OpenAI выпустила GPT-6.2 Astra: второе место в рейтинге и цена ниже на 20%
OpenAI выпустила GPT-6.2 Astra и Sol, и независимый рейтинг Artificial Analysis поставил Astra на второе место: выше только Claude Fable 5.2 от Anthropic. Astra прибавила 5 баллов и стала на 20% дешевле: $8 за миллион входных токенов и $40 за миллион выходных. Sol по цене прежняя ($2/$10), но по баллам равна прошлому флагману GPT-6 Astra при ~15% его стоимости задачи. Для кодинг-агентов выигрыша нет, поэтому сначала проверьте модель на своих задачах.
AI-обработка оригинала Artificial Analysis; редакция Hamidun News
OpenAI выпустила две обновлённые модели: флагманскую GPT-6.2 Astra и более дешёвую GPT-6.2 Sol. Независимая лаборатория Artificial Analysis прогнала их через свой Intelligence Index, то есть сводный балл по набору сложных тестов, и сравнила, сколько стоит решить одну задачу. Результат такой: Astra вышла на второе место, уступив только Claude Fable 5.2 от Anthropic, и при этом подешевела на 20%. Представьте, что у вас в продакшене чат-бот поддержки на GPT-6 Astra. Если перейти на 6.2, он станет отвечать качественнее, а счёт за те же токены уменьшится. Но если вы делаете кодинг-агента, который сам правит репозиторий, прирост в рейтинге не подтвердился, и менять модель только из-за номера версии рано.
Что изменилось в цене и месте в рейтинге
GPT-6.2 Astra стоит $8 за миллион входных токенов и $40 за миллион выходных, что на 20% ниже, чем у GPT-6 Astra. Кэшированный ввод, то есть повторяющаяся часть запроса вроде системной инструкции или длинного документа, подешевел с $1,00 до $0,40 за миллион токенов. Для ботов и агентов с большим постоянным контекстом это заметная экономия.
GPT-6.2 Sol осталась на прежних $2 и $10 за миллион токенов. Зато она набрала 57 баллов, на 2 больше, чем GPT-6.1 Sol. Это уровень прошлого флагмана GPT-6 Astra, но примерно за 15% его стоимости на задачу.
Astra прибавила 5 баллов относительно GPT-6 Astra и обогнала Gemini 4 Carbon (60) и Claude Opus 5.5 (59) на максимальных настройках рассуждения. Кроме того, модели OpenAI заняли большую часть границы Парето по стоимости задачи. Так называют набор вариантов, у которых нельзя получить лучшее качество, не заплатив больше. Делят эту границу с OpenAI только Anthropic и Meta. А по числу выходных токенов на задачу граница почти целиком принадлежит OpenAI: из других лабораторий на ней есть лишь Claude Fable 5.2.
Где модели сильны
Самый заметный результат касается науки и знаний. OpenAI лидирует в Terminal-Bench-Science 0.1, где проверяют агентные рабочие процессы научных исследований. В CritPt v2 (сложная часть, физические рассуждения) она вторая после Claude Fable 5.2. В тесте фактических знаний AA-Omniscience v1.1 и в HLE-Diamond, где проверяют рассуждения и знания, Astra тоже уступает только модели Anthropic.
Есть ещё два результата. В AA-3D, где люди-эксперты оценивают интерактивные 3D-сцены, созданные моделью, Astra набрала 1318, Claude Fable 5.2 — 1271, Sol — 1259. В тестовом AA-Robotics v0.1, где языковые модели должны понять обстановку, спланировать и выполнить действия в реальном мире, Astra и Sol получили 79 и 78 против 75 у Claude Fable 5.2. Сами авторы оговариваются: это предварительная исследовательская версия, а модели OpenAI и Anthropic уже справляются с большинством простых заданий. Лаборатория добавляет более трудные.
Минусы: кодинг и выдуманные ответы
В Artificial Analysis Coding Agent Index (оболочка Codex на максимальном усилии) Astra осталась на уровне GPT-6 Astra, а Sol потеряла 3 балла относительно GPT-6.1 Sol. Причина — падение на 14 пунктов в тесте SWE-Atlas-QnA-AA, где модель отвечает на вопросы о кодовой базе: она чаще предшественницы пропускает важные факты. При этом по стоимости задачи несколько режимов усилия Astra и Sol всё равно попадают на границу Парето.
Вторая оговорка касается выдумывания. Метрика AA-Omniscience Hallucination Rate показывает, как часто модель гадает, когда не знает правильного ответа на фактический вопрос. У Astra этот показатель 59%, у Sol — 55% на максимальном усилии. Если вам нужны проверяемые факты, без поиска по источникам и сверки результата не обойтись.
Что делать на практике
Если сервис работает на GPT-6 Astra, переход на 6.2 даёт более высокое качество и скидку 20%, а при тяжёлом кэшируемом контексте экономия будет больше. Если вам хватает уровня GPT-6 Astra, проверьте Sol: по баллам она с ним сравнима, а стоит около 15% от стоимости задачи. Для научных, 3D- и робототехнических сценариев новую Astra стоит протестировать в первую очередь.
С кодинг-агентами спешить не нужно. Прирост в индексе не подтвердился, а у Sol есть регресс в ответах по кодовой базе. Прогоните модель на собственных задачах, прежде чем менять её в продакшене. Все цифры взяты из независимого индекса, но он усредняет результаты, и ваши данные могут показать другую картину.
- 18 нояб. 2026 г.Три утилиты «экономии токенов» подняли счёт за ИИ-агентов на 18–46%
- 18 нояб. 2026 г.Meituan открыла веса агентной модели на 1,6 трлн параметров, обученной без Nvidia
- 12 нояб. 2026 г.Дженсен Хуанг ушёл с поста CEO Nvidia: компания потеряла $1,4 трлн за две недели
- 12 нояб. 2026 г.Профсоюз Окленда добился переобучения вместо увольнений из-за ИИ: за забастовку 94,1%
Вопросы и ответы по материалу
Что известно по теме: что изменилось в цене и месте в рейтинге?
GPT-6.2 Astra стоит $8 за миллион входных токенов и $40 за миллион выходных, что на 20% ниже, чем у GPT-6 Astra. Кэшированный ввод, то есть повторяющаяся часть запроса вроде системной инструкции или длинного документа, подешевел с $1,00 до $0,40 за миллион токенов. Для ботов и агентов с большим постоянным контекстом это заметная экономия. GPT-6.2 Sol осталась на прежних $2 и $10 за миллион токенов. Зато она набрала 57 баллов, на 2 больше, чем GPT-6.1 Sol.
Что известно по теме: где модели сильны?
Самый заметный результат касается науки и знаний. OpenAI лидирует в Terminal-Bench-Science 0.1, где проверяют агентные рабочие процессы научных исследований. В CritPt v2 (сложная часть, физические рассуждения) она вторая после Claude Fable 5.2. В тесте фактических знаний AA-Omniscience v1.1 и в HLE-Diamond, где проверяют рассуждения и знания, Astra тоже уступает только модели Anthropic. Есть ещё два результата.
Что известно по теме: минусы: кодинг и выдуманные ответы?
В Artificial Analysis Coding Agent Index (оболочка Codex на максимальном усилии) Astra осталась на уровне GPT-6 Astra, а Sol потеряла 3 балла относительно GPT-6.1 Sol. Причина — падение на 14 пунктов в тесте SWE-Atlas-QnA-AA, где модель отвечает на вопросы о кодовой базе: она чаще предшественницы пропускает важные факты. При этом по стоимости задачи несколько режимов усилия Astra и Sol всё равно попадают на границу Парето. Вторая оговорка касается выдумывания.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.