GPT-6.2 Astra 的三栏价格阶梯:Standard 为每百万 tokens 输入 $8.00、输出 $40.00,支持流式传输且无折扣窗口;2h 窗口比 Standard 低 30%,即输入 $5.60、缓存 $0.28、输出 $28.00,不支持流式传输;8h 窗口比 Standard 低 40%,即输入 $4.80、缓存 $0.24、输出 $24.00,页脚注明这是目标而非保证。OrcaRouter 标志位于右下角。
Guides & Insights

GPT-6.2 Astra 后台模式:立减 40%,按墙钟时间计费

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

OpenAI 通往 GPT-6.2 Astra 的最便宜途径并不会改变模型的价格,而是改变你愿意在何时收到答案。通过 Responses API 发送同一请求,并将 background 设为 true 并将 background_options.completion_window 设为 8h,那么每百万输入 token 标价 $8、输出 token 标价 $40 的 GPT-6.2 Astra,将按 $4.80 和 $24 计费。在 GPT-6.2 Sol 上,$2 和 $10 的价目将变为 $1.40 和 $7。相同的权重、相同的推理、相同的上下文窗口。两者中更便宜的 GPT-6.2 Sol 也享受同等待遇:在八小时窗口内为 $1.40 和 $7,而 Standard 下为 $2 和 $10。改变的只是你在队列中的位置。

这种取舍于 2026 年 11 月 17 日上线,与那两款模型本身处在同一个变更日志窗口里,因此很容易被误读为降价。但它并不是降价。降价会跟随模型,无论模型在何处被调用。补全窗口只是某一个端点上的一个标志,而让它对 OpenAI 调度器有价值的每一项属性,都是你必须接受的属性:不支持流式传输、不与正常流量共享缓存,而且你现在还要与 Batch API 共享速率限制配额。

它之所以值得在更新日志里占上不止一行,是因为:对于一个仍保持完整模型质量的层级而言,这样的折扣幅度实在少见。Batch 多年来一直是五折,但 Batch 只接受那种你可以打包成文件提交、然后就不用再管的请求。而这次是实时 Agent 对话——包含后续轮次和工具输出——打六折,只要这段对话能容忍排队。对许多生产工作负载来说,这正是“能不能负担得起”与“架构上要不要改”之间的区别。

用 API 术语来说,窗口是什么

后台模式本身并不新鲜:它是 Responses API 以异步方式运行长时间请求的一种方式。你设置 background 为 true,立刻获得一个响应 ID,之后通过 response.completed 上的 webhook 收集结果,或者在状态显示为 queued 或 in_progress 时轮询 retrieve 端点。后台模式一直是为了避免为一次二十分钟的智能体运行一直保持连接打开。

新增的一点是,后台队列现在有了带价格的分层。background_options.completion_window接受soonest、2h或8h。最快是默认选项,不享受折扣;它对应“有人等待时生成报告”的场景。2h比标准层低 30%,而8h低 40%,并且文档明确指出,目标计时从 API 接受初始请求时开始,并适用于该响应。

“在选定的时间窗口内完成”这句话要读两遍。它是一个调度目标,不是保证,也不是固定延迟;而且 API 自身的建议是:开始时间取决于调度。处在八小时窗口内的请求,不会被搁置八小时后再运行;它会在容量允许时运行,而且如果它四分钟就完成,你四分钟就能拿到结果。你让渡的是当它没有做到时抱怨的权利。

以美元计的阶梯

该窗口涵盖的两个模型,按每百万 token 各档定价,以 OpenAI 公布的 Standard 费率为基准:

• GPT-6.2 Astra 标准版 — 输入 $8,缓存输入 $0.40,输出 $40

• GPT-6.2 Astra,2 小时窗口 — 输入 $5.60,缓存 $0.28,输出 $28

• GPT-6.2 Astra,8 小时窗口 — 输入 $4.80,缓存 $0.24,输出 $24

• GPT-6.2 Sol,标准版 — 输入 $2,缓存 $0.10,输出 $10

• GPT-6.2 Sol,2 小时窗口 — 输入 $1.60,缓存 $0.08,输出 $8

• GPT-6.2 Sol,8 小时窗口 — 输入 $1.40,缓存 $0.06,输出 $7

• 作为参考,同一模型在高速端的情况是:Fast 模式将 Standard 费率翻倍至 $16 和 $80;Ultrafast 截至 2027 年 2 月 28 日为 Standard 的 3 倍,即 $24 和 $120,自 2027 年 3 月 1 日起为 6 倍,即 $48 和 $240

Three stacked bars showing what a 40% window does to a $4.00 Artificial Analysis task on GPT-6.2 Astra: $4.00 at Standard, about $2.80 in the 2h window and about $2.40 in the 8h window, beside a card breaking the $4.00 into $1.19 of cache reads, $1.10 of cache writes, $1.64 of output and $0.07 of uncached input. The OrcaRouter logo sits in the bottom-right corner.

那些是 token 费率,而 token 费率并不是一项任务的成本。对于在 GPT-6.2 Astra 上完成的一项 Intelligence Index 任务,Artificial Analysis 的加权账单在 Standard 下为 4.00 美元,依据的是其 v5.0.1 指数在最大投入下测得的结果。如果窗口折扣统一适用于该账单中的各个类别,那么同一任务在两小时窗口内将降至 2.80 美元,在八小时窗口内将降至 2.40 美元。对于一万项任务,那就是 28,000 美元和 24,000 美元,而不是 40,000 美元。

那个“if”并非可有可无。OpenAI 的文档称,折扣适用于每个符合条件的请求的模型 token 费率,包括后续请求,其定价页面也重复了同样的措辞。两处页面都没有按 token 类别拆分这项折扣,而该模型的 token 账单主要并非原始输入:在 Artificial Analysis 的测量中,4.00 美元里有 1.19 美元是缓存读取,1.10 美元是缓存写入,只有 0.065 美元是未缓存输入,另有 1.64 美元是输出。缓存写入按其自身费率计价——30 分钟缓存为每百万 token 10 美元,12 小时缓存为 20 美元——因此,以将大型提示写入缓存为主的工作负载,未必会正好下降 40%。把 40% 视为折扣的大致形态,并测量你自己的账单,而不是假定这个乘数。

你继承的四个条件

折扣并非适用于每个请求,而排除项正是实现过程中通常容易出错的地方。

• 仅限标准处理。折扣时段要求将 service_tier 设为 default。如果将其保留为 auto,则只有当 API 恰好选择 Standard 时,请求才符合条件,这意味着你的折扣变成了一场无法提前预知的抛硬币。

• 无流式传输。流式传输仅适用于 soonest。对于 2h 和 8h,您必须省略 stream 或将其设为 false;并且,如果响应在创建时未启用流式传输,之后就无法再以流式方式传输该响应。

• 一个共享的速率限制。两小时和八小时窗口内的请求与 Batch API 作业共享 Batch/Background 速率限制,并且输入 token 在提交时计数。将百万 token 的文档发送到八小时后台的实验不只是等待;它还会消耗你的 Batch 作业原本可用的余量。

• 后续请求必须匹配。一次智能体运行是一条链,只有当每个后续请求都重复该窗口、continuation_id、模型、项目和 background 设置时,折扣才能在这条链中保留。重用 continuation ID,后续请求还能获得更高队列优先级的资格。只要更改其中任意一项,下一轮就会变成 Standard 请求。

A 2x2 grid of cards headed 'Four things the window takes with it': Standard processing only with the Flex tier gone, no streaming so you receive the finished response rather than tokens, a rate limit shared with Batch jobs where input tokens count at submission, and a split prompt cache whose window-written entries are invisible to Standard requests. The OrcaRouter logo sits in the bottom-right corner.

缓存规则中还隐藏着第五个条件,而它正是尾部最长的那个。折扣窗口之外的标准请求无法复用由两小时或八小时后台请求创建的提示缓存条目,即使提示完全相同也不行;反过来也一样。如果你的流量一半在窗口内运行,一半按需运行,你就在不知不觉中把提示缓存拆成了两半,并为写入相同前缀支付两次费用。这种拆分一侧的折扣会被另一侧的缓存写入抵消,而每百万缓存写入收费 $10 的模型,恰恰是最不该被拆分的那个。

未列在发票上的成本

该折扣用时间换取 token,而时间不受该窗口限制。以文档本身用作示例的隔夜文档审阅为例:一个耗时八小时的请求、一次工具调用,以及一个把检索到的文档带回来的后续请求。两个响应都符合 40% 的折扣条件,并且第二个响应的目标会重新开始计时。最好的情况下,整个运行在早餐前就完成了。最坏的情况下,两个响应各自都接近其完整目标时长,这使得端到端上限大约是十六小时,而不是八小时。

这种算术对于长时间运行的智能体来说并不能很好地扩展。一个十二轮的工作流,如果每一轮都经过八小时窗口,上限就是四天;而实际调度介于最佳情况与这个上限之间,且没有公开的分布。诚实的部署方式是按工作流、而不是按调用来做决定:输出会在第二天早上被消费的流水线是天然合适的,而交互式会话则不合适,无论它能节省多少 token。这个窗口是对廉价容量的一次出价,而出价只有在有容量可填时才会被满足。

没人提到的 Flex 漏洞

在这些窗口之前,为该模型系列购买折扣的方式是service_tier: flex:比 Standard 低 50%,优先级更低。Flex 在较旧型号上仍然存在——GPT-6 Astra 在 Flex 表中标价为 $5 和 $25,而 Standard 为 $10 和 $50——但 OpenAI 的后台指南明确表示,从 GPT-6.2 Astra 和 Sol 开始,新模型发布时不提供 Flex 处理,长时间运行的工作应改用采用 Standard 处理的折扣补全窗口。

把两个数字并排来看,趋势就一目了然。在上一代,有耐心的调用方可以以五折购买。而在这一代,最深的档位是 40%,并且要求你把这项工作描述为后台任务。替代方案并非对旧选项的直接改进;它是一个折扣更小的更窄选项,而且还附带一种请求形态——异步、非流式、单一响应 ID——并非每个集成都能够采用。

Batch 仍然更深入,而且对其中一半来说是用错了工具

Batch API 仍享受 50% 折扣,周转时间为 24 小时,单就价格而言,它胜过任何后台窗口。区别是结构性的,而非程度上的差异。Batch 接收一个包含独立请求的 JSONL 文件,并返回一个结果文件;该工作流在各行之间没有记忆。后台模式一次处理一个响应,对话状态通过 previous_response_id 以及应用程序必须在其间执行的一连串工具调用来向前传递。

所以,决定因素不是“哪个更便宜”,而是“我的工作负载是否存在中间档”。五千次独立的分类调用属于 Batch,而且一直如此。一次 agent 运行会读取文档、调用函数,然后撰写报告,它根本无法表达为批处理——在第一个请求返回之前,它的第二个请求并不存在。这正是这些窗口填补的空白,而且这是一个真实的空白:这 40% 是 OpenAI 首次为有状态、多轮工作提供的折扣。

带有合规后果的存储脚注

后台模式会临时存储响应数据,即使当store 为 false 或项目使用零数据保留时,因为 API 需要这些数据来运行请求并使结果可检索。对于包括 最早在内的每个窗口,它都会在静态时加密;建议你在仍可检索时自行保存原始输入和完整响应输出。该临时存储没有明确规定的生存时间(TTL)。

对于为受监管工作负载选择了 Zero Data Retention 的团队来说,“临时存储”这句话需要告知批准数据处理审查的人,而且必须在第一个八小时作业进入队列之前告知,而不是之后。折扣不会改变该端点的合规状况;但它确实会改变请求及其输出处于你无法看到的状态的时长。

路由在这里增加了什么、又没有增加什么

有一点值得说清楚,因为当折扣公布时很容易弄错:这是一种调度功能,而不是标价。 OrcaRouter 以 0% 加价将提供商的标价原样传递,因此 OpenAI 真正的降价会在同一天反映到我们这边——但补全时间窗口是 OpenAI 自己端点上的一个标志,并不会随模型一起传递。通过路由器调用 GPT-6.2 Astra 不会复现那 40% 的折扣,任何路由器都做不到,因为折扣是由调度器授予的。

这样一来,在这种部署形态下,路由真正擅长的就只剩两件事。第一件是模型选择:在窗口覆盖的四个模型——GPT-6.2 Astra、GPT-6.2 Sol、GPT-6.1 Terra 和 GPT-6 Luna——当中,便宜的一端已经出现在我们的目录里,即按标价提供的 GPT-6 Luna 和 GPT-6.1 Sol,因此分层决策和供应商决策都落在同一把密钥上,而不是两份合同上。第二件是保护那些不能等待的调用。一个把夜间任务放进八小时窗口的系统,只会让其延迟敏感路径变得更加重要,而不是更不重要;而这条路径上的自动故障转移,正是防止单次供应商事故把一次五秒调用变成一场停机的关键。队列和故障转移互为补充:把耐心花在还有余地的地方,才能在其余所有地方都无需容忍。

OpenAI's developer documentation page for Responses API background mode, showing the background flag set to true, the background_options object with its completion_window values of soonest, 2h and 8h, and the notes on polling or webhook notification of the completed response.

经验法则

如果响应由正在观看的人消费,这里的一切都不适用:使用最快,进行流式传输,并支付标准价。如果响应由定时任务消费,由一份要在晨会前送达的报告消费,或由一条下一阶段今晚运行的流水线消费,那么八小时窗口就是对全质量 token 的 40% 折扣,而唯一真正的问题是:你的集成能否在没有流式传输、且提示缓存被拆分的情况下继续运行。30% 的两小时窗口是尴尬的中间地带——只有当工作确实以两小时为截止期限时,它才深到值得为此更改架构,而大多数批处理式工作并非如此。

值得关注的数字不是折扣百分比,而是你已有多少流量处于等待状态。通宵运行智能体的团队,能在他们本来就要支付的账单上省下 40%。以交互方式运行智能体的团队,得到的却是一个用不上的折扣——针对的是一个不再提供 50% Flex 层级的模型,而该层级过去是他们的备选方案。第二类团队应该先读定价页,再读架构页,因为到了 11 月 17 日,调用 GPT-6.2 Astra 最便宜的方式不再是选择一个层级,而是接受一份时间安排。

本文中的对比1

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新