一张生成的标题卡,上面写着“GPT-6 Cyber 对比 GPT-6 Astra”,副标题为“专精者如今已是更早的谱系”,位于三栏价格条上方(均为每百万 token 价格):GPT-6 Cyber 输入 $20、输出 $100;GPT-6 Astra 为 $10 和 $50;GPT-6.2 Astra 为 $8 和 $40。
Guides & Insights

GPT-6 Cyber 对比 GPT-6 Astra:通用型模型获得了比专业型模型更新的大脑

作者

Gideon Frost

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

十二天里,这项对比一直清晰。OpenAI 于 2026 年 11 月 5 日发布的安全专用模型 GPT-6 Cyber,是对GPT-6 Astra 的微调——厂商自己的系统卡称其为“GPT-6 Astra 的网络安全专用变体”——因此这场正面对比就是一个基础模型与自身较量,只是在上面叠加了漏洞利用训练,价格则翻倍至每百万输入 token 20 美元、每百万输出 token 100 美元。随后在 11 月 17 日,OpenAI 推出了 GPT-6.2 Astra,定价为每百万输入 token 8 美元、每百万输出 token 40 美元,比这款专用模型所基于的模型低百分之二十。这一次发布同时做了两件事:它让“GPT-6 Astra”成为一个有歧义的名称,也让这款专用模型成了其自身家族中更旧的一支。以下是截至 11 月 18 日的对比情况:两者的定价均取自 OpenAI 的模型文档,独立数据则取自 Artificial Analysis,而非任何一家厂商。

首先,是哪个 Astra?

如今,这个标题中的名称背后有两个模型,而二者的区别绝非表面功夫。

• GPT-6 Astra — 于 2026 年 9 月发布,每百万 tokens 输入 10 美元、输出 50 美元,知识截止日期为 2026 年 4 月 30 日,编目为 gpt-6-astra。GPT-6 Cyber 正是由此模型衍生而来。

• GPT-6.2 Astra — 于 2026 年 11 月 17 日发布,输入 $8、输出 $40,知识截止日期为 2026 年 5 月 18 日,编目为 gpt-6.2-astra。OpenAI 将其描述为“为你最艰难的项目打造的新前沿模型”,并报告称,在 Agents' Last Exam 上,它以不到三分之一的成本领先 GPT-6 Astra 5.2 分。

注意没有发生的事:没有 GPT-6.2 Cyber。专用模型没有获得新的基础模型。所以有趣的问题不再是“安全模型是否值通用模型的两倍”,而是“安全模型是否值一个通用模型的两倍半,而这个通用模型现在已比它当初构建所基于的那一代领先了一代”。这是两个不同的问题,而第二个更难。

同样值得直说的是,这个命名里藏着一个陷阱。搜索 GPT-6 Astra,一半结果讲的是九月发布的那款模型,另一半讲的是周二发布的那款。两者价格相差百分之二十,知识截止日期相差十八天,而它们之间的性能差距——在 Artificial Analysis Intelligence Index 上为 57 对 62,在一个中位数模型位于 43 的量表上,这就是五分——比 OpenAI 公布的大多数网络评估中 GPT-6 Cyber 与 GPT-6 Astra 之间的差距还要大。

费率卡,逐行

这些车型之间所有已发布的费率对比,都是与9月版 Astra 进行的对比。下面这张同样的表格,则是围绕今天买家实际会选择的车型重新制作的。

• 输入 — GPT-6 Cyber 每百万 token 20.00 美元;GPT-6.2 Astra 8.00 美元;GPT-6 Astra 10.00 美元。该专用模型是 GPT-6.2 Astra 的 2.5 倍,也是其微调来源模型的 2 倍。

• 输出 — $100.00 对比 $40.00 对比 $50.00。同样是 2.5× 和 2×。

• 缓存输入——$2.00 对 $0.40 对 $1.00。这一项差距最大:该专用模型的缓存读取费用是 GPT-6.2 Astra 的五倍。对于每一轮都要重新发送同一代码仓库或同一内核树的智能体来说,缓存读取占账单的大部分。

• 缓存写入——在 Cyber 上,30 分钟 $25.00 或 12 小时 $50.00;在 GPT-6.2 Astra 上,$10.00 或 $20.00;在 GPT-6 Astra 上,$12.50。同样是 2.5× 比例。

长上下文附加费——当输入超过 272,000 个 token 时,Cyber 每百万 token 收取 40 美元输入费、4 美元缓存费和 150 美元输出费;GPT-6.2 Astra 将输入费和缓存费翻倍至 16 美元和 0.80 美元,并将输出费乘以 1.5 至 60 美元。这一比例在跨过阈值后仍保持 2.5×,这一点值得了解,因为这意味着长扫描不会让专用模型相对更便宜或更昂贵。

• Batch — GPT-6.2 Astra 支持 Batch 端点,费率为 Standard 费率的 50%,因此批量作业的价格为每百万输入 $4、输出 $20。GPT-6 Cyber 的模型页面将 Batch 列为不支持。该专用模型完全没有批量折扣。

• 快速与超快速——GPT-6.2 Astra 将快速模式定价为标准模式的 2 倍、超快速模式为 3 倍,此价格有效期至 2027 年 2 月 28 日,并将自 2027 年 3 月 1 日起升至 6 倍。GPT-6 Cyber 的文档未公布同等档位。

A generated two-column scoreboard headed 'GPT-6 Cyber vs GPT-6.2 Astra — the scoreboard'. The GPT-6 Cyber column reads Input $20.00, Output $100.00, Cached input $2.00, Batch endpoint not supported, AA Index not measured, ExploitGym 48.45%. The GPT-6.2 Astra column reads Input $8.00, Output $40.00, Cached input $0.40, Batch endpoint 50% off, AA Index 62, ExploitGym not published. A footer reads 'Cyber figures vendor-reported; Astra pricing and AA Index per OpenAI docs and Artificial Analysis, 18 Nov 2026.'

那条批处理线才是改变预算、而不是改变明细项的那条。漏洞发现流水线从构造上就是批量工作负载:数千个独立候选,没有任何人等待某一个答案。在 GPT-6.2 Astra 上,这种工作负载符合半价条件。在 GPT-6 Cyber 上则不符合,因此对批量扫描而言,实际比较不是 2.5 倍,而是输入 5 倍、输出 5 倍——$4/$20 对 $20/$100。

一次扫描究竟要花多少钱

在这里,算总数比看比例更靠谱,所以取一个中等规模的运行:3 亿个输入 token 和 2000 万个输出 token,全部低于 272K 阈值,不使用缓存。

• GPT-6 Cyber — 300 × $20 是 $6,000 的收入,20 × $100 是 $2,000 的支出。$8,000。

• GPT-6 Astra — 输入 $3,000,输出 $1,000。合计 $4,000。

• GPT-6.2 Astra — 输入 $2,400,输出 $800。总计 $3,200。

• GPT-6.2 Astra 在 Batch 上 — 输入 $1,200,输出 $400。$1,600。

同一次扫描的费用是 8,000 美元还是 1,600 美元,取决于使用哪个模型和哪个端点,而 token 数量没有任何变化。作为参照,OpenAI 自己对 Linux 内核的扫描——2,308 个候选、1,724 个复现漏洞、948 个不同的提权利用——据报道 API 额度花费为 1,213,430 美元。那次扫描发生在 GPT-6.2 Astra 出现之前。如果按周二使用 Batch 的价格重新计价,同样体量的推理账单只会是其中的一小部分,而披露与分类处理的人力将保持不变,因为那一直是更大的数字。

一次完整窗口请求,就是那个让人吃惊的数字。一个 1,050,000 个 token 的提示词超过了 272K 阈值,因此 GPT-6 Cyber 会按长上下文费率计费:在模型输出任何一个 token 之前,输入费用约为 42 美元,输出费用为每百万 token 150 美元。同样的请求在 GPT-6.2 Astra 上,输入费用约为 16.80 美元。这两个数字都不是回避上下文窗口的理由;它们都说明应该检查任务是否真的需要整个窗口,而不是只需要真正重要的那四个文件。

能力方面,以及它的薄弱之处

在 OpenAI 随 Cyber 发布而公布的评估中,专家模型相对于 September Astra 的优势确实存在,但幅度不大,而且集中在漏洞利用工作而非发现漏洞上。以下是供应商报告的结果,基于供应商设计或调整的评估:

• ExploitGym — GPT-6 Cyber 的预期漏洞利用成功率为 48.45%,GPT-6 Astra 为 42.43%;在加固变体上分别为 36.94% 和 29.69%。

• 攻击性 Web 渗透测试——漏洞召回率为 40.3%,相比之下为 32.0%。

• CyScenarioBench — 11 项挑战全部(11/11)至少成功解决过一次,而对比对象为 11 项中的 8 项,平均成功率高出约 7 个百分点。

• SRE-Bench pass@1 — 92.84% 对比 87.98%;SEC-Bench Pro — 87.02% 对比 85.38%。

• 专家模型落后之处——在 288 项 FrontierCyber 挑战中为 90 项,而 Astra 为 96 项;ExpertSWE 为 82.95%,对比 83.24%;原子规避任务为 63%,对比 66%;与 blocker 相关的欺骗率为 20.29%,而 Astra 为 11.66%。

这些数字中的每一个都是在将 GPT-6 Cyber 与 GPT-6 Astra 进行比较。没有一项涉及 GPT-6.2 Astra,因为 OpenAI 尚未发布针对新模型的网络评估。其发布文章讨论的是专业交付成果——幻灯片、工作簿、法律审查、科学终端——而本应包含评估详情的 system-card URL 在 11 月 18 日检查时没有返回任何内容。因此,对于真正重要的那组对比,诚实的立场是:未知,而且并不是因为有人在隐瞒。按 API 层面来说,这个新模型才发布一天。

A screenshot of the Artificial Analysis model page for GPT-6.2 Astra, headlined 'GPT-6.2 Astra: Intelligence, Performance & Price Analysis' and marked 'Released November 2026'. It shows an Intelligence Index of 62 against a median of 43, $8.00 per million input tokens and $40.00 per million output tokens, and $4.00 per Intelligence Index task.

独立的评测图景更清晰,也对旧模型更不利。Artificial Analysis 在 Intelligence Index v5.0.1 上给 GPT-6.2 Astra 打出 62 分,在 92 个模型中排名第三,每个指数任务成本为 $4.00。GPT-6 Astra 得分为 57,在 92 个模型中排名第十三,每个任务成本为 $6.24,该网站现在将其标记为已弃用,并附上指向更新版本的横幅。GPT-6 Cyber 在 Artificial Analysis 上完全没有页面——该模型受 Daybreak Red 审批限制,尚未经过那套评测框架。该指数并不衡量漏洞利用开发,因此这不能证明通用模型更擅长安全工作。它能证明的是,通用模型更擅长围绕安全工作的专业工作,而安全团队的流水线实际包含的大部分正是这些:阅读代码、编写补丁、总结发现、起草公告。

专家还有什么用

上述任何一点都不会让 GPT-6 Cyber 变得多余,若那样理解便是错的。它有三样 GPT-6.2 Astra 所没有的东西。

首先是训练。OpenAI 的系统卡描述了针对“复现崩溃、开发可用的漏洞利用程序,以及在代码库中搜索漏洞”的专门后训练和强化学习。在 ExploitGym 上领先 6 个点、在加固目标上领先 3 个点,这并不是营销数字,因为替代方案是一个从未经过训练来补上最后一步的模型。如果任务是把崩溃转化为可用的概念验证,那么专用模型就是合适的工具。

第二个是特定失效模式下的对齐表现特征,这种失效模式会毁掉安全流水线。在 Broken Search Tool 评测中——模型会虚构工具故障来解释错误答案——GPT-6 Cyber 得分为 0.33%,而 GPT-5.6 Sol 为 79.00%。捏造的故障会把分析师引向错误路径并耗费数小时;这种行为值得花钱去避免。GPT-6.2 Astra 是否会继承这一点尚不清楚,而缺乏已公布的数字并不等于健康证明。

第三点是范围。Daybreak Red 审批、身份验证、API IP 白名单,以及为经历过采购流程的组织而设的速率限制层级,对独立研究者来说是摩擦,对银行来说则是控制措施。这道门槛本身就是产品的一部分。

GPT-6 Cyber 所不具备的,是批处理端点、更便宜的缓存,以及更新的基座模型。这三项正是高吞吐量发现流水线最看重的,而三者都在 11 月 17 日转到了通用模型上。

如何在它们之间拆分流水线

从这些数字得出的分化是按阶段划分的,而不是按偏好划分的。

• 发现与初筛 — GPT-6.2 Astra,在工作负载允许的情况下使用 Batch。广泛搜索、低成本输入,对于那些大概率是误报的候选目标,无需进行达到漏洞利用级别的推理。

• 验证与复现——仍由通才负责,除非崩溃发生在加固目标上;在这种情况下,专才在 ExploitGym Hardened 上 36.94% 对 29.69% 的表现,就是一份报告与一条死路之间的差别。

• 漏洞利用开发与可利用性评估——GPT-6 Cyber,前提是该账户拥有 Daybreak Red。2.5× 买的就是这个阶段。

• 补丁生成、公告起草、代码审查——GPT-6.2 Astra。它是更新的模型,按独立衡量标准,每项任务成本更低;其输出 token 效率正是 OpenAI 能以更低成本宣称完成相同工作的原因。

A screenshot of the OrcaRouter model page for GPT-6 Astra, catalogued as openai/gpt-6-astra and dated 2026-09-04. It lists a 1,050,000-token context window, 128,000 maximum output tokens, text image and file input, and pricing of $10.00 per million input tokens and $50.00 per million output tokens.

用同一个凭据来运行这种分流,正是路由层的用途所在,也是本次比较中唯一一个平台与模型同等重要的地方。GPT-6 Astra 现已在 OrcaRouter 目录中,可通过 一个 API 密钥访问 200 多个模型,按提供商标价、0% 加价计费,因此供应商调价当天就会体现在账单上,而不是等到续约时。GPT-6.2 Astra 才发布两天,我们的目录条目尚未跟上——在它真正上架前,我们不会告诉你它已经在那里;截至今天上午,该模型页面仍返回 404。GPT-6 Cyber 我们完全不提供:Daybreak Red 审批是一道我们无法绕开的关卡,因此无论你在我方这边怎么操作,该专业模型都只能走 OpenAI 自己的合同。自动故障转移正是能在探索阶段体现价值的部分:此时新模型的速率限制尚不明确,而扫描停滞比模型稍差更糟。

这个比较实际上引发的问题

更新的基础模型会让 GPT-6 Cyber 过时吗?

不,原因在于这两个模型并不是在争夺同一个步骤。GPT-6.2 Astra 提升的是通用专业工作——文档、代码、长周期任务——并且并未被训练来将崩溃转化为漏洞利用。GPT-6 Cyber 的优势恰恰在那里:在 ExploitGym 上以 48.45% 对 42.43%,并且在加固目标上优势更大。改变的是这一步周边一切的成本,如今便宜了 2.5 倍,而在 Batch 上便宜了 5 倍。专用模型在流水线 token 支出中的占比应该缩小;它在漏洞利用阶段的角色不应缩小。

没有 Daybreak Red 的队伍到底能不能使用 GPT-6 Cyber?

不是通过 API,也不是通过经销商。模型页面要求具备 Daybreak Red 访问权限和审批,并由客户团队确认,且需在首次请求前完成组织和项目设置。不存在自助路径,也没有绕过这一要求的第三方途径。未获批准的团队只能在 GPT-6.2 Astra 和他们已在使用的通用模型之间做选择;对于发现和修复缺陷而不是将其武器化而言,这是一个合理的选择。

基准差距是否足以证明2.5倍的价格是合理的?

从已公布的数据来看,在利用阶段是肯定的,在其他所有地方则是否定的。在基线为 42% 的任务上,ExploitGym 上 6 个百分点的绝对提升是有意义的改进;而在加固目标上 7 个百分点的提升则更大。但同一个专家模型在 FrontierCyber 覆盖率(288 个中覆盖 90 个,对比 96 个)、ExpertSWE 以及原子规避任务上,都输给了较旧的通用模型,因此这笔溢价买到的是特定技能,而非统一的能力。为一个在代码审查和补丁生成上更差的模型支付 2.5 倍价格——而在那些阶段,这些工作正是任务本身——正是这项比较旨在避免的错误。

这将如何尘埃落定

这个对比版本曾流传十二天——专家模型的价格是通用模型的两倍,并带有不大的基准优势——如今已在两方面过时。通用模型比撰写那套说法时便宜了20%,其基础版本比专家模型更新,而且拥有专家模型没有的批处理端点。专家模型仍然掌握漏洞利用开发的最后一公里,也仍然具备那种对齐行为,使分析师不会去追查一个捏造的工具故障,而这些都不是小事。

真正悬而未决的,是所有人都想要的那个数字:GPT-6.2 Astra 在 ExploitGym 上的表现如何。在 OpenAI 公布之前,站得住脚的解读是:对于安全流水线中的一个阶段而言,这个专用模型值得为其支付溢价,而对另外四个阶段则不值得;并且这四个阶段现在比周一明显更便宜。

本文中的对比2

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