การ์ดชื่อเรื่องสำหรับการวิเคราะห์ราคาของ GPT-6.2 Astra โดยมีพาดหัวว่า 'GPT-6.2 Astra' พร้อมบรรทัดรองว่า 'ลด 20% สำหรับโทเคน ลด 36% สำหรับงาน' เหนือคำบรรยายที่ระบุว่า 'วัดเทียบกับ GPT-6 Astra บน Artificial Analysis Intelligence Index' และการ์ดสองใบทางด้านขวาที่มีป้ายกำกับว่า 'ราคาต่อโทเคน' ที่ -20% และ 'ต้นทุนต่องาน' ที่ -36% พร้อมลูกศรที่ยาวกว่าอย่างเห็นได้ชัด เหนือส่วนท้ายที่ระบุว่า 'ราคาตามอัตราที่ OpenAI เผยแพร่; ต้นทุนต่องานตาม Artificial Analysis' โลโก้ OrcaRouter อยู่ที่มุมขวาล่าง
Guides & Insights

GPT-6.2 Astra ลดราคาโทเคน 20% ค่าใช้จ่ายต่องานลดลง 36%

ผู้เขียน

jinhao.song

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

OpenAI เปิดตัว GPT-6.2 Astraเมื่อวันที่ 17 พฤศจิกายน 2026 พร้อมพาดหัวที่คุณตรวจสอบได้ในสิบวินาที: $8 ต่อ 1 ล้านโทเค็นอินพุต และ $40 ต่อ 1 ล้านโทเค็นเอาต์พุต เทียบกับ $10 และ $50 สำหรับ GPT-6 Astra นั่นคือการลดลง 20% ชัด ๆ ทั้งสองทิศทางของมิเตอร์ ตัวเลขที่ตัดสินจริง ๆ ว่าใบแจ้งหนี้ของคุณจะขยับหรือไม่เป็นอีกตัวหนึ่ง และมันใหญ่กว่า Artificial Analysis วัด GPT-6.2 Astra ที่ $4.00 ต่องาน Intelligence Index เทียบกับ $6.24 สำหรับ GPT-6 Astra — ลดลง 36% ในต้นทุนต่อการทำงานหนึ่งหน่วยให้เสร็จ ไม่ใช่ในต้นทุนต่อโทเค็น

ตัวเลขทั้งสองเป็นความจริง และช่องว่างระหว่างตัวเลขทั้งสองคือเรื่องราวทั้งหมด การลดราคาบอกคุณว่ามิเตอร์เรียกเก็บเท่าไร ตัวเลขต้นทุนต่องานบอกคุณว่ามิเตอร์เรียกเก็บไปและรันไปกี่ครั้ง GPT-6.2 Astra เรียกเก็บน้อยลงต่อโทเค็นและเผาโทเค็นน้อยลงในการไปถึงจุดเดียวกัน ดังนั้นการประหยัดจึงทบต้น จุดที่มันหยุดทบต้น — คำขอบริบทแบบยาว การเขียนแคช และกฎเกี่ยวกับรายการการให้เหตุผล — คือจุดที่บทความนี้ใช้เวลาครึ่งหลัง

งานเดียวกัน ในราคาถูกลง 36% — และทำไมเรื่องนี้จึงสำคัญกว่าตัวเลขบนป้ายราคา

Artificial Analysis ให้คะแนน GPT-6.2 Astra ที่ 62 ใน Intelligence Index ของตน เป็นอันดับสามจาก 87 โมเดลที่ติดตาม เพิ่มขึ้นจาก 57 และ GPT-6 Astra อยู่อันดับที่ 13 ตัวเลขต้นทุนของโมเดลคำนวณจากชุดการประเมินเดียวกันทุกประการ ซึ่งเป็นสิ่งที่ทำให้การเปรียบเทียบยุติธรรม: งานเดียวกัน ฮาร์เนสเดียวกัน วิธีให้คะแนนเดียวกัน มีเพียงโมเดลเท่านั้นที่เปลี่ยน ความสามารถที่เพิ่มขึ้นห้าคะแนนดัชนีมาพร้อมกับต้นทุนต่องานที่ลดลง 36%

การผสมผสานแบบนั้นพบได้ไม่บ่อย การเปิดตัวส่วนใหญ่จะแลกสิ่งหนึ่งกับอีกสิ่งหนึ่ง — คุณจ่ายมากขึ้นต่องานเพื่อให้ได้โมเดลที่ฉลาดกว่า หรือยอมรับโมเดลที่อ่อนกว่าเพื่อให้ได้โมเดลที่ถูกกว่า ในกรณีนี้ตัวเลขทั้งสองขยับไปในทิศทางที่ดีขึ้นเมื่อเทียบกับรุ่นก่อน ซึ่งเป็นสิ่งที่การเพิ่มประสิทธิภาพอย่างแท้จริงจากรุ่นสู่รุ่นดูเป็นเช่นนั้น มากกว่าจะเป็นการปรับตำแหน่งใหม่

ตัวเลขสำคัญหกตัวที่นำมาเทียบเคียงกัน ราคาทั้งหมดเป็นอัตราระดับมาตรฐานที่ OpenAI เผยแพร่ ส่วนตัวเลขดัชนีและต้นทุนต่องานเป็นการวัดอิสระของ Artificial Analysis ไม่ใช่ของ OpenAI

• อินพุต — GPT-6.2 Astra $8.00 ต่อล้านโทเค็น เทียบกับ GPT-6 Astra $10.00

• เอาต์พุต — $40.00 ต่อล้านโทเค็น เทียบกับ $50.00

• อินพุตที่แคชไว้ — $0.40 ต่อล้าน ด้วยส่วนลด 95% เทียบกับ $1.00 ที่ 90%

• Intelligence Index — 62, อันดับ #3 จาก 87 เทียบกับ 57, อันดับ #13 จาก 87

• ต้นทุนต่องาน Index — $4.00 เทียบกับ $6.24

• หน้าต่างบริบท — รวม 1,050,000 โทเค็น โดยมีอินพุตสูงสุด 922,000 และเอาต์พุตสูงสุด 128,000

สังเกตบรรทัดแคช ส่วนลดเพิ่มขึ้นจาก 90% เป็น 95% และอัตราฐานที่ส่วนลดนี้ใช้บังคับลดลงจาก $10 เหลือ $8 ดังนั้นโทเค็นอินพุตที่แคชไว้ตอนนี้มีค่าใช้จ่าย $0.40 จากเดิมที่เคยมีค่าใช้จ่าย $1.00 — ลดลง 60% ซึ่งเป็นสามเท่าของตัวเลขที่พาดหัวไว้ หากภาระงานของคุณเป็นพรอมป์ระบบแบบยาวบวกกับเทิร์นผู้ใช้แบบสั้น คุณจะได้รับส่วนลดมากกว่า 20% อย่างมีนัยสำคัญ

A single-column scoreboard titled 'GPT-6.2 Astra — the scoreboard' with six rows reading 'Intelligence Index: 62, #3 of 87', 'Input price: $8.00 / 1M', 'Output price: $40.00 / 1M', 'Cached input: $0.40, 95% off', 'Cost per Index task: $4.00' and 'Context window: 1,050,000', with a footer noting that pricing is per OpenAI's published rates and index and cost-per-task figures are per Artificial Analysis. The OrcaRouter logo sits in the bottom-right corner.

ที่ซึ่งเงินออมรั่วไหลกลับออกไป

มีสามกลไกที่ตัดทอนส่วนแบ่งจาก 36% นั้น และทั้งสามกลไกก็มีเอกสารกำกับไว้อย่างเปิดเผยมิได้ซ่อนเร้น — คุณเพียงแค่ต้องอ่านหน้าราคาและคู่มือการย้ายระบบให้ดีก่อนจะตัดสินใจกำหนดงบประมาณคอนเท็กซ์

หน้าผา 272K

GPT-6.2 Astra มีหน้าต่างขนาด 1,050,000 โทเคน แต่โครงสร้างราคาจะเปลี่ยนไปก่อนที่คุณจะใช้จนเต็มหน้าต่างมากนัก เมื่ออินพุตของคำขอหนึ่งๆ เกิน 272,000 โทเคน อินพุตและอินพุตที่แคชไว้จะถูกคิดเงินในอัตราสองเท่าของอัตรามาตรฐาน และเอาต์พุตในอัตรา 1.5 เท่า — และตัวคูณจะใช้กับคำขอทั้งหมด ไม่ใช่เฉพาะโทเคนที่อยู่เหนือเส้นแบ่ง พรอมต์ขนาด 300,000 โทเคนไม่ได้จ่ายส่วนเพิ่มเฉพาะ 28,000 โทเคนสุดท้าย แต่จ่ายสองเท่าสำหรับทั้ง 300,000 โทเคน

ที่ราคา $16 ต่ออินพุตหนึ่งล้านโทเค็น การเรียกใช้ครั้งเดียวที่ 300K มีค่าใช้จ่าย $4.80 ก่อนที่โมเดลจะเขียนออกมาสักคำ ในขณะที่เพียงเสี้ยววินาทีก่อนหน้า — ที่ 271,999 โทเค็น — งานเดียวกันจะมีค่าใช้จ่าย $2.17 นั่นคือส่วนลด 20% ที่ถูกคืนกลับมาในก้าวเดียว และมากกว่านั้นอีกด้วย เพราะหน้าผานี้คือความไม่ต่อเนื่อง ไม่ใช่ความชัน งานเอกสารยาวที่เคยพอดีภายในหน้าต่างเดิมตอนนี้ต้องใช้กลยุทธ์การแบ่งชิ้นอย่างตั้งใจ ไม่ใช่แค่เพิ่มงบประมาณ

การเขียนแคชเป็นบรรทัดแยกต่างหาก

การอ่านจากแคชมีต้นทุนต่ำ การเติมแคชไม่ฟรี: การเขียนแคชคิดเงินที่ $10 ต่อล้านโทเคน ซึ่งสูงกว่าอัตราอินพุตมาตรฐาน พรอมป์ต์แคชที่ลึกและถูกทำให้ใช้งานไม่ได้บ่อยครั้งอาจมีต้นทุนในการดูแลรักษาสูงกว่าที่ประหยัดได้จากการอ่าน เศรษฐศาสตร์สนับสนุนคำนำหน้าที่เสถียรซึ่งคงอยู่หลายรอบสนทนา ซึ่งเป็นรูปแบบที่บันทึกการย้ายระบบของ OpenAI เองผลักดันให้คุณทำตาม

รายการการให้เหตุผลที่ถูกทิ้ง

เริ่มตั้งแต่เจเนอเรชันนี้เป็นต้นไป API จะทิ้งรายการการให้เหตุผลเมื่อตรวจพบการเปลี่ยนแปลงประวัติกลางบทสนทนา ไม่ว่าจะเป็นการแก้ไขส่วนต้น การดาวน์เกรดโมเดล หรือการเปลี่ยนแปลงผู้ใช้ปลายทางหรือองค์กร เมื่อโมเดลสูญเสียบริบทนั้นไป มันอาจตอบได้แย่ลงและใช้โทเค็นมากขึ้นเพื่อคำนวณงานที่ทำไปแล้วซ้ำ ผลกระทบที่สองคือสิ่งที่ปรากฏบนบิล: อินทิเกรชันที่แก้ไขพรอมต์ระบบระหว่างเทิร์นจะจ่ายค่าการให้เหตุผลเดียวกันซ้ำอย่างเงียบ ๆ และการประหยัด 36% จะดูเหมือนข้อผิดพลาดจากการปัดเศษ

การแก้ไขนี้เป็นเรื่องเชิงสถาปัตยกรรมมากกว่าเชิงการเงิน รักษาคำนำหน้า (prefix) ให้คงเดิมเมื่อคุณเปลี่ยนการตั้งค่าระหว่างการตอบกลับ และอินพุตก่อนหน้าจะยังคงมีสิทธิ์ถูกแคช พร้อมกันนั้นเหตุผลก็ยังคงอยู่ นิสัยเดียวช่วยปกป้องทั้งสองบรรทัดของใบแจ้งหนี้

การตั้งค่าการให้เหตุผลเป็นการตัดสินใจเรื่องการจัดสรรงบประมาณ

GPT-6.2 Astra จะไม่ยอมรับการตั้งค่า reasoning.effort เป็น none คู่มือการย้ายระบบของ OpenAI ระบุให้เริ่มต้นการเชื่อมต่อใหม่ที่ระดับ medium และให้แมปการตั้งค่า none หรือ minimal ที่มีอยู่เดิมให้เป็น low ทั้งหมดนี้ไม่ใช่เรื่องน่าประหลาดใจสำหรับโมเดลที่ให้ความสำคัญกับการให้เหตุผลเป็นหลัก แต่มันหมายความว่าการสลับสตริงชื่อโมเดลแบบตรงๆ จากรุ่นก่อนหน้าที่ไม่ใช่โมเดลเชิงเหตุผลจะให้ทั้งคำตอบที่แย่ลงและค่าใช้จ่ายที่สูงกว่าที่แผนการย้ายระบบระบุไว้

โทเค็นการให้เหตุผลถูกคิดค่าใช้จ่ายเป็นเอาต์พุต ที่ราคา $40 ต่อล้าน ความแตกต่างระหว่าง low กับ high ในการรันเอเจนต์แบบยาวไม่ใช่ความคลาดเคลื่อนจากการปัดเศษ — มันมักเป็นตัวแปรเดี่ยวที่ใหญ่ที่สุดในต้นทุนของงาน ตัวเลข $4.00 ที่วัดได้ต่องาน Intelligence Index ตั้งอยู่บนสมมติฐานว่าการตั้งค่าความพยายาม (effort configuration) แบบใดก็ตามที่ Artificial Analysis ใช้; ตัวเลขของคุณขึ้นอยู่กับการตั้งค่าของคุณ มองการตั้งค่าความพยายามเป็นคันโยกด้านต้นทุนตัวแรกที่คุณปรับ ก่อนที่คุณจะแตะต้องสิ่งอื่นใด

A screenshot of OpenAI's developer documentation page for GPT-6.2 Astra, showing the model description, a pricing table of $8.00 input, $0.40 cached input and $40.00 output per million tokens, a 1,050,000-token context window with 922,000 max input and 128,000 max output, and a May 18 2026 knowledge cutoff.

สิ่งที่การเปิดตัวปรับปรุงจริง ๆ และสิ่งที่ยังไม่ได้ปรับปรุง

การลดราคาจะคุ้มค่าก็ต่อเมื่อโมเดลยังดีอย่างน้อยเท่าเดิม ในการประเมินแบบ long-horizon และด้านวิทยาศาสตร์ GPT-6.2 Astra ทำได้อย่างชัดเจน Terminal-Bench-Science เพิ่มขึ้นจาก 63.3% บน GPT-6 Astra เป็น 78.1% และ Terminal-Bench 4.0 อยู่ที่ 64.1% AA-AnalystAgent อยู่ที่ 62.5% AA-3D ที่ 1,318 Elo และ LAB-AA ของ Harvey ที่ 15.0% สำหรับงานแบบเอเจนต์ที่運行หลายขั้นตอนและต้องอยู่ในภารกิจ นั่นคือโปรไฟล์ที่คุณต้องการ และเป็นโปรไฟล์ที่สร้างประสิทธิภาพการใช้โทเคนซึ่งอยู่เบื้องหลัง 36%

มีสองจุดที่มันไม่ขยับ ซึ่งควรรู้ไว้ก่อนคุณจะสลับไปใช้ไปป์ไลน์ทั้งหมด

อย่างแรกคือการเขียนโปรแกรมเชิงแข่งขัน FrontierCode-AA 2.0 วัด GPT-6.2 Astra ได้ 45.4% ยังตามหลัง Claude Fable 5.2 ที่ 48.8% Astra ปิดช่องว่างได้มากในด้านอื่น ๆ แต่ยังไม่ได้ขึ้นนำในงานเขียนโค้ดที่ยาก ดังนั้นทีมที่มีภาระงานส่วนใหญ่เป็นแนว FrontierCode จึงมีเหตุผลน้อยลงที่จะย้ายด้วยเหตุผลด้านความสามารถ — เหตุผลด้านราคาคือสิ่งที่ใช้ได้

ประการที่สองร้ายกว่าการหยุดชะงักเสียอีก ใน AA-Omniscience อัตราการหลอนของ GPT-6.2 Astra อยู่ที่ 59.1% เพิ่มขึ้นจาก 49.8% ใน GPT-6 Astra มันพร้อมจะตอบมากขึ้นเมื่อไม่รู้คำตอบ นี่คือปัญหาต้นทุนที่ปลอมตัวมาเป็นปัญหาคุณภาพ: คำตอบที่ผิดอย่างมั่นใจซึ่งคุณต้องตรวจจับ ทิ้ง และรันใหม่ ทำให้คุณเสียโทเคนสองเท่า และการรันใหม่นี่เองที่ทำให้การคำนวณต้นทุนต่องานอย่างรอบคอบของคุณพังทลาย เวิร์กโฟลว์ใดก็ตามที่การจับคำตอบผิดมีต้นทุนสูง ควรมีขั้นตอนตรวจสอบก่อนที่จะถือว่าการลดราคาเป็นเงินที่ประหยัดได้

A screenshot of the Artificial Analysis model page for GPT-6.2 Astra showing an Intelligence Index of 62 ranked third of 87 models, input pricing of $8.00 and output of $40.00 per million tokens, a 95% cache discount, and a cost of $4.00 per Intelligence Index task ranked 57th of 86.

การได้ราคาโดยไม่ต้องเดิมพันทั้งไปป์ไลน์

GPT-6.2 Astra พร้อมใช้งานผ่าน API ของ OpenAI เองและแพลตฟอร์มบุคคลที่สามหลายแห่ง ปัจจุบันยังไม่มีอยู่ในแคตตาล็อกของ OrcaRouter ดังนั้นหากคุณต้องการเรียกใช้งานภายในสัปดาห์นี้ คุณต้องติดต่อผู้จำหน่ายโดยตรง ไม่มีส่วนใดของการวิเคราะห์ราคาข้างต้นที่ขึ้นอยู่กับว่าคุณเรียกใช้งานจากที่ใด แต่มีสองประเด็นเกี่ยวกับวิธีการเรียกใช้งานที่ควรวางแผนไว้ตั้งแต่ตอนนี้ เพราะเป็นสองสิ่งเดียวกับที่มักสร้างปัญหาให้ทีมต่าง ๆ เมื่อเข้าสู่สัปดาห์ที่สามของการย้ายระบบ

ข้อแรกคือ failover โมเดลที่เปิดตัวเมื่อวานนี้ยังไม่มีประวัติการใช้งานกับทราฟฟิกของคุณ และคำแนะนำที่ตรงไปตรงมาคือควรเดินมันเคียงข้างโมเดลที่มันจะเข้าไปแทนที่ มากกว่าจะให้มันแทนที่ไปเลย การส่งทั้งสองผ่าน endpoint เดียวที่รองรับ OpenAI-compatible พร้อมระบบ failover อัตโนมัติข้ามผู้ให้บริการ หมายความว่าวันที่ต้นทางรายใดรายหนึ่งมีปัญหา จะไม่กลายเป็นวันที่แย่สำหรับผู้ใช้ของคุณ ในขณะที่คุณยังอยู่ระหว่างตัดสินใจว่า 36% นั้นเป็นจริงกับงานของคุณหรือไม่ OrcaRouter รองรับ GPT-6 Astra, GPT-6 Sol และ GPT-6.1 Sol ดังนั้นการทดสอบ A/B เทียบกับรุ่นก่อนหน้าของ Astra จึงทำได้ด้วยคีย์เดียว โดยไม่ต้องทำสัญญาฉบับที่สองและไม่ต้องแก้โค้ดฝั่งไคลเอนต์เลย

ประการที่สองคือการส่งผ่านราคา OrcaRouter คิดค่าบริการโดยบวกเพิ่ม 0% — เป็นราคาตามรายการของผู้ให้บริการโดยไม่เปลี่ยนแปลง เรื่องนี้สำคัญโดยเฉพาะกับการเปิดตัวแบบนี้: การลดราคาของผู้ขายจะส่งผลถึงอัตราค่าบริการของคุณในวันเดียวกับที่ส่งผลถึงอัตราของพวกเขา โดยไม่ต้องเจรจาใหม่และไม่มีความล่าช้าในการปรับราคา หาก GPT-6.2 Astra เข้ามาอยู่ในแคตตาล็อก ตัวเลข $8 และ $40 ข้างต้นคือตัวเลขที่คุณจะเห็น ไม่ใช่เวอร์ชันที่ถูกบวกเพิ่ม

สิ่งที่คุณได้ระหว่างนี้คือการเปรียบเทียบที่ชัดเจน วันนี้ลองรันชุด eval เดียวกันผ่าน GPT-6 Astra บันทึกต้นทุนจริงต่องานในระดับความพยายามจริงของคุณ แล้วคุณจะมี baseline ที่ใช้ตัดสินได้ว่า 36% นั้นยังคงอยู่หรือไม่ ทีมส่วนใหญ่ที่ข้ามขั้นตอนนี้มักลงเอยด้วยการวัดตัวเลขพาดหัวแทนที่จะวัดภาระงานของตัวเอง และค้นพบหน้าผา 272K แบบที่ต้องเสียค่าใช้จ่ายแพงจึงจะรู้

ใครควรย้ายตอนนี้ และใครควรรอ

ย้ายมาเลยตอนนี้หากงานของคุณเป็นงานเอเจนต์ที่ต้องดำเนินการระยะยาว การวิเคราะห์เอกสารขนาดไม่เกินประมาณ 250,000 โทเคน หรืออะไรก็ตามที่เป็นงานวิทยาศาสตร์และขับเคลื่อนผ่านเทอร์มินัล — การเพิ่มขึ้นของ Terminal-Bench-Science จาก 63.3% เป็น 78.1% มากพอที่จะเปลี่ยนสิ่งที่ทำได้ และประสิทธิภาพด้านโทเคนยังทบต้นเข้ากับการลดราคาอีกด้วย

ดำเนินการอย่างระมัดระวัง หากพรอมต์ของคุณมักมีจำนวนโทเค็นเกิน 272,000 เป็นประจำ หน้าผานี้ไม่ได้ให้รางวัลกับงบประมาณที่มากขึ้น แต่กลับลงโทษงบประมาณนั้น จงแบ่งเป็นชิ้น หรือเผื่องบเป็นสองเท่า

เดี๋ยวก่อน หรืออย่างน้อยก็ทดสอบ A/B ก่อน หากงานของคุณเน้นการเขียนโค้ดแข่งขันที่ยากมาก — FrontierCode-AA 2.0 ยังคงให้น้ำหนักกับ Claude Fable 5.2 — หรือหากคำตอบที่มั่นใจแต่ผิดนั้นมีต้นทุนสูงในโดเมนของคุณ ซึ่งอัตราการสร้างข้อมูลเท็จที่เพิ่มขึ้นจาก 49.8% เป็น 59.1% สมควรได้รับการวัดผลแยกต่างหากก่อนที่มันจะกลายเป็นค่าเริ่มต้นของคุณ

และในทุกกรณี จงกำหนดระดับความพยายามในการให้เหตุผลของคุณอย่างตั้งใจก่อนเปรียบเทียบใบแจ้งหนี้ 20% อยู่บนหน้าคาราคา และ 36% อยู่บนกระดานผู้นำ ทั้งสองอย่างยังไม่ใช่บิลของคุณ

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube