OpenAI ogłosiło GPT-6.2 Astra i GPT-6.2 Sol 17 listopada 2026 r. Następnego dnia OpenAI Developers zapowiedziało publiczną betę trybu pracy w tle z oknami 2- lub 8-godzinnymi i oszczędnościami do 40% na token w kwalifikujących się przepływach pracy. To odrębne ogłoszenie z własnymi warunkami, a nie nowa stawka standardowego API.

Przy kosztorysie oddziel wejście standardowe, wejście z pamięci podręcznej i wyjście: API ma dla nich osobne stawki.

Co OpenAI ogłosiło 17 i 18 listopada?

GPT-6.2 Astra to model, który OpenAI pozycjonuje do trudnych projektów zawodowych, a GPT-6.2 Sol — do codziennej pracy. Dzień po ogłoszeniu modeli OpenAI Developers zapowiedziało publiczną betę trybu działania w tle dla API. W tym trybie kwalifikujące się przepływy mogą korzystać z okien trwających 2 albo 8 godzin; OpenAI podało oszczędności do 40% na token w porównaniu z trybem Standard. Szczegóły premiery modeli OpenAI opublikowało 17 listopada, a warunki bety 18 listopada.

Wcześniej, pod koniec września, OpenAI miało zrezygnować z wydania GPT-6.1 Astra. Bloomberg, w materiale przedrukowanym przez Yahoo Finance España, wiązał tę decyzję z obawami firmy dotyczącymi zakresu działania modelu, autoryzacji i komunikowania wykonanych przez niego zadań. Wcześniej opisywaliśmy GPT-6 Astra, do którego OpenAI porównuje część wyników nowej wersji.

Gdzie OpenAI udostępnia Astra i Sol?

OpenAI wymienia plany Plus, Pro, Enterprise i Edu oraz ChatGPT Work i Codex jako kanały dostępu do modeli. Deweloperzy mogą korzystać z nich przez API pod identyfikatorami gpt-6.2-astra i gpt-6.2-sol. W komunikacie społeczności OpenAI wyjaśniło, że wdrożenie obejmuje ChatGPT Work i Codex, a nie zwykły Chat; dostęp do kont zależy od planu, uprawnień w przestrzeni roboczej i postępu wdrożenia (informacja OpenAI).

Są też szczególne warunki dostępu Ultrafast: OpenAI wymienia plan Pro 500 dla obu modeli, a Pro 200 początkowo dla Sol. W kwalifikujących się przestrzeniach Enterprise i Edu administrator musi włączyć dostęp.

Jakie są opublikowane stawki API?

OpenAI publikuje trzy stawki za każdy model: wejście standardowe, wejście z pamięci podręcznej i wyjście. Kwoty są podane w USD za milion tokenów.

ModelWejście standardoweWejście z pamięci podręcznejWyjście
GPT-6.2 Astra8 USD0,40 USD40 USD
GPT-6.2 Sol2 USD0,10 USD10 USD

Opublikowany cennik OpenAI rozdziela te trzy rodzaje tokenów. Stawka za wejście z pamięci podręcznej wynosi w obu modelach jedną dwudziestą stawki za wejście standardowe. Ogłoszone osobno oszczędności trybu pracy w tle odnoszą się do kwalifikujących się przepływów w becie, a nie zmieniają tych pozycji cennika.

Jakie wyniki i oceny bezpieczeństwa podało OpenAI?

OpenAI podało, że w Agents’ Last Exam GPT-6.2 Astra uzyskała wynik o 5,2 punktu wyższy niż GPT-6 Astra przy koszcie niższym niż jedna trzecia kosztu poprzedniego modelu. W porównaniu z Claude Fable 5.2 przewaga wyniosła 5,5 punktu, a koszt — według OpenAI — 5% kosztu tego modelu. Firma zaznaczyła, że ranking Fable 5.2 nie uwzględnia dziewięciu zadań wykonanych z użyciem modelu zastępczego.

W Terminal-Bench-Science 0.1 OpenAI podało przewagę Astry wynoszącą 9 punktów procentowych nad GPT-6 Astra, ponownie przy koszcie niższym niż jedna trzecia. W GDPval v2 Astra poprawiła wynik o 6,2 punktu procentowego względem GPT-6 Astra, zużywając o 22% mniej tokenów wyjściowych; Sol uzyskała wynik wyższy o 5,3 punktu procentowego niż GPT-6.1 Sol. To porównania i wyniki opublikowane przez OpenAI dla wskazanych testów.

W ocenie Preparedness Framework OpenAI oba modele osiągnęły poziom Critical w cyberbezpieczeństwie i High w zakresie możliwości biologicznych i chemicznych. Astra otrzymała też poziom High w kategorii AI Self-improvement. OpenAI informuje o zaostrzonych zabezpieczeniach, które mogą ograniczać także część legalnych badań podatności i testów bezpieczeństwa.

Co zauważył zespół Every?

Anglojęzyczna recenzja Every omawia testy pisania, programowania i projektowania w GPT-6.2 Astra

Wczesna recenzja Every przedstawiała inną perspektywę niż firmowe wyniki benchmarków. Dan Shipper opisał testy zespołu liczącego 30 osób, który miał wczesny dostęp do modelu i bezpłatne tokeny od laboratoriów AI. Recenzenci krytykowali nadmiernie skrócone teksty, kończenie zadań programistycznych przed doprowadzeniem ich do końca oraz małą różnorodność projektów w domyślnych wynikach. Są to obserwacje tego zespołu z jego własnych zadań.