GPT-6.2 Astra 和 Sol 实测:更便宜了,没更聪明
GPT-6.2 Astra 和 Sol 的官方跑分、AA 编程指数原地踏步,以及幻觉率升到 59% 的完整记录。
OpenAI 把 GPT-6.2 Astra 包装成“更省钱的旗舰”,官方价从 $10 / $50 降到 $8 / $40。可我们拿 omp 跑同一道两文件改错题,Claude Sonnet 5.5 用 23.96 秒、$0.0499 交卷;GPT-6.2 Astra 跑了 4 分 10 秒、花了 $0.5582,耗时 10.4 倍、账单 11.2 倍。
OpenAI 发布 GPT-6.2 Astra 时,把重点全放在“每项任务更便宜”上:官方 API 价从上一代 GPT-6 Astra 的每百万 token $10 / $50 降到 $8 / $40,输出 token 比上一代少,Agents' Last Exam 单任务成本压到了 $2.89。
但“比自家上一代便宜”和“比日常主力模型划算”是两回事。早在 GPT-6 Astra 时代,Anthropic 的 Claude Sonnet 5.5 就已经在 Artificial Analysis 的单任务成本图里把前代 Astra 甩在身后;到了 GPT-6.2 Astra,OpenAI 的旗舰在写代码这件事上依然没有赢过定位中档的 Sonnet 5.5。
一句话:我们于 11 月 19 日用 omp 跑同一道 Bun + TypeScript 改错与实现题,claude-sonnet-5-5 耗时 23.96 秒、3 轮交卷、按官方 API 价算只花 $0.0499;gpt-6.2-astra 耗时 249.57 秒、跑了 10 轮、调了 13 次工具、花了 $0.5582。同一道题,GPT-6.2 Astra 慢了 10.4 倍,贵了 11.2 倍。
为了避免跑分纸上谈兵,我们在隔离目录里建了一个只有三个源码与测试文件的 Bun TypeScript 项目 webhook-kit,让两款模型在完全相同的条件(omp v19.0.0,--mode json -p --no-session,同一段提示词)下各自独立完成修复,最后以 bun test 全部通过为终点。
任务一共三件事,总计 7 个测试用例(初始状态 2 个通过、5 个失败):
src/webhook.ts 的验签逻辑:支持带空格的逗号分隔头(如 t=..., v1=deadbeef, v1=...)、支持多个 v1 签名、用 Math.abs(now - timestamp) > tolerance 拦截超窗的未来时间戳,并用 timingSafeEqual 替代 ===。nextDelayMs 退避上限:指数退避加上随机抖动后,总延迟不能超过 maxMs,且不能小于 0。src/idempotency.ts 的 IdempotencyStore:支持按完成时间计算 TTL 缓存、并发调用同一 key 共享进行中的 Promise、fn 拒绝时不缓存失败结果。这道题没有冷门框架,也没有跨几十个目录的上下文陷阱,就是日常后端开发最常见的“修两个 bug + 写一个几十行的小模块”。
omp 实测结果:耗时 10.4 倍,账单 11.2 倍两款模型最终都通过了全部 7 个测试,代码质量也都能直接合并。真正的差距在过程和账单里。
| 指标 | Claude Sonnet 5.5 | GPT-6.2 Astra | Astra / Sonnet 5.5 |
|---|---|---|---|
| 测试结果 | 7 pass, 0 fail | 7 pass, 0 fail | 持平 |
| 端到端耗时 | 23.96 秒 | 249.57 秒 | 10.4× |
| 对话轮数 | 3 轮 | 10 轮 | 3.3× |
| 工具调用次数 | 2 次(bash ×2) | 13 次(todo ×4、read ×4、glob、edit ×2、bash ×2) | 6.5× |
| 输入 token | 6 | 35,179 | — |
| 输出 token | 2,071 | 5,547 | 2.7× |
| 缓存读取 token | 44,663 | 137,216 | 3.1× |
| 缓存写入 token | 9,890 | 0 | — |
| 总 token | 56,630 | 177,942 | 3.1× |
| 官方 API 折算费用 | $0.0499 | $0.5582 | 11.2× |
看工具轨迹就能明白为什么差这么多。claude-sonnet-5-5 进目录直接用一条命令看完三个文件、改完两处源码,第二轮跑完 bun test,第三轮输出总结,24 秒结束战斗。
gpt-6.2-astra 面对一个总共只有 3 个文件的目录,先调 todo 列计划,再调 glob 扫目录,接着分 4 次 read 逐个读文件,中间穿插着又更新了 3 次 todo,前前后后跑了 10 轮、4 分 10 秒才收工。小任务里把“规划仪式感”拉满,结果就是等待时间翻了 10 倍,输出 token 多烧出近 3 倍。
按两家官方公布的 API 单价算(每百万 token),GPT-6.2 Astra 每一档单价本来就是 Claude Sonnet 5.5 的 4 倍:
| 模型 | 输入 | 输出 | 缓存读取 | 缓存写入 |
|---|---|---|---|---|
Claude Sonnet 5.5(claude-sonnet-5-5) | $2.00 | $10.00 | $0.10 | $2.50 |
GPT-6.2 Astra(gpt-6.2-astra) | $8.00 | $40.00 | $0.40 | $10.00 |
单价贵 4 倍,加上多跑 7 轮带来的输入与输出膨胀,两项一乘,单次任务费用直接变成 11.2 倍。如果把这次实测的样本外推到团队日常工作负载,月账单差距更直观:
| 月调用规模 | Claude Sonnet 5.5 | GPT-6.2 Astra | 差价 |
|---|---|---|---|
| 1,000 次类似任务 | $49.90 | $558.20 | +$508.30 |
| 10,000 次类似任务 | $499.00 | $5,582.00 | +$5,083.00 |
而且 GPT-6.2 Astra 还有一条隐藏门槛:单次请求输入超过 272K token 后,整笔请求的输入和缓存读取价翻倍、输出按 1.5 倍算。长会话一旦跨过 272K,账单还会继续往上跳。
不只是我们手搓的小测。把独立评测和公开榜单摆在一起看,GPT-6.2 Astra 同样没在写代码上甩开 Sonnet 5.5:
Claude Sonnet 5.5 (xHigh) 以 1,772 分排在全球第 3,高于 GPT-6 Astra(1,763 分,第 5)和 GPT-6.1 Sol(1,742 分)。low($0.41)、medium($0.54)、high($1.08)甚至 max($2.74),单任务成本就已经全部压在 GPT-6 Astra (high)($3.26)之下。GPT-6.2 Astra 降价 20% 后依然处于 $8 / $40 档位,在多数短平快编码任务里还是比不过 $2 / $10 的 Sonnet 5.5。说公道话,GPT-6.2 Astra 并非一无是处。在 Terminal-Bench-Science 0.1 科研终端评测里它拿到 77.1%、AA-3D 盲测 1,318 分排第一;代码审查环节开到 xhigh 时,它在自建集上能抓出 96% 的 bug。
可如果你每天要干的是改接口、修 bug、写前端、跑测试,把一个 24 秒就能解决的活交给一个 4 分钟才回头的旗舰模型,既浪费时间,又多花 10 倍的钱。
| 工作负载 / 场景 | 推荐选择 | 原因与代价 |
|---|---|---|
| 日常修 bug、写业务代码、跑测试 | Claude Sonnet 5.5 | 响应快、工具调用少、单价只有 Astra 的四分之一,CodingPass Go 每月 $10 含 $60 额度,足够跑约 1,200 次同类任务。 |
| 前端页面与 UI 交互 | Claude Sonnet 5.5(xHigh) | CodeArena WebDev 排第 3(1,772 分),成片稳定。 |
| 科研终端、3D 建模、高强度代码审查 | GPT-6.2 Astra 或 Sol | 科研与 3D 跑分领先;只审代码时,用单价更低的 GPT-6.2 Sol($2 / $10)比 Astra 更划算。 |
如果你需要的是日常写代码的稳定主力,没必要为旗舰标签买单。在 CodingPass 里,最低档的 Go(每月 $10)就已经包含 claude-sonnet-5-5 并给足 $60 月额度;只有在你明确要跑科研长任务、3D 或极少数需要 Astra 审查的场景下,才值得切到更高档位。
CodingPass Go 每月 $10,含 $60 Sonnet 5.5 月额度。按官方 API 价计量,随时取消。