Τι κυκλοφόρησε και με ποιες τιμές
Η OpenAI έβγαλε στις 17 Νοεμβρίου 2026 δύο γλωσσικά μοντέλα. Το GPT-6.2 Astra στοχεύει σε απαιτητικά επαγγελματικά έργα και το GPT-6.2 Sol σε καθημερινή χρήση, όπως περιγράφουν το The Decoder και το MarkTechPost. Στο API διατίθενται ως gpt-6.2-astra και gpt-6.2-sol. Ο Simon Willison αναφέρει ότι κυκλοφόρησε την έκδοση 0.38 του εργαλείου LLM με υποστήριξη για τα δύο μοντέλα.
Για το Astra, η εταιρεία δίνει 8 δολάρια ανά εκατομμύριο tokens εισόδου, 0,40 δολάρια για cached είσοδο και 40 δολάρια για έξοδο. Ο Willison θυμίζει ότι το GPT-6 Astra κόστιζε 10 και 50 δολάρια, με 1 δολάριο για cached είσοδο. Σημειώνει ακόμη ότι η νέα τιμή είναι ίδια με του Claude Fable 5.2, που κι αυτό έγινε φθηνότερο κατά 20% σε σχέση με τον προκάτοχό του. Το MarkTechPost περιγράφει την αλλαγή ως μείωση 20%.
Το Sol μένει στα 2 δολάρια εισόδου, 0,10 cached και 10 εξόδου, όπως το GPT-6.1 Sol. Σύμφωνα με τον Willison, το ίδιο ίσχυε και για το GPT-6 Sol, ενώ το GPT-5.6 Sol κόστιζε 4 και 20 δολάρια.
Στο ChatGPT Work και στο Codex τα μοντέλα είναι διαθέσιμα σε χρήστες Plus, Pro, Enterprise και Edu, κατά το The Decoder. Οι συνδρομητές Pro-500 έχουν λειτουργία Ultrafast και με τα δύο. Οι συνδρομητές Pro-200 παίρνουν για πρώτη φορά πρόσβαση σε Ultrafast, ξεκινώντας από το Sol.
Αποτελέσματα: τι δηλώνει η OpenAI και τι μετρά η Artificial Analysis
Τα παρακάτω νούμερα της πρώτης ομάδας είναι αποτελέσματα της ίδιας της OpenAI για τα δικά της μοντέλα, όπως τα μεταφέρει το The Decoder. Στο Agents' Last Exam, benchmark για πολυβηματικές επαγγελματικές ροές εργασίας, το Astra ξεπερνά το GPT-6 Astra κατά 5,2 βαθμούς με κόστος μικρότερο από το ένα τρίτο. Προηγείται του Claude Fable 5.2 κατά 5,5 βαθμούς με 5% του κόστους. Στο νομικό Harvey LAB-AA η OpenAI λέει ότι το ποσοστό επιτυχίας είναι πάνω από διπλάσιο από του Claude Fable 5.2, με περίπου το ένα έκτο του κόστους. Στο εσωτερικό GDPval-v2 το κέρδος είναι 6,2 ποσοστιαίες μονάδες με 22% λιγότερα tokens εξόδου. Στο Terminal-Bench-Science η διαφορά από το GPT-6 Astra είναι 9 ποσοστιαίες μονάδες.
Στο AA-3D, όπου άνθρωποι κριτές συγκρίνουν δύο τυφλές διαδραστικές εμπειρίες, το Astra έχει 1.318 Elo, το Claude Fable 5.2 έχει 1.271 και το Sol 1.259. Στο FrontierCode 2.0, που ελέγχει αν οι αλλαγές κώδικα πληρούν το επίπεδο πραγματικών έργων, το Sol υπολείπεται του Astra κατά 0,5 βαθμούς με το ένα πέμπτο του κόστους.
Στην κυβερνοασφάλεια, η OpenAI αναφέρει ότι και τα δύο μοντέλα φτάνουν το κατώφλι «Critical» του Preparedness Framework, όπως και το GPT-6 Astra. Προσθέτει αυστηρότερες δικλίδες, που θα περιορίσουν και τη θεμιτή έρευνα ευπαθειών. Στο εσωτερικό ExploitBench το Astra ξεπερνά το 50% επιτυχία στη δημιουργία exploits για γνωστές ευπάθειες browser. Οι μετρήσεις έγιναν με απενεργοποιημένες τις δικλίδες.
Ανεξάρτητη εικόνα δίνει η Artificial Analysis. Ο Intelligence Index της συνδυάζει εννέα αξιολογήσεις σε γνώση, κώδικα και επιστήμη. Το Astra ανεβαίνει πέντε βαθμούς και παίρνει 62, δεύτερο πίσω από το Claude Fable 5.2 (65). Το Sol κερδίζει δύο βαθμούς και φτάνει τους 57, το επίπεδο του GPT-6 Astra με περίπου 15% του κόστους ανά εργασία. Στη ρομποτική (AA-Robotics v0.1) το Astra έχει 79, το Sol 78 και το Claude Fable 5.2 75.
Artificial Analysis Intelligence Index, βαθμολογίες όπως τις δίνει η Artificial Analysis
| Μοντέλο | Βαθμοί στον Intelligence Index |
|---|---|
| Claude Fable 5.2 | 65 |
| GPT-6.2 Astra | 62 |
| Gemini 4 Carbon | 60 |
| Claude Opus 5.5 | 59 |
| GPT-6.2 Sol | 57 |
Όρια των μετρήσεων και υποδοχή
Η Artificial Analysis δεν βλέπει βελτίωση στον κώδικα. Στο Coding Agent Index, με το Codex harness και μέγιστη υπολογιστική προσπάθεια, το Astra μένει εκεί που ήταν το GPT-6 Astra. Το Sol πέφτει τρεις βαθμούς από το GPT-6.1 Sol, λόγω πτώσης 14 βαθμών στο SWE-Atlas-QnA-AA, όπου παραλείπει συχνότερα βασικά στοιχεία στις απαντήσεις.
Το AA-Omniscience Hallucination Rate μετρά πόσο συχνά ένα μοντέλο μαντεύει αντί να πει ότι δεν γνωρίζει. Με μέγιστη προσπάθεια το Astra φτάνει το 59% και το Sol το 55%. Οι ερωτήσεις είναι ασυνήθιστα δύσκολες, οπότε τα ποσοστά δεν αντικατοπτρίζουν την καθημερινή χρήση. Το The Decoder μεταφέρει επίσης ότι το Epoch AI δοκίμασε το Astra πριν από την κυκλοφορία και μέτρησε 174 βαθμούς στον Epoch Capabilities Index.
Ο Simon Willison περιγράφει την υποδοχή ως μικτή. Το Astra δεν βαθμολογείται τόσο ψηλά όσο το Claude Fable 5.2 σε διάφορα benchmarks και υπάρχουν παράπονα για μπερδεμένο ύφος επικοινωνίας. Ο Theo Browne, στο σημείωμα που έστειλε στην OpenAI πριν από την κυκλοφορία, περιγράφει ένα μοντέλο που διαχειρίζεται καλά πολλούς υποπράκτορες σε μεγάλες εργασίες αλλά ρωτά για λεπτομέρειες υλοποίησης. Σε δική του δοκιμή, μετά από δύο ώρες με την εντολή /goal για ένα νέο επίπεδο στο Outer Wilds, το μοντέλο είχε «μπλοκάρει» με ερώτηση για το όνομα αρχείου βίντεο.
Στη δοκιμή του Willison με animation σε three.js, όπου το Yonkers γίνεται μεγάλο mech και περπατά στο Manhattan, στο Queens και στο Brooklyn, με δεδομένα openstreetmap και επίπεδο προσπάθειας Ultra στο Codex CLI, κανένα από τα δύο μοντέλα δεν τα πήγε αρκετά καλά. Τα αποτελέσματα ήταν χειρότερα από των Claude Fable 5.2 και Gemini 4 Carbon.