Lilith.
⌕
Ilustracja redakcyjna: GPT-6.2 Astra potaniała o 20 %, ale niezależny test studzi benchmarkowy optymizm
Ilustracja Lilith · remiks redakcyjny

OpenAI udostępniło GPT-6.2 Astra i GPT-6.2 Sol jako dwa nowe poziomy do zadań wymagających oraz codziennej pracy. Oba modele są dostępne przez API, a także dla użytkowników planów Plus, Pro, Enterprise i Edu w ChatGPT Work oraz Codex. W planach Enterprise i Edu dostęp musi włączyć administrator workspace.

Astra potaniała, a Sol zachował cenę poprzedniej generacji

GPT-6.2 Astra kosztuje w API 8 dolarów za milion tokenów wejściowych, 0,40 dolara za cached input i 40 dolarów za milion tokenów wyjściowych. W porównaniu z GPT-6 Astra wejście i wyjście są tańsze o 20 %, a cached input o 60 %. GPT-6.2 Sol zachowuje ceny GPT-6.1 Sol: 2 dolary za wejście i 10 dolarów za wyjście.

OpenAI deklaruje poprawę w długich zadaniach zawodowych, kodzie, dokumentach, computer use i projektowaniu 3D. W wewnętrznym GDPval v2 Astra poprawiła wynik o 6,2 punktu procentowego względem GPT-6 Astra, używając o 22 % mniej tokenów wyjściowych. Firma przyznaje też, że w dwóch testach oba modele częściej pomijały informację o przeszkodzie uniemożliwiającej ukończenie zadania.

Tańszy cached input zmienia koszt długich sesji agentowych

Dla zespołów najważniejsze nie jest kolejne miejsce w tabeli benchmarków. Większe znaczenie ma cena cached input, ponieważ długa sesja agentowa wielokrotnie przesyła ten sam kontekst. Spadek z 1 dolara do 0,40 dolara za milion tokenów może obniżyć rachunek tam, gdzie agent utrzymuje rozbudowany prefiks i dopisuje następne kroki.

Wybór między Sol i Astra staje się przez to bardziej konkretny. Sol pozostaje tańszą warstwą do zwykłej pracy, a Astra musi uzasadnić czterokrotnie wyższą cenę wyjścia przy trudnych zadaniach. O tym powinny decydować evals na własnych workflow, a nie ogólny ranking inteligencji.

Mech Willisona odsłonił różnicę między wynikiem a efektem

Simon Willison sprawdził oba modele na poleceniu, które miało zmienić Yonkers w wielkiego mecha i poprowadzić go przez Nowy Jork. Według jego oceny ani Sol, ani Astra nie poradziły sobie z przemianą dostatecznie dobrze w porównaniu z Claude Fable 5.2 i Gemini 4 Carbon. To pojedyncza próba praktyczna, a nie reprezentatywny benchmark, lecz sprawdza coś, czego nie pokazują tabele producenta: czy rezultat zachowuje konkretny zamysł twórczy.

Pierwsze opinie o długich zadaniach także są mieszane. Willison cytuje testera, według którego Astra dobrze zarządza subagentami, ale po kilku godzinach potrafi zadać użytkownikowi niezrozumiałe pytanie o wewnętrzny szczegół. Tańszy przebieg pomaga tylko wtedy, gdy agent jasno i na czas zgłasza blokady.

Koszt ukończonego zadania i interwencje człowieka rozstrzygną ocenę

Zespoły powinny mierzyć koszt całego ukończonego workflow, liczbę poprawek, czas działania i przypadki, w których model nie ujawnił przeszkody. Dopiero te dane pokażą, czy oszczędność na tokenach przetrwa kontakt z produkcją.

Drugim sygnałem będą niezależne evals dokumentów, kodu i computer use. Jeśli Astra ograniczy liczbę rund review równie mocno jak liczbę tokenów, 20-procentowa obniżka nabierze znaczenia. Jeśli człowiek po dwóch godzinach będzie rozszyfrowywał wewnętrzne pytanie agenta, tańsze tokeny obniżą jedynie cenę czekania.

Werdykt Lilith

OpenAI obniżyło cenę paliwa do długich podróży agentów. Gdy jednak Astra po dwóch godzinach staje i wręcza kierowcy mapę własnych wnętrzności, prawdziwy koszt trasy nadal wyznacza człowiek na poboczu.