OpenAI выпустила GPT-6.2 Astra и Sol: фронтир подешевел на 20%, но галлюцинации остались
Astra — новая модель OpenAI для сложных многошаговых задач, Sol — повседневная. Astra в API стоит на 20% меньше предшественницы, а Sol почти догоняет её на коде при примерно пятой части цены. Обе доступны только через сервисы OpenAI.

Адаптация и понятное объяснение для начинающих. Заявления приведены по материалу источника.
Главная цифра в анонсе OpenAI — не прирост баллов, а цена за задачу. Фронтирная модель GPT-6.2 Astra стоит в API на 20% меньше, чем GPT-6 Astra, а кэшированный ввод подешевел на 60%. По прайсу это $8 за миллион входных и $40 за миллион выходных токенов. Одновременно вышла GPT-6.2 Sol — «повседневная» модель, которая сохранила расценки GPT-6.1 Sol.
Обе модели закрытые и работают только на стороне OpenAI: через API под именами gpt-6.2-astra и gpt-6.2-sol, а также в ChatGPT Work и Codex. Локально их не запустить, и это первое ограничение, которое стоит держать в голове.
Кому какую
Astra задумана для долгих многошаговых задач: по словам компании, она аккуратнее собирает презентации, таблицы и документы по шаблонам, лучше делает интерфейсы, игры и 3D-сцены. Sol — для быстрых типовых запросов. Разделение проходит по глубине и стоимости, а не по типу входных данных: обе принимают текст и изображения и возвращают текст.
Контекстное окно у обеих одинаковое — около 1,05 млн токенов, из них до 922 тыс. на вход и до 128 тыс. на выход. Токен — примерно кусочек слова; такое окно позволяет загрузить в один запрос целую кодовую базу или стопку документов. Но тариф устроен с порогом: запросы длиннее 272 тыс. входных токенов оплачиваются по двойному тарифу на вход и кэш, а выход — в 1,5 раза дороже.
Что показывают замеры
Собственные сравнения OpenAI построены вокруг стоимости выполнения задачи. На агентском тесте Agents' Last Exam v1.1 Astra набирает на 5,2 балла больше GPT-6 Astra при менее чем трети цены, а Claude Fable 5.2 опережает на 5,5 балла при 5% стоимости. На Terminal-Bench-Science 0.1 прирост — 9 баллов при менее чем трети цены. На внутреннем GDPval v2 — плюс 6,2 балла при на 22% меньшем числе выходных токенов.
Независимая картина от Artificial Analysis в основном совпадает. Astra получает 62 балла в Intelligence Index при максимальном усилии и $4 за задачу индекса; лидирует Claude Fable 5.2 с 65, следом идут Gemini 4 Carbon (60) и Claude Opus 5.5 (59). Sol с 57 баллами повторяет результат GPT-6 Astra примерно за 15% стоимости задачи. На FrontierCode 2.0 Sol отстаёт от Astra всего на 0,5 балла при примерно пятой части цены.
Есть и слабые места. В индексе кодинг-агентов улучшений нет, а Sol потерял 3 балла. Уровень галлюцинаций в AA-Omniscience высокий у обеих: 59% у Astra и 55% у Sol. Иными словами, модель уверенно выдаёт правдоподобные, но неверные сведения примерно в половине проверяемых случаев — для рабочих документов это существенно.
Как это читать
Цифры вроде «в пять раз дешевле за ту же задачу» — расчёт самой OpenAI или Artificial Analysis на их наборе тестов, а не гарантия для вашего сценария. Реальная экономия зависит от длины промптов, доли кэшируемых префиксов и числа выходных токенов. Совет OpenAI менять промпты минимально и дописывать инструкции в конец как раз про это: так лучше переиспользуется кэш и сохраняется контекст между ходами.
Для выбора между моделями практичный ориентир такой: Sol — там, где нужна скорость и невысокая цена на типовых запросах, включая генерацию кода; Astra — там, где задача требует нескольких шагов и проверки промежуточных результатов. В обоих случаях проверка фактов остаётся на человеке. Подробнее о том, как агенты встраиваются в разработку, — в материале об ИИ в разработке и миграции legacy-кода.


