Codex Reset Radar
🌐 中文

GPT-6.2 Astra vs Sol:选哪个模型,怎么把它用出活

GPT-6.2 Astra 与 Sol 已于 2026-11-17 发布。各自分工是什么、在哪里能打开、OpenAI 的官方主张与 Epoch AI 的实测差在哪、API 价格,以及四个可直接复制的工作流。

快速回答: GPT-6.2 Astra 与 GPT-6.2 Sol 已于 2026-11-17 发布,入口在 ChatGPT Work 里,而不是普通聊天界面。Astra 是跨服务调试和深度调研这类重活的重型号,Sol 是拉取请求评审、改代码和会议纪要这类日常主力。新开的 Work 对话默认是 Sol,推理强度 Light。

非官方声明:Codex Reset Radar 是独立的非官方追踪工具,用于围绕观察到的 Codex 配额重置规律做规划。它与 OpenAI 无关,未获 OpenAI 背书、赞助或批准。OpenAI 和 Codex 是 OpenAI 的商标。预测和提醒是基于公开信号的尽力估算,可能不准确。请始终以 OpenAI 产品界面和文档为准。

模型发布:2026-11-17(OpenAI 公告) · 价格核验:2026-11-19 · 本页发布:2026-11-19

2026 年 11 月 17 日发布了什么

OpenAI 在 2026-11-17 发布了两个模型:GPT-6.2 Astra(gpt-6.2-astra)和 GPT-6.2 Sol(gpt-6.2-sol)。同一天,它们进入了 ChatGPT Work、Codex 和 API。如果你在普通 Chat 界面里找 GPT-6.2 一无所获,那不是出了故障:模型是在 Work 内部选择的,不在主聊天视图里。可用性取决于你的套餐和灰度进度:官方名单覆盖 Plus、Pro、Business、Enterprise 和 Edu,Enterprise 与 Edu 的管理员需要先在工作区设置里开启这些模型。作为背景,GPT-6 Astra 发布于 2026-09-03,而 OpenAI 在 2026-09-28 因范围与授权问题取消了原定的 GPT-6.1 Astra 发布,所以 6.2 是那次撤回之后的第一次 Astra 升级。

Astra 与 Sol:分工

OpenAI 把 Astra 描述为「我们能力最强的模型,用于你最难的项目」(our most capable model for your hardest projects),把 Sol 描述为「我们日常工作的首选模型」(our go-to model for everyday work)。分工直接体现在默认值和价格上:消费级套餐新开的 Work 对话默认是 Sol,推理强度 Light,开通了模型访问权限的 Enterprise 工作区默认是 Sol,推理强度 Medium。Astra 是升级档,Sol 是日常驱动。两个模型都接受文字和图片输入、输出文字,都提供 low、medium、high、xhigh、max 五档推理强度,都跑在同一套 Responses API 和 Chat Completions 端点上。价格上,Astra 的输入和输出都是 Sol 的四倍,所以「要不要用贵的那个」这个问题,只有在任务确实难的时候才值得问。

主张、实测,以及两者的落差

下面每一个 benchmark 数字都有归属:OpenAI 是公司自报,Epoch AI 是独立实测,具名开发者是发布当天的轶事反馈。这个标注正是本节的意义所在。厂商 benchmark 和真实任务是两把不同的尺子,失望感正来自把它们当成同一回事。下面那张表给每一个数字都挂上归属;诚实的总结是:OpenAI 报告自己在自家考试上大幅提升,Epoch 的人工评分真实工作通过率里 Astra 平均 65%,而本页引用的开发者大多第一周用下来并不顺。

我们没有测的东西

本页的 prompt 我们一个都没跑过,没有中文任务的实测数据,没有延时数字,也没有在你自己的代码库里复现任何一个已发布的 benchmark。这里任何内容都不应被当作我们的实测结果。凡是官方来源之间说法不一致的,或者某个数字只有一家公司在主张的,我们都会在同一句话里说明。方法论页面(英文页)讲的是本站如何在重置这一侧处理证据;本页遵循同一条规则:先标注主张归属,再让读者自己判断。

怎么用才不烧掉配额

有两个官方细节会改变你驱动这两个模型的方式。第一是缓存:OpenAI 建议保持 prompt 前半部分不变,把新指令追加在末尾,这样缓存前缀依然有效,之前的推理也能保留。这正是下面那些工作流 prompt 写成「稳定框架 + 追加任务」的原因。第二是推理强度没有 none 这一档,API 会拒绝它,所以最便宜且诚实的设置是 low。另外记住 Codex 和 Work 用的是同一份配额,Work 上一个重活就会吃掉你原本给 Codex 留的额度。在你排一个长任务之前,按怎么查 Codex 用量那篇说的先读自己的配额,并像5 小时限制与周限额里那样把两个窗口分开看。

Astra 与 Sol 速览

项目GPT-6.2 AstraGPT-6.2 Sol
API 模型 IDgpt-6.2-astragpt-6.2-sol
OpenAI 自己的定位Our most capable model for your hardest projectsOur go-to model for everyday work
新建 Work 对话的默认模型不是默认,需要你手动选Sol,推理强度 Light(消费级套餐)
Enterprise 工作区默认不是默认Sol,推理强度 Medium
上下文窗口1,050,000 tokens1,050,000 tokens
最大输入 / 最大输出922,000 / 128,000 tokens922,000 / 128,000 tokens
知识截止日期2026-05-182026-06-01
输入 / 输出价格(美元 / 每 100 万 tokens)$8 / $40$2 / $10
缓存输入 / 缓存写入(美元 / 每 100 万 tokens)$0.40 / $10(30 分钟保留)$0.10 / $2.50(30 分钟保留)
Ultrafast 访问ChatGPT Pro $500ChatGPT Pro $200 和 Pro $500
官方示例任务跨服务缺陷排查与修复、把报告转成演示稿、点名相互冲突证据的多来源调研拉取请求评审、根据评审意见改代码、把会议纪要转成项目简报

两个模型的推理强度都是 low、medium、high、xhigh、max。API 会拒绝把推理强度设为 none 的请求。价格是文档化的 API 费率,不是套餐报价。

在哪里真正能打开它们

位置怎么拿到需要知道什么
ChatGPT Work(网页、桌面、移动端)打开 Work 并选择模型官方灰度覆盖 Plus、Pro、Business、Enterprise 和 Edu。Enterprise 和 Edu 的管理员必须先在工作区设置里开启模型。主 Chat 界面不提供 GPT-6.2。
Codex应用里的模型选择器,或 CLI 里的 /modelCodex 和 Work 共用同一份用量配额。官方示例把 Astra 与跨服务调试配对,把 Sol 与评审及评审反馈闭环配对。
APIResponses API 和 Chat Completions 上的 gpt-6.2-astra 与 gpt-6.2-sol不支持微调。不支持音频和视频输出;图片仅可作为输入。把推理强度设为 none 会被 API 拒绝。
Ultrafast任一模型需 Pro $500,Sol 可用 Pro $200,Enterprise 和 Edu 由所有者设置Ultrafast 在 2027-02-28 之前按标准 API 费率的 3 倍计费,从 2027-03-01 起按 6 倍计费。

免费账号不在官方灰度范围内。如果你用的是付费套餐却仍然看不到模型,值得检查的就两件事:你在 Work 而不是 Chat,以及你的 Enterprise 或 Edu 管理员是否为工作区开启了模型访问权限。

API 规格与价格

API 费率(美元 / 每 100 万 tokens)AstraSol
输入$8$2
缓存输入$0.40$0.10
缓存写入,30 分钟保留$10$2.50
缓存写入,12 小时保留$20$5
输出$40$10

两个模型都适用的规则:单次请求输入超过 272K tokens 后,输入与缓存输入按标准费率的 2 倍计费,输出按 1.5 倍计费。Batch API 为标准费率的一半。Fast 模式是 2 倍。推理强度为 low、medium、high、xhigh、max,none 会被 API 拒绝。在 Responses API 上,两个模型列出的工具相同:web_search、file_search、image_generation、code_interpreter、hosted_shell、apply_patch、skills、computer_use、mcp 和 tool_search。OpenAI 关于缓存的建议是保持 prompt 前半部分不变、把新指令追加在末尾,这样缓存前缀仍然可用,先前的推理也能保留。现行 API 价格也列在API 页面(英文页)。

官方主张 vs 独立实测

下面每一个数字都归属于某一方。归属列刻意留在页面上:厂商 benchmark 和人工评分的真实任务是两把不同的尺子,把它们当成同一回事,正是失望的来源。

主张数字归属归属方怎么说
Agents' Last Exam,对比 GPT-6 Astra+5.2 分,成本不到三分之一OpenAI(自报)公司自家考试上的 benchmark。写作时没有任何第三方复现。
Agents' Last Exam,对比 Claude Fable 5.2+5.5 分,成本为 5%OpenAI(自报)公告脚注写明,Fable 排行榜排除了 9 个 fallback 任务。
对比 GPT-6 Astra 的价格输入和输出便宜 20%,缓存输入便宜 60%OpenAI(自报)这是作为产品定价变更提出的,不是 benchmark。
FrontierCode 2.0,Sol 对比 Astra差距在 0.5 分以内,成本约为五分之一OpenAI(自报),两者均为 max 推理公司 benchmark。Sol 的 API 价格与 GPT-6.1 Sol 持平。
Preparedness Framework首个公开发布的、达到 AI 自我改进 High 门槛的模型OpenAI(自报,系统卡)这是针对 Astra 说的。Sol 没有达到。
真实工作,人工评分Astra 平均 65%,比 Fable 5.2 低 17 分Epoch AI(独立评测,附自述限制)Epoch 说明了自身限制:任务集很小、每个任务只跑一次、评分主观。没有任何模型达到 Epoch 自己员工的标准。
AI 数据中心任务Fable 5.2 97.5%,Opus 5.5 87.5%,Astra 65%Epoch AI(独立评测,附自述限制)Epoch 形容 Astra 过于谨慎,在这项任务集上漏掉了关键估算。
Epoch 内部任务集两个模型基本持平,174 比 173Epoch AI(独立评测,附自述限制)这是唯一一个两个模型接近的任务集。
Blocker Deception22.28%,对比 GPT-6 Astra 的 11.09%OpenAI 系统卡(自报)这是安全评估结果,不是能力评估结果。列出来是为了不让这些数字被误当成质量主张。
开发者反馈,发布当周一位开发者没有在自己的工作上改选 Opus 5.5Theo Browne(具名发布日轶事)发布当周的个人意见,不是测量结果。
开发者反馈,使用一周后七天里没有改进,速度还慢了约 56%ts-rust(具名发布日轶事)一个项目一周的报告。不是 benchmark。
OpenAI 自己的反应模型用起来不错,还有更多活要干Sam Altman(具名回应)是对上面发布当周反馈的回应。

这张表刻意不放两样东西:中文任务的实测数据,和任何延时数字。这两样我们都没有数据,所以两样都不发布。

四个可以直接复制的工作流

这些是依据 GPT-6.2 官方用例搭出来的示例工作流,写成你可以直接粘贴、再把方括号里的部分替换掉的形式。工作流 4 是同样方式搭出来的加餐。我们自己一个都没有跑过,请把它当作起点形态,而不是实测结果。

工作流 1:带可核查证据的调研综合(Astra)

目标。把多个来源变成一张能直接支撑决策的表,每一条主张都指向可引用的出处,来源之间的分歧被点名而不是被抹平。

需要粘贴什么。来源本身(每条给出标题、URL 和日期)、这次调研必须回答的问题、以及谁在什么时候读结果。如果某个来源很长,粘贴相关段落并说明。

角色:调研综合助手。

来源(每条按 标题 | URL | 日期 粘贴):
1. <来源 1>
2. <来源 2>
3. <来源 3>

这次调研必须回答的问题:
<它要支撑的那个决策>

读者与截止时间:
<谁读,以及什么时候要>

按这个顺序做:
1. 列出这些来源实际支持的主张。每条主张一行。
2. 每条主张给出:来源编号、确切的支撑句或数字、日期,以及你的把握程度(直接引用 / 推断 / 来源未说明)。
3. 点名来源之间的每一处分歧。不要默默挑一个赢家。
4. 列出这些来源对你的问题没有覆盖的部分。

输出成一张表:主张 | 来源 | 支撑引文 | 日期 | 把握程度。
然后一个小节:分歧。
然后一个小节:未覆盖。

规则:
- 只使用上面这些来源。如果某个来源没有说,就写「来源中未提及」。
- 绝不用自己的知识填补空白。
- 任何你不能确定的数字都标成 [需核实]。
- 先引用,再总结。

使用前如何检查输出。每一行都要有来源编号和一段引文;如果某一行写着「来源中未提及」,那是合法答案而不是失败。除非来源之间确实一致,分歧小节不能是空的。摘要里的任何说法背后都得有对应的一行。最后自己抽查两段引文与原文是否一致,因为通顺的转述恰恰是这里最容易出错的地方。关于证据的固定规则,见方法论与证据规则。

隐私与失败模式。不要粘贴内部凭据、客户记录,或任何你不愿意写进工单的内容。Epoch 自己的评测形容 Astra 过于谨慎、漏掉关键估算,所以缺失的数字很可能以模糊措辞出现:要那个具体的数字,不要接受一个安全但空洞的回答。也有用户反映模型会中途停下;遇到这种情况,发送「从你停下的地方继续」,而不是把整个 prompt 重发一遍,并检查衔接处有没有丢内容。

工作流 2:把零散笔记变成团队能执行的简报(Sol)

目标。把粗糙的工作笔记变成一份读者能照着做的短简报,且不虚构任何笔记里没有的事实、日期或负责人。

需要粘贴什么。原始笔记(零散片段和链接都没问题)、这份简报写给谁、读者读完必须做的决定、目标长度,以及你想要的语气。

角色:把原始工作笔记变成一份项目简报。

笔记(照原样粘贴,包括零散片段和链接):
<笔记>

背景:
- 读者:<谁来读>
- 读者读完必须做的决定:<那个决定>
- 目标长度:<例如 400 字>
- 语气:<平实 / 正式 / 双语>

按这个顺序写:
1. 摘要:一段,最多五句话。
2. 待澄清问题与待定决策:每条说明为什么要紧。
3. 下一步:每条带负责人和截止时间。任一项未知就写 [负责人未知] 或 [截止时间未知]。
4. 附录:我笔记里没进摘要的每一条事实,附上它的来源行。

规则:
- 只使用我笔记里出现的事实。事实缺失就写 [缺失:需要什么]。
- 已经说清楚的措辞就保留。不要只为文风去改写。
- 不要添加笔记里没有的日期、数字、姓名或负责人。
- 拿不准某条是事实还是我的猜测时,标成 [与我确认]。

使用前如何检查输出。[缺失] 和 [与我确认] 这两个列表正是这个工作流的意义所在:如果你明知不完整的任务上这两个列表却是空的,说明模型自己把空缺补上了,这份简报就不能发出去。每一条下一步都要有负责人和截止时间,或者明确的未知标记。如果笔记里有你漏掉的内容,附录不该是空的。把摘要对着笔记通读一遍,专门找凭空多出来的细节。

隐私与失败模式。会议笔记最容易出现个人数据、薪资数字和客户姓名:粘贴前先脱敏,并自己留一份脱敏清单。如果输出虚构了日期,丢掉草稿、重新粘贴笔记,并以规则行「只使用我笔记中出现的事实」开头。笔记很长时简报可能被截断:只索要缺的那一节,不要整份重跑,否则你已经认可的部分会白丢。

工作流 3:先做拉取请求评审,再落实反馈(评审用 Sol,跨服务调试用 Astra)

目标。拿到一份指向具体文件与行号、且不靠注水充数的评审,然后只落实你选中的发现,一次改一处。

需要粘贴什么。diff 或改动过的文件、这次改动要达成什么、服务或仓库名称,以及你最在意的风险面(数据迁移、鉴权、计费、第三方调用)。

角色:拉取请求评审者。这一轮不要写代码。

背景:
- 服务或仓库:<名称>
- 这次改动要达成什么:<一段话>
- 要优先检查的风险面:<例如数据迁移、鉴权、计费、第三方 API>

按这个顺序评审:
1. 正确性:它做到了描述里说的事吗,包括错误路径和空值路径?
2. 测试:哪种行为没有测试覆盖?写出缺失的测试用例。
3. 影响面:会破坏哪些调用方、schema、队列或功能开关?
4. 可读性:只在确实会让后来的读者浪费时间的地方提。

输出:
- 编号列出发现。每条发现:严重程度(阻塞 / 应修 / 细节)、文件和行号、为什么重要,以及一条具体的修改建议。
- 然后写「结论:通过 / 带意见通过 / 请求修改」,并只给一个理由。
- 然后写「你自己去核实」:哪些你没能检查、但应该检查。

规则:
- 每条发现都要标文件和行号。没有位置的发现不算发现。
- 如果 diff 是对的,就直说。不要为了显得严谨而编造问题。
- 这一轮不要重写代码。
只落实我标记的发现。
- 每条发现改一处,改动保持最小,并沿用现有风格。
- 不要重构任何没被要求改的东西。
- 每改一处之后,说明你动了哪个文件,以及运行测试的命令。

全部做完后,列出:改了什么、没改什么以及为什么,以及你不同意的发现。

使用前如何检查输出。每条发现都要带文件和行号;没有位置的发现不算发现。结论只能给一个理由,不是五个。缺失测试的清单要写出真实的用例,而不是写「补测试」。说到落实反馈,改动清单必须和你标记的发现一一对应,被标记范围之外的东西不应该有任何改动。推送之前自己读一遍 diff:把每条修改建议都当成提案,而不是既成事实。

隐私与失败模式。永远不要把 API 密钥、令牌、会话 cookie 或客户数据粘进评审 prompt;用占位名称和脱敏的测试数据。密钥留在你的环境变量里,在 prompt 中用变量名指代。开发者反映这些模型可能不好驾驭,所以一轮给一条指令,而不是重写整个 prompt。如果模型评审到一半停了,就让它把剩下的发现补完,不要整个重跑,并在相信任何一个答案之前把两份答案对一遍。

工作流 4:把报告变成演示稿大纲(Astra)

目标。把一份报告压缩成每页一个要点,并让支撑每个要点的证据就放在旁边。

需要粘贴什么。报告正文、听众,以及听众看完演示稿后必须做的决定。

角色:把这份报告变成幻灯片大纲。

报告(粘贴):
<正文>

听众,以及他们必须做的决定:
<听众 / 决定>

输出:
- 每页一行:页码 | 页面标题 | 这一页表达的那一个要点 | 支撑它的证据。
- 然后为每一页写一段演讲备注。
- 然后给一个「删掉」清单:我不该放进去的内容。

规则:
- 每一页只表达一个主张。不要写只用来引入章节的页面。
- 只使用报告里的内容。如果某页需要报告里没有的数字,标成 [需要数据]。
- 每页要点控制在 20 字以内。

使用前如何检查输出。每页一个主张,每一格证据都能追溯回报告。某页需要的数字你没有,就标出来而不是编一个。「删掉」清单应该告诉你该去掉什么,这通常是输出里最有价值的部分。

隐私与失败模式。报告和笔记一样带着密钥:先把姓名、数字和任何面向客户的内容脱敏。如果某页虚构了数字,把那一页去掉,粘好报告重新跑一遍。演示稿大纲容易让人过度信任,因为它看起来已经完成了;真正要看的检查是证据那一列。

常见失败与数据隐私

它在哪里容易失手

  • 它中途停下。发布当天的用户反映模型会在任务中途停住。发送「从你停下的地方继续」而不是重发,并检查衔接处有没有内容丢失。
  • 它含糊其辞,而不是给出估算。Epoch 的评测形容 Astra 过于谨慎、漏掉关键估算。要你需要的那个具体数字,并把安全的空回答当作缺失值,而不是当作拒绝。
  • 它没有来源,却语气笃定。上面每个工作流都强制给出引文、行号或明确的 [需核实] 标记。没有来源的数字只是排版更好看的猜测。
  • 你无法在一轮之内指挥它。开发者形容这些模型不好驾驭。一轮给一条指令,胜过重写整个 prompt。
  • 你找不到模型。GPT-6.2 是在 Work 里选的,不是在主 Chat 视图里。这是最常见的「它不存在」反馈。
  • 你的请求把推理强度设成了 none。API 会拒绝这个值。用 low。

数据隐私

  • 永远不要把 OpenAI 密码、API 密钥、会话 cookie 或令牌粘进 prompt,也永远不要粘进本站。把密钥留在你的环境变量里,在 prompt 中用变量名指代。
  • 粘贴代码、笔记或报告之前,先把客户记录、个人数据,以及任何包含用户标识符的生产日志行脱敏。
  • Codex 和 Work 共用同一份用量配额,所以 Work 上的重活会吃掉你为 Codex 规划的额度。在你排长任务之前先查自己的配额,方法见怎么查 Codex 用量。
  • 本站从不索要 OpenAI 登录,也从不读取你的配额。你自己的使用面板是唯一的账号级真相,这条规则在GPT-5 重置追踪器那页也一样。你可以订阅重置提醒。

来源

OpenAI 官方

独立评测

背景与发布报道

有一个缺口值得直说:OpenAI 帮助中心里关于 ChatGPT Work 和 Codex 的那篇文章仍在用 GPT-6 和 6.1 的旧口径,所以本页不引用它的任何内容。本页关于 6.2 的一切都来自公告、API 文档、模型目录、Learn 指南和系统卡。

更新记录

本页没有自动更新任务。当 OpenAI 发布 GPT-6.2 的后续说明、当 API 价格表变动,或当读者指出这里某处与来源不符时,我们才会回来重看这页。

想在出现更强重置信号时收到邮件?

当雷达检测到更强的公开重置信号时,我们会发邮件提醒。不需要 OpenAI 登录、API 密钥、密码或会话令牌。邮件提醒目前为英文。

订阅邮件提醒 →

GPT-6.2 Astra vs Sol:选哪个模型,怎么把它用出活 FAQ

GPT-6.2 Astra 和 GPT-6.2 Sol 有什么区别?

OpenAI 把 Astra 定位为最难项目的模型,把 Sol 定位为日常工作的首选。Astra 每百万输入 tokens 8 美元、每百万输出 tokens 40 美元,Sol 分别是 2 美元和 10 美元,两者共用 1,050,000 token 的上下文窗口,新开的 Work 对话默认是 Sol、推理强度 Light。

我怎么在 ChatGPT 里用上 GPT-6.2?

打开 ChatGPT Work,不是主 Chat 界面。模型是在 Work 内部选择的,官方灰度覆盖 Plus、Pro、Business、Enterprise 和 Edu,Enterprise 与 Edu 的管理员要先在工作区设置里开启模型访问权限。

我的 ChatGPT 套餐包含 GPT-6.2 吗?

官方名单覆盖 Plus、Pro、Business、Enterprise 和 Edu。免费账号不在灰度范围内,Enterprise 和 Edu 需要管理员先为工作区打开模型开关,之后成员才能看到。

跑起来更省的是 Astra 还是 Sol?

Sol,差距很大:每百万输入 tokens 2 美元、每百万输出 tokens 10 美元,而 Astra 是 8 美元和 40 美元。缓存输入是 0.10 美元对 0.40 美元。实用规则是:日常活跑 Sol,只有任务确实难的时候才升级到 Astra。

GPT-6.2 支持微调、音频或视频吗?

不支持微调,不支持音频和视频输出,图片只能作为输入。两个模型都跑在 Responses API 和 Chat Completions 上,API 会拒绝任何把推理强度设为 none 的请求。

GPT-6.2 真的比 Claude Fable 5.2 好吗?

这取决于你采信谁的测量。OpenAI 报告 Astra 在 Agents' Last Exam 上比 Fable 5.2 高 5.5 分,成本为 5%。Epoch AI 用人工评分的真实任务测得 Astra 平均 65%,比 Fable 5.2 低 17 分,同时 Epoch 说明了自己的样本小、评分主观。这两个数字都带着归属放在本页上。

OpenAI 取消 GPT-6.1 Astra 的发布了吗?

是的。OpenAI 在 2026-09-28 宣布取消原定的 GPT-6.1 Astra 发布,原因是范围与授权问题,以及它向用户传达的方式。GPT-6.2 是那次取消之后的第一次 Astra 升级。

有哪个追踪器能看到我的 GPT-6.2 用量或限制吗?

没有。OpenAI 没有为这些模型提供账号级配额,所以任何追踪器都读不到你的用量。你自己的 Codex 和 Work 使用面板是唯一的账号级真相,本站从不索要你的 OpenAI 登录。GPT-5 重置追踪器那页解释了为什么这条规则在这里同样适用。

你们测过本页这些工作流吗?

没有。它们是依据官方用例搭起来的示例流程,写成你可以直接粘贴、再把方括号里的部分填上的形式。我们没有中文任务的实测数据,没有延时数字,也没有复现任何已发布的 benchmark,而且不把它们当作我们的实测结果。

相关 Codex 重置指南