysis model page for GPT-6.2 Astra, released November 2026. It shows Intelligence Index 62 ranked 3 of 87, performance rank 57 of 86, $8.00 input and $40.00 output per million tokens, $4.00 average cost per task, 65.8M tokens generated on the index against a median of 71.1M, and a 1M-token context window.

Spaken som är billigare än Pro

Dolt i samma ändringslogg från 17 november finns en rabatt som gäller GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra och GPT-6 Luna, och den är värd mer än debatten om läget för alla vars arbete inte är interaktivt. Responses API:s offentliga beta erbjuder nu ett bakgrundsfönster för slutförande på två eller åtta timmar, med tokenpriser som är 30 % lägre för tvåtimmarfönstret och 40 % lägre för åttatimmarsfönstret.

Fyrtio procents rabatt, tillämpad på hela förfrågan, är en större besparing än vad de flesta team får genom att mixtra med effort-nivåer – och till skillnad från pro-läget är den exakt beräkningsbar i förväg. Om ett jobb kan vänta är bakgrundsfönstret det billigaste på den här prislistan. Om ett jobb inte kan vänta är pro-läget den motsatta avvägningen: du köper mer beräkningskraft, inte mindre, och betalar för det i tokens.

Vem bör ställa in brytaren, och vem bör inte göra det

Argumentet för pro-läget är smalt och specifikt. Det är värt sin kostnad när uppgiften har en enda svår leverabel vars fel är dyra – en migreringsplan, en avtalsgranskning, en värderingsmodell – och när latens inte är begränsningen. Det är samma område som OpenAI:s eget lanseringsmaterial koncentrerar sig på: det juridiska riktmärket, analytikaragenten, kalkylarket som måste stämma av tre rapporter. Det är uppgifter där ett bättre svar är värt flera minuters extra beräkning.

Argumentet mot är nästan allt annat. Klassificering, extraktion, sammanfattning, rutinmässiga kodändringar, allt i en loop – dessa är volymuppgifter, och pro mode multiplicerar volymen. Jämförelsen med GPT-6.2 Sol i OpenAI:s eget lanseringsinlägg gör poängen från andra hållet: på Cognition's FrontierCode 2.0 vid maximal ansträngning hamnar Sol inom 0,5 poäng från Astra till ungefär en femtedel av kostnaden. Om en billigare modell ligger inom en halv poäng på ditt benchmark krävs en motivering som börjar med din egen utvärdering snarare än topplistan för att lägga mer per token på den dyra och sedan multiplicera det med pro mode.

Hur man kallar det, och en rutt som ännu inte finns

I Responses API är växeln ett nästlat objekt i en i övrigt vanlig förfrågan: model gpt-6.2-astra, reasoning satt till {"mode": "pro", "effort": "medium"} och din indata. Chat Completions har inte fältet; verktygsanrop kräver ändå Responses, så en arbetsbelastning i pro-läge med verktyg är per konstruktion en Responses-arbetsbelastning.

Varifrån du anropar det är en separat fråga. GPT-6.2 Astra är tillgänglig på OpenAI API och i ChatGPT Work och Codex, och det är för närvarande hela listan.

Screenshot of OpenAI's developer documentation page for the model gpt-6.2-astra. The page lists the model ID, $8.00 input / $0.40 cached / $10.00 cache write / $40.00 output per million tokens, a 1,050,000-token context window with 922,000 max input and 128,000 max output, a 18 May 2026 knowledge cutoff, a note that the API rejects reasoning effort none, and the Batch, Fast and Ultrafast pricing multipliers.

Den finns inte i vår katalog ännu – OrcaRouter för vidare leverantörens listpris utan påslag, vilket är anledningen till att de GPT-6-modeller vi faktiskt dirigerar, GPT-6 Astra med 10 $ in och 50 $ ut och GPT-6.1 Sol med 2 $ och 10 $, är prissatta exakt som OpenAI tar snarare än med ett påslag på det. När en modell inte finns i katalogen är det ärliga svaret leverantörens eget API, och det är där den här befinner sig i dag.

Vad du ska titta på härnäst

Tre saker kommer att avgöra Pro-frågan bättre än någon prislistematematik. Att Artificial Analysis publicerar en siffra för tid per uppgift för GPT-6.2 Astra, vilket skulle förvandla $4.00 till en kostnad per minut såväl som en kostnad per uppgift. En separat pro-lägespost i den tabellen, så att växlingen får ett eget uppmätt pris i stället för ett härlett. Och OpenAIs löfte att föra 6.2-modellerna till Daybreak – programmet för betrodd åtkomst som för närvarande tillhandahåller GPT-6 Astra med minskade cyberavslag – eftersom de skärpta skyddsåtgärderna på 6.2 fram till dess att det är på plats är en verklig kostnad för alla som utför auktoriserat sårbarhetsarbete, och hur mycket pro-läge man än använder kan det inte köpa tillbaka ett avslag.

Fram till dess är den användbara tankemodellen den tråkiga. GPT-6.2 Astra är en modell med en prislista; pro är ett vred på den som gör av med mer av samma tokens; och marketplace-strängen som sammanfogar de två är en etikett, inte en kontrollpunkt du kan slå upp.

Jämförda i den här artikeln2

Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen