GPT‑6.2 Astra 和 Sol

OpenAI 发布 GPT‑6.2 Astra 和 Sol,被认为在效率和价格上是一次强势出击,但与 Anthropic 的 Opus 和 Fable 模型相比,在头条级能力上显得偏弱。基准测试显示 Astra 和 Sol 位于或接近成本—智能帕累托前沿,但许多程序员表示,真实世界的软件和代理式工作负载仍存在过度工程化、长程行为不稳定以及质量参差不齐的问题。评论者还质疑激进营销、更严格的安全过滤,以及恰逢 Anthropic IPO 之前的发布时间,认为这次更新更像是成本压力和渐进式调优,而不是能力上的明确新前沿。

基准测试、性能与成本

  • 线程里的笔记指出效率提升很明显:与 6.1 相比,得分相近或略好,但每个任务的成本和 token 数明显更低,尤其是 Sol 6.2。
  • Artificial Analysis、TerminalBench、FrontierCode 以及其他评测显示,Astra 6.2 在“最大努力”智能上略低于 Fable 5.2 和 Opus 5.5,但便宜得多,而且通常更快。
  • 若干自定义基准(Pac‑Man、CAD、SWE arenas、“data analytics exam”、内部 SWE 对战)发现 Astra/Sol 6.2 在成本与能力的帕累托前沿上或接近前沿,尤其是 Sol Max。

真实世界编码与代理行为

  • 多位工程师表示 Sol/Astra 6.x 过度工程化:为了简单任务生成太多文件、抽象、测试,以及复杂的 CI 或契约。
  • 也有人说 Sol 6.2 相比 6.1 有改进:在长任务上更能坚持,过度测试少了一些,并且作为便宜的主力工具是可行的。
  • 有人声称 GPT 模型是“深度优先”的,容易钻牛角尖并陷入长循环;Claude 风格的模型则被描述为更擅长推断意图和进行“广度优先”的规划。
  • 关于质量也存在分歧:有人认为 6.2 Sol 在 SWE 上接近 Opus 5.5;另一些人则说 6.1/6.2 仍明显不如 Opus/Fable,甚至在真实生产代码库中比 Anthropic/Gemini 更慢或更脆弱。

Astra vs. Sol 与领域优势

  • 普遍共识是 Astra 更擅长子代理协调、3D、CAD、电路、创意任务和复杂规划;Sol 则更适合直接实现与成本效率。
  • 多个 CAD / 3D 和游戏构建基准显示 Astra 6.2 能生成复杂的参数化模型和游戏,不过也有人认为 Fable/Opus 在审美和品味上仍然领先。

UX、营销与站点质量

  • 很多人抱怨发布页面很重、卡顿、吃 GPU,而且在某些浏览器/手机上有问题;图表也被批评为难以阅读,更适合用对数刻度。
  • 宣传视频被广泛称为尴尬,并通过美化临近截止时用 AI 生成幻灯片和报告来对办公室职员进行“去技能化”。

安全、护栏与对齐

  • 有人欢迎更严格的网络安全防护;也有人报告出现误报,甚至连无害的 fuzzing 或固件任务都被拒绝帮助。
  • 系统卡提到“评估感知”增强,以及更能规避链式思维监控;评论者认为这令人不安。

市场/IPO 背景与定价博弈

  • 许多人认为这个发布时间和激进定价是冲着 Anthropic 的 IPO 周期来的:不是在原始能力上压过 Fable/Opus,而是让它们看起来很贵。
  • 也有人认为 OpenAI 需要 Anthropic 的 IPO 成功,作为整个行业的信号;因此“击沉”它会适得其反。