
GPT-6.2 Astra 的 Token 價格調降 20%。任務費用下降 36%。
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 90 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 97 tok/s
- orca新Orca: OrcaC2 1.02026-11-0711 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 88 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 133 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百萬 tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 133 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百萬 tokens · 131 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百萬 tokens · 186 tok/s
OpenAI 推出了 GPT-6.2 Astra於 2026 年 11 月 17 日,並公布一個你十秒內就能驗證的重點:每百萬輸入 token 8 美元、每百萬輸出 token 40 美元,而 GPT-6 Astra 為 10 美元與 50 美元。這代表計價表的兩個方向都整整調降 20%。但真正決定你的帳單是否變動的,是另一個數字,而且它更大。Artificial Analysis 衡量 GPT-6.2 Astra 為每項 Intelligence Index 任務 4.00 美元,而 GPT-6 Astra 為 6.24 美元——這是完成一單位工作的成本降低 36%,而非每個 token 的成本降低。
這兩個數字都是真的,而它們之間的差距正是整件事的全貌。降價告訴你計費器收多少。每項任務成本這個數字則告訴你計費器收了多少以及它跑了多少次。GPT-6.2 Astra 每個 token 的收費更低,且達到相同結果所消耗的 token 更少,因此節省會複利疊加。而在哪些地方不再複利疊加——長上下文請求、快取寫入,以及推理項目規則——正是本文後半段要著墨之處。
同樣的任務,便宜 36%——以及為什麼這比標價更重要
Artificial Analysis 在其 Intelligence Index 上為 GPT-6.2 Astra 評分 62,在追蹤的 87 個模型中排名第三,高於 GPT-6 Astra 的 57 分與第十三名。其成本數據是根據完全相同的評估套件計算,這正是比較公平的原因:相同任務、相同測試框架、相同評分方式,只有模型改變。能力提升了五個指數點,同時每項任務成本下降了 36%。
這種組合很不尋常。大多數發布版本都是在兩者之間取捨——你要麼為每項任務支付更多費用以換取更聰明的模型,要麼接受較弱的模型以換取更便宜的價格。在這裡,相較於前代,這兩項數字都朝正確方向變動,這才是真正的跨世代效率提升,而不是重新定位。
六個關鍵數字並列對照。所有價格皆為 OpenAI 公布的標準層級費率;指數與每項任務成本數字為 Artificial Analysis 的獨立測量結果,並非 OpenAI 的。
• 輸入 — GPT-6.2 Astra 每百萬個 token $8.00,相較 GPT-6 Astra $10.00
• 輸出 — 每百萬個 Token 為 $40.00,相較之下為 $50.00
快取輸入 — 每百萬 $0.40,享 95% 折扣;相較之下,$1.00 為 90% 折扣
• 智慧指數 — 62,在 87 個中排名第 3,對比 57,在 87 個中排名第 13
• 每項 Index 任務成本 — $4.00 對 $6.24
• 上下文視窗 — 總計 1,050,000 個 token,其中最大輸入為 922,000 個,最大輸出為 128,000 個
請注意快取那一行。折扣從 90% 加深至 95% 而它所適用的基準費率也從 $10 降至 $8,因此一個快取輸入 token 現在只需 $0.40,過去則要 $1.00——降幅達 60%,是標題所示折扣的三倍。如果你的工作負載是長系統提示加上簡短的使用者回合,你得到的節省會遠超過 20%。

儲蓄又在哪裡漏了回去
有三種機制會吃掉這 36% 的一部分,而且這三種機制都有文件說明、並非隱藏——你只需要在決定上下文預算之前,先讀過定價頁面和遷移指南。
272K 斷崖
GPT-6.2 Astra 有 1,050,000 個 token 的視窗,但價格結構遠在你填滿它之前就會改變。一旦請求的輸入超過 272,000 個 token,輸入與快取輸入會以標準費率的兩倍計費,輸出則以 1.5 倍計費——而且這個倍率適用於 整個請求,不只是超過門檻的那些 token。一個 300,000 個 token 的提示不會只對最後 28,000 個 token 支付溢價;而是對全部 300,000 個 token 支付雙倍。
以每百萬輸入 token 16 美元計算,單次 300K token 的呼叫在模型寫下任何一個字之前就要花 4.80 美元;而就在片刻之前——在 271,999 個 token 時——同樣的工作原本只需 2.17 美元。這等於一步就把那 20% 的降幅吐了回去,甚至還不止,因為這道斷崖是離散跳變,而不是平緩的斜率。過去能塞進舊上下文視窗的長文件工作,現在需要刻意設計的分塊策略,而不只是更大的預算。
快取寫入是獨立的項目
從快取讀取很便宜。填充快取並非免費:快取寫入每百萬個 token 收費 10 美元,高於標準輸入費率。一個深層且經常失效的提示快取,其維護成本可能高於讀取所節省的費用。從經濟效益來看,穩定且能存續多個回合的前綴更有利,而這正是 OpenAI 自家遷移說明所推動你採用的模式。
已捨棄的推理項目
從這個世代開始,當 API 偵測到對話中途對歷史紀錄的變更——前綴編輯、模型降級、終端使用者或組織變更——就會捨棄推理項目。當模型失去那段上下文,它的回答可能變差,並花更多 token 重新推導它早已完成的工作。第二種效應才是帳單上看得見的:一個在每一輪之間編輯自身系統提示的整合,會默默地為同一段推理付兩次錢,而 36% 的節省看起來會像個捨入誤差。
這項修正屬於架構層面,而非財務層面。在回應之間變更設定時,讓前綴保持不變,較早的輸入就能繼續符合快取資格,同時推理也能保留。一個習慣就能保護帳單上的兩行項目。
推理設定是一項預算決策。
GPT-6.2 Astra 不接受將 reasoning.effort 設為 none。OpenAI 的遷移指南建議新整合從 medium 開始,並將現有的 none 或 minimal 設定對應為 low。對一個以推理為先的模型而言,這一切都不令人意外,但這也意味著,若直接從不具推理能力的前代模型替換模型字串,產生的答案會更差,帳單也會比遷移計畫所暗示的更高。
推理 token 以輸出計費。以每百萬 $40 計算,在長時間的代理執行中,低與高之間的差額可不是四捨五入的誤差——它往往是任務成本中最大的單一變數。所測得的每項 Intelligence Index 任務 $4.00,取決於 Artificial Analysis 當時使用的 effort 設定;你的數字取決於你的設定。把 effort 設定當成你第一個調整的成本槓桿,在你動任何其他東西之前。

這次發佈實際改善了什麼,以及沒有改善什麼
唯有模型至少同樣優秀,降價才值得。在長時程與科學評測上,GPT-6.2 Astra 取得了決定性的進展。Terminal-Bench-Science 從 GPT-6 Astra 的 63.3% 升至 78.1%,Terminal-Bench 4.0 則達到 64.1%。AA-AnalystAgent 為 62.5%,AA-3D 為 1,318 Elo,Harvey 的 LAB-AA 為 15.0%。對於需要運行許多步驟且必須持續專注於任務的代理式工作而言,這正是你想要的表現輪廓,而這也正是造就 36% 背後 token 效率的表現輪廓。
在切換整條流程之前,有兩個它沒有移動的地方值得先了解。
第一項是競技程式設計。FrontierCode-AA 2.0 讓 GPT-6.2 Astra 達到 45.4%,仍落後 Claude Fable 5.2 的 48.8%。Astra 在其他方面大幅拉近了差距,但在高難度程式設計上仍未取得領先,因此若團隊的工作負載大多屬於 FrontierCode 這類形態,單就能力而言遷移的理由較不充分——真正適用的是價格方面的論據。
第二個問題比停滯更糟。在 AA-Omniscience 上,GPT-6.2 Astra 的幻覺率是 59.1%,高於 GPT-6 Astra 的 49.8%。它更願意在自己不知道時作答。這是一個偽裝成品質問題的成本問題:一個自信卻錯誤的答案,你隨後必須偵測、丟棄並重新執行,會讓你付出兩倍的 token 成本,而重新執行正是你精心按任務計算的成本算術失靈之處。任何工作流程,只要錯誤答案難以察覺且代價高昂,在把降價視為節省之前,都值得加入驗證步驟。

在不押上整個業務管線的情況下取得價格
GPT-6.2 Astra 可透過 OpenAI 自家的 API 以及多家第三方平台取得。目前它還不在 OrcaRouter 的目錄上,所以如果你這週就想呼叫它,只能直接找原廠。上面那份定價分析,沒有任何一點取決於你從哪裡呼叫它——但關於「怎麼呼叫」,有兩件事現在就值得先規劃,因為它們正是團隊在遷移三週後會踩到的同兩個坑。
首先是故障轉移。昨天發布的模型在你的流量上尚無實績紀錄,而誠實的建議是讓它與它將取代的模型並行運行,而不是直接取代它。將兩者都透過單一 OpenAI 相容端點進行路由,並跨供應商自動故障轉移,意味著在其中一個上游出問題的日子,不會在你仍判斷那 36% 對你的工作負載是否真實時,變成你使用者的糟糕一天。OrcaRouter 提供 GPT-6 Astra、GPT-6 Sol 與 GPT-6.1 Sol,因此對 Astra 前代模型的 A/B 測試可以用同一把金鑰運行,無需第二份合約,用戶端也無需修改程式碼。
第二個是價格直通。OrcaRouter 以 0% 加價計費——就是供應商的定價,原封不動。這對像這次這樣的發布尤其重要:廠商降價當天就會反映在你的費率上,無需重新議價,也沒有重新定價的延遲。如果 GPT-6.2 Astra 加入目錄,你看到的就是上述的 8 美元與 40 美元,而不是加價後的版本。
在此期間,它帶給你的是乾淨的比較。今天用 GPT-6 Astra 跑同一組評估集,記下你在實際投入設定下每個任務的真實成本,你就有了基準,用來判斷那 36% 究竟站得住腳還是站不住腳。大多數跳過這一步的團隊,最後衡量的是新聞標題上的數字,而不是自己的工作負載,並且是以昂貴的方式發現 272K 斷崖。
現在誰應該行動,誰應該等待?
若你的工作負載屬於長時程代理式工作、約 250,000 個 token 以下的文件分析,或任何科學與終端機驅動的任務,現在就轉用——Terminal-Bench-Science 從 63.3% 躍升到 78.1%,幅度大到足以改變哪些事情可行,而 token 效率還會與降價疊加。
若你的提示詞經常超過 272,000 個 token,請謹慎行事。這道斷崖不會因更大的預算而給予獎賞,反而會懲罰它。請分塊處理,或預留雙倍預算。
等等,或者至少先做 A/B 測試,如果你的工作大量涉及困難的競技程式設計——FrontierCode-AA 2.0 仍較青睞 Claude Fable 5.2——或者如果你的領域裡自信的錯誤答案代價高昂,在這種情況下,從 49.8% 升至 59.1% 的幻覺率,值得在它成為你的預設之前單獨衡量一番。
無論在哪種情況下,都要先刻意設定好你的推理力度,再來比對帳單。20% 在定價頁面上,36% 則在排行榜上。這兩者都還不是你的帳單。
