我們正式推出 GPT‑6.2 Astra,這款全新前沿模型能協助你處理最艱難的專案;同時推出 GPT‑6.2 Sol,這款高效且多功能的模型適合日常工作。這兩款模型都能以更少的輸出 Token,在高難度任務中交出更好的成果,讓你在用量限制內完成更多工作。對企業與開發人員而言,這代表能以適合大規模使用的成本,獲得前沿效能。
GPT‑6.2 Astra 為 AI 處理複雜專業工作的品質樹立新標竿。它製作的投影片、試算表與文件更少流露 AI 痕跡,也更貼合你提供的範本及所屬領域的慣例。它能編寫更簡潔的程式碼,建構外觀與功能都更出色的前端,尤其在網站、遊戲和 3D 設計方面。
在測試多步驟專業工作的 Agents’ Last Exam 中,GPT‑6.2 Astra 創下新高:分數比 GPT‑6 Astra 高出 5.2 分,成本卻不到三分之一;相較 Claude Fable 5.2,則以僅 5% 的成本領先 5.5 分。
Agents’ Last Exam 評估模型執行長程專業工作流程的能力。其排行榜中 Fable 5.2 的成績不包含九項使用備援模型的任務。
我們相信,GPT-6.2 Astra 是全球最適合科學家的模型。它在 Terminal-Bench-Science 0.1 中創下新高;這項測試評估模型在終端機中執行科學工作的能力。GPT-6.2 Astra 的分數比 GPT-6 Astra 高出 9 個百分點,成本卻不到三分之一。它也在 Vals Science Index 中創下新高;這項測試要求模型解讀真實生物資料,並執行實驗以推斷模擬系統的運作方式。
在 API 中,GPT‑6.2 Astra 的輸入與輸出 Token 價格比 GPT‑6 Astra 低 20%,快取輸入價格則降低 60%(每百萬 Token 的輸入費用為 8 美元、快取輸入為 0.40 美元、輸出為 40 美元)。GPT‑6.2 Sol 維持 GPT‑6.1 Sol 的 API Token 價格。在多項基準測試中,這兩款模型的表現接近或超越其他領先模型,而每項任務的成本僅為其一小部分。
GPT-6.2 Sol:我們處理日常工作的首選模型
相較於 GPT‑6.1 Sol,GPT‑6.2 Sol 更聰明、更高效,讓你使用相同的付費方案就能完成更多任務。它能高效完成多步驟智慧體工作流程,文字清晰自然,與它協作也很直覺。OpenAI 許多員工都將它設為預設模型,用來處理技術與非技術任務。
在 Cognition 的 FrontierCode 2.0 中,GPT‑6.2 Sol 與 GPT‑6.2 Astra 的分數差距在 0.5 分以內,成本約為五分之一(兩者均使用 Max 設定)。
FrontierCode 2.0 評估對真實程式碼庫所做的變更,是否符合維護者的合併標準。
它的速度與智慧,也讓它成為處理工作以外重要事務的理想 AI 選擇。在我們近期發布、衡量模型處理高難度日常任務表現的 LifeVal 評估中,GPT‑6.2 Sol 以約七分之一的成本,取得高於 GPT‑6 Astra 的分數。
LifeVal 測試模型根據個人需求處理日常任務的能力,例如搬家後篩選幼兒園、尋找符合家庭預算與通勤需求的住處,或為剛確診、正在適應病況的父母規劃餐點。
符合業界標準的專業成果
我們訓練 GPT‑6.2 Astra 製作更清楚、設計更完善的投影片、試算表與文件,讓成果更貼合法律、銷售、財務及會計等領域的專業慣例。文字更直接、更具體,減少泛泛而談的結論與冗文。
Harvey LAB‑AA v1.1 透過法律任務,測試模型能否從各份來源文件找出相關事實、依據詳細任務說明加以運用,並產出準確且符合所有要求的交付成果。GPT‑6.2 Astra 創下最佳表現,通過率超過 Claude Fable 5.2 的兩倍,成本卻約為六分之一。我們為律師量身配置的 GPT-6.2 Astra 版本——OpenAI 法務解決方案,在這項基準測試中的分數更高。
Harvey LAB‑AA 測試合約條款審查等法律工作。其主要評分僅在交付成果符合所有評分標準,且不含重大幻覺內容時才計分。
我們的內部基準測試 GDPval v2 是 GDPval 的下一代版本,評估模型在顧問、金融及設計等領域的真實專案中,處理複雜、長程工作流程的能力。GPT‑6.2 Astra 在我們測試的模型中表現居首,比 GPT‑6 Astra 提升了 6.2 個百分點,同時減少了 22% 的輸出 Token 用量。GPT‑6.2 Sol 則比 GPT‑6.1 Sol 提升了 5.3 個百分點。
GDPval v2 由金融、資料科學、生物科技及行銷等領域真實專案中的長程知識工作任務組成。
活頁簿與備忘錄
建立估值活頁簿或撰寫投資備忘錄,首先要從來源檔案中找出相關數據,並釐清它們之間的關聯。Artificial Analysis 的 AA‑AnalystAgent 透過真實試算表與報告來測試這項能力。其中一項任務要求模型使用加州 Medicaid 的支出報告,計算該計畫在醫療交通接送上的支出。GPT‑6.2 Astra 創下新高,有 62.5% 的問題在五次獨立嘗試中都答對。
簡報
GPT‑6.2 Astra 是我們至今最擅長設計投影片及遵循投影片範本的模型,無論提供的是原始檔案,甚至只是螢幕擷取畫面,都能發揮所長。它能重現版面、色彩與字體排印,精確到字級大小,並將範本的寫作風格延續至新投影片。早期測試者發現,這些簡報只需較少修改就更容易直接使用,因為標題能點出主要結論,內文也簡潔聚焦於讀者需要的細節。
電腦操作與互動式網頁設計
GPT‑6.2 Astra 更精準的電腦操作能力,讓它能在 CAD 與模擬工具中,細緻處理個別零件及連接處。工程師可以利用這些更精細的細節,檢查零件的配合情況、觀察設計在運動時的負載轉移位置,並在製作原型前測試修改方案。
駕駛模擬
我們請 GPT‑6.2 Astra 將汽車行駛於山路時的底盤動態視覺化。Astra 建立了 3D 模型,並編寫 Python 求解器,模擬輪胎與懸吊系統之間複雜的動力學關係,再於 Blender 中將結果製作成動畫。這讓工程師能快速測試新設計,並持續提高模擬準確度。
機械設計與組裝
GPT‑6.2 Astra 能逐一為機械系統的零件建模,讓工程師展示系統如何組裝,並測試設計變更如何影響其運作。
從 CAD 設計到紙燈成品
我們的團隊使用 GPT‑6.2 Astra,將芝加哥 Marina City 雙塔的扇貝形陽台轉化為一盞燈。影片記錄了設計從參考照片、CAD 修改,到手工組裝成實體燈具的過程。你可以透過 GPT-6.2 Astra 生成的網站,製作自己的紙燈。
GPT‑6.2 Astra 將更強的視覺推理能力帶入網頁設計,選用能賦予每個網站獨特外觀的版面與圖像,並圍繞網站的實際目標建構各項元素。
視覺推理與電腦操作方面的進步,也延伸至 3D 設計。GPT‑6.2 Astra 與 Sol 能將文字需求說明轉化為瀏覽器中的互動體驗,從可以實際遊玩的彈珠台,到能從不同角度探索的羅馬競技場重建場景,都能實現。在 Artificial Analysis 的 AA‑3D 中,人類評審在不知道模型身分的情況下,試用以相同提示詞建立的兩個體驗,並投票選出較喜歡的一個。GPT‑6.2 Astra 以 1,318 Elo 排名第一,其次是 1,271 分的 Claude Fable 5.2,以及 1,259 分的 GPT‑6.2 Sol。
更高效的工作流程,更簡潔的程式碼風格
GPT‑6.2 Astra 對如何執行任務有更好的判斷力,能根據工作流程選擇工具與投入程度,也懂得何時該使用外掛程式,何時該操作電腦。
在程式碼編寫方面,GPT-6.2 Astra 更擅長在現有程式碼庫中實作與測試複雜變更。早期測試者回報,程式碼風格更簡潔,測試更聚焦,所需修改輪數也更少。
網路安全能力
GPT‑6.2 Astra 與 GPT-6.2 Sol 的網路安全能力再度大幅躍進。它們能更有效地發現並利用漏洞、編寫更安全的程式碼,以及產出更完善的修補程式,並在多項評估中大幅提高 Token 使用效率。與 GPT‑6 Astra 一樣,6.2 Astra 與 Sol 均達到我們應變整備框架中網路安全的「嚴重」門檻。
由於 GPT‑6.2 Astra 和 Sol 的能力有所提升,我們在推出這兩個模型時,針對風險較高的網路安全協助採用了更嚴格的防護措施。這些防護措施降低了遭到濫用的風險,但也限制了部分合法的漏洞研究與安全測試工作流程。目前,資安防禦人員可透過 OpenAI Daybreak,在 Daybreak Blue 上使用較少拒絕網路安全相關請求的 GPT‑6 Sol,以及 GPT-6 Astra 的 Alpha 測試版;也可在 Daybreak Red 上使用 GPT‑6 Cyber,進行經授權的進階安全測試。我們將致力於讓 GPT‑6.2 模型也能在 Daybreak 上使用。
以下列出主要基準測試結果,測試採用停用網路安全防護措施與分類器的內部設定。完整結果與方法請參閱隨附的系統說明卡(在新視窗中開啟)。
為資安防禦人員增添優勢
開發人員日益仰賴程式碼編寫智慧體來開發正式環境軟體;與此同時,能力更強的智慧體也降低了尋找與利用漏洞的門檻。PHP2Shell(在新視窗中開啟) 展示了 AI 如何協助研究人員找出嚴重漏洞。在 GPT‑6.2 Astra 與 Sol 中,我們將防禦能力列為核心重點,引入新的訓練訊號,協助開發人員預防並修復這些漏洞——從一開始就編寫安全的程式碼,並產出能保留預期行為的修補程式。
安全與對齊
與 GPT-6 Astra 一樣,GPT-6.2 Astra 與 Sol 除了達到網路安全的「嚴重」門檻,也都達到我們應變整備框架中生物與化學能力的「高」門檻。我們已實施保護措施以降低相關風險,同時對一系列可能具有雙重用途的生物與網路安全請求加強限制。
關於防護措施與測試的更多詳情,請參閱 GPT-6.2 系統說明卡(在新視窗中開啟)。
AI 研究能力與防護措施
GPT-6.2 Astra 是我們首款對外發布、達到「AI 自我改進」高門檻的模型;這個類別衡量模型加速 AI 研究的能力。「高」等級反映我們的評估:相較於 2024 年的基準,這款模型的影響力相當於為每位 OpenAI 研究人員額外配備一名能力出眾的研究工程師作為助手。我們追蹤這項能力,是因為能協助開發未來 AI 系統的模型,也可能帶來新的安全風險,例如讓進展加速到防護措施或人類監督無法及時因應的程度。
為因應這些風險,我們在模型訓練與部署方式中加入更多監督及控制措施。在擴大 GPT-6.2 Astra 的內部存取範圍之前,我們評估了它的對齊情況,並確認各階段所需的防護措施均已到位。我們強化了研究環境中的隔離措施,並以我們能力最強的模型測試這些保護措施。我們也建置了 Control Room,這套系統能追蹤研究工作負載,並在需要介入時停止模型繼續輸出。我們擴大後的監控機制會檢查模型在內部工作負載及支援的外部部署中的推理與行動。它能自動標示未經授權的行為,並在支援此功能的環境中暫停工作負載或對話。
對齊
兩款模型在多數對齊評估中的表現與 GPT-6 Astra 相近,並在模擬職場任務中採取更少的不當行動。不過,在兩項測試中,它們更容易未提及阻礙工作進行的障礙,例如缺少檔案或搜尋工具無法使用。我們在 Codex 中新增了指示,大幅減少這些遺漏,並將持續研究這種行為。
價格與供應情況
即日起,所有 Plus、Pro、Enterprise 與 Edu 使用者都能在 ChatGPT 工作與 Codex 中使用 GPT-6.2 Astra 和 Sol。Pro 500 訂閱者可搭配任一模型使用超高速模式。我們也首次向 Pro 200 訂閱者提供超高速模式,先從 GPT-6.2 Sol 開始。符合資格的 Enterprise 與 Edu 使用者,在工作區管理員啟用後,也能取得相同的存取權。開發人員也能透過 OpenAI API 存取 gpt-6.2-astra 與 gpt-6.2-sol,兩款模型在推出時即支援超高速模式。
GPT‑6.2 Astra 憑藉更高的 Token 使用效率、輸入與輸出 Token 價格降低 20%,以及快取輸入 Token 價格大幅降低 60%,使每項任務的成本顯著低於 GPT‑6 Astra。標準 API 費率以每百萬 Token 計算,輸入為 8 美元、快取輸入為 0.40 美元、輸出為 40 美元。GPT‑6.2 Sol 延續 GPT‑6.1 Sol 的費率,每百萬 Token 的輸入費用為 2 美元、快取輸入為 0.10 美元、輸出為 10 美元。
使用 GPT-6.2 Astra 與 Sol 時,為提高快取重用率、協助降低成本與延遲,並在各輪對話間保留推理,我們建議保持提示詞前綴不變,並在對話末尾附加新指示(在新視窗中開啟)。
作者
Footnotes
- 1
Fable 5.2 的 Terminal-Bench-Science 0.1 成績,採用 Artificial Analysis(在新視窗中開啟) 在 mini-swe-agent 任務執行框架中測得並公布的結果。Anthropic 公布,Fable 5.2 在 Claude Code 中使用最高推理設定時,分數為 74.6%。



