BenchLeader

GPT-6.2 Astra vs GPT-6 Sol

完整资料:GPT-6.2 Astra(OpenAI)和 GPT-6 Sol(OpenAI),包括全部基准测试、价格和排名。

更新于 · 数据来自 12 个来源

截至 2026年11月19日,质量上 GPT-6.2 Astra 领先 GPT-6 Sol(BenchLeader Index 68.9 比 62.4)。不过,GPT-6 Sol 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $4.00 比 $16.00)。在两者都有成绩的所有类别中,GPT-6.2 Astra 均领先。GPT-6 Sol 输出更快(约 2 倍)。

要点(截至 2026年11月19日)

  • GPT-6.2 Astra 的 BenchLeader Index 为 68.9,GPT-6 Sol 为 62.4(BenchLeader,2026年11月19日)。
  • GPT-6.2 Astra 每百万 token 混合价格为 $16.00(标价,2026年11月19日)。
  • GPT-6 Sol 每百万 token 混合价格为 $4.00(标价,2026年11月19日)。
  • GPT-6 Sol 比 GPT-6.2 Astra 输出更快(约 2 倍;Artificial Analysis,7 日中位数,2026年11月19日)。
  • 在两者都有结果的 47 项基准测试中,GPT-6.2 Astra 领先 45 项(BenchLeader,2026年11月19日)。
  • 在 Arena WebDev 上,GPT-6.2 Astra 的评分为 1781,GPT-6 Sol 为 1674(LMArena,截至 2026年11月19日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程GPT-6.2 Astra类别得分 76 比 66;Arena WebDev 1781 比 1674高
智能体与工具调用GPT-6.2 Astra类别得分 66 比 60;Terminal-Bench 62.1% 比 50.3%中
数学GPT-6.2 Astra类别得分 73 比 68;FrontierMath Tiers 1–3 92.6% 比 89.8%中
推理GPT-6.2 Astra类别得分 73 比 65;GPQA Diamond 96.8% 比 94.3%高
知识GPT-6.2 Astra类别得分 74 比 60;SimpleQA Verified 78.5% 比 60.7%高
图像及其他媒体GPT-6.2 Astra类别得分 72 比 61;MMMU-Pro 89.5% 比 83.0%高
对话质量(人类偏好)–只有 GPT-6 Sol 有 Arena 评分(类别得分 64)无法比较
成本最低GPT-6 Sol每百万 token 混合价格 $4.00 比 $16.00;智能体编程会话 $0.160 比 $0.640–
首次回答最快GPT-6 Sol首个回答 token 39.1 秒(GPT-6 Sol (max))比 202.7 秒(GPT-6.2 Astra (max))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 GPT-6.2 Astra (max) 领先:68.9 比 62.4。
  • GPT-6.2 Astra (max) 在智能体与工具、编程、知识、数学、多模态、推理方面更强。
  • GPT-6 Sol (max) 更便宜,对方的价格是它的 4.0 倍(每百万 token 混合价格 $4.00 比 $16.00)。
  • GPT-6 Sol (max) 的输出速度是对方的 2.4 倍(115 比 49 token/秒)。

概览

规格GPT-6.2 AstraGPT-6 Sol
提供商OpenAIOpenAI
发布日期2026年11月17日2026年9月22日
上下文窗口(token)1,050,0001,050,000
对比时的配置GPT-6.2 Astra (max)GPT-6 Sol (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$8.00 / $40.00 / $0.400$2.00 / $10.00 / $0.200

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别GPT-6.2 Astra (max)GPT-6 Sol (max)领先者
推理73.164.9GPT-6.2 Astra
编程76.165.5GPT-6.2 Astra
智能体与工具66.460.3GPT-6.2 Astra
数学72.567.8GPT-6.2 Astra
知识74.259.9GPT-6.2 Astra
人类偏好–64.2无法比较
多模态71.760.5GPT-6.2 Astra
长上下文–66.6无法比较
综合69.5–无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具数学知识多模态GPT-6.2 Astra, 推理: 73.1GPT-6.2 Astra, 编程: 76.1GPT-6.2 Astra, 智能体与工具: 66.4GPT-6.2 Astra, 数学: 72.5GPT-6.2 Astra, 知识: 74.2GPT-6.2 Astra, 多模态: 71.7GPT-6 Sol, 推理: 64.9GPT-6 Sol, 编程: 65.5GPT-6 Sol, 智能体与工具: 60.3GPT-6 Sol, 数学: 67.8GPT-6 Sol, 知识: 59.9GPT-6 Sol, 多模态: 60.5

未绘制(测得的模型少于两个):指令遵循, 长上下文, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 47 项基准测试中,GPT-6.2 Astra 领先 45 项,GPT-6 Sol 领先 0 项,2 项持平。所有同时评测两者的综合评分都认为 GPT-6.2 Astra 更强。

综合 IndexGPT-6.2 Astra (max)GPT-6 Sol (max)领先者
BenchLeader Index68.962.4GPT-6.2 Astra
AA Intelligence Index v5.0.162.144.2GPT-6.2 Astra

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标GPT-6.2 Astra (max)GPT-6 Sol (max)
每百万 token 混合价格$16.00$4.00
每百万 token 输入 / 输出$8.00 / $40.00$2.00 / $10.00
每百万 token 缓存输入$0.400$0.200
每项任务价格:聊天回复$0.015$0.0038
每项任务价格:总结一份 30 页的报告$0.120$0.030
每项任务价格:代码编辑$0.108$0.027
每项任务价格:智能体编程会话$0.640$0.160
每项任务价格:结构化信息提取$0.024$0.0060
智能体编程会话(输入大多命中缓存)$0.298$0.079
每项基准测试任务成本(AA Index)$4.00$2.47
每项任务输出 token(AA Index)41k54k
其中推理部分26k35k
每项任务耗时(AA Index)14 min8 min
输出速度49 tok/s115 tok/s
首次回答时间202.7 秒39.1 秒
完整回答耗时(最近一次测量 2026年11月13日)–143.8 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 GPT-6.2 Astra (max) 上花费 $4.00,在 GPT-6 Sol (max) 上花费 $2.47;完成同样的工作,GPT-6 Sol (max) 输出的 token 是对方的 1.3 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。GPT-6.2 Astra (max) 得分 68.9,首个回答 token 需 203 秒;GPT-6.2 Astra (xhigh) 为 67.1(67 秒),GPT-6.2 Astra (medium) 为 65.6(4 秒)。GPT-6 Sol (max) 得分 62.4,首个回答 token 需 39 秒;GPT-6 Sol (xhigh) 为 58.2(14 秒),GPT-6 Sol (high) 为 57.8(6 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 142 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方GPT-6.2 Astra (max)GPT-6 Sol (max)
BenchLeader IndexBenchLeader68.962.4
智能体与工具得分BenchLeader66.460.3
编程得分BenchLeader76.165.5
综合得分BenchLeader69.5–
知识得分BenchLeader74.259.9
数学得分BenchLeader72.567.8
多模态得分BenchLeader71.760.5
推理得分BenchLeader73.164.9
人类偏好得分BenchLeader–64.2
长上下文得分BenchLeader–66.6
混合价格(美元/百万 token)BenchLeader$16.00$4.00
输出速度BenchLeader49 tok/s115 tok/s
首次回答时间BenchLeader202.7 秒39.1 秒
上下文窗口BenchLeader1,050,000 token1,050,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub96.8%94.3%
SimpleBenchSimpleBench–73.1%†
Arena Hard PromptsArena (LMArena)–1484
LiveBench 2.0 ReasoningLiveBench91.6%–
LiveBench 1.0 ReasoningLiveBench–88.7%
Humanity's Last Exam (AA)Artificial Analysis–47.9%
HLE-Diamond (AA)Artificial Analysis72.2%45.2%
ARC-AGI-1ARC Prize98.5%95.5%
ARC-AGI-2ARC Prize95.8%89.6%
ARC-AGI-3ARC Prize99.8%23.0%
CritPtArtificial Analysis–30.9%
CritPt v2 hard subset (AA)Artificial Analysis71.5%66.5%
MysteryMechanismVals AI53.1%30.2%
HLE-Diamond (Scale)Scale AI SEAL66.9%†33.8%†
Arena ExpertArena (LMArena)–1497
Chess PuzzlesEpoch AI Benchmarking Hub78.0%56.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub95.0%56.0%
LMCAEpoch AI Benchmarking Hub–59.1%
DTBenchEpoch AI Benchmarking Hub–97.3%
ForecastBenchForecastBench–66.3%†
编程
SciCodeSciCode–57.6%
FrontierCodeCognition–49.3%
Arena CodingArena (LMArena)–1520
Arena WebDevArena (LMArena)17811674
LiveBench 2.0 CodingLiveBench91.9%–
显示全部 142 项基准测试
指标发布方GPT-6.2 Astra (max)GPT-6 Sol (max)
编程
LiveBench 1.0 CodingLiveBench–81.8%
IOIVals AI–82.6%
Code MigrationVals AI–57.2%
ProgramBenchVals AI–2.0%
Vibe Code Bench v1.1Vals AI89.9%87.8%
Vibe Code Bench 1-100 v1.1Vals AI55.2%–
SWE Atlas v1.1Scale AI SEAL60.5%†–
SWE Atlas v1.1: Codebase QnAScale AI SEAL67.7%†–
SWE Atlas v1.1: Test WritingScale AI SEAL62.2%†–
SWE Atlas v1.1: RefactoringScale AI SEAL51.4%†–
MirrorCodeEpoch AI Benchmarking Hub67.8%48.9%
ALE-BenchEpoch AI Benchmarking Hub–2462
WeirdML v3WeirdML–19.7%†
Terminal-Bench 4.0 (AA)Artificial Analysis64.1%43.9%
GameBench 2 OverallDuelLab GameBench 2–73.0†
GameBench 2 by reasoning settingDuelLab GameBench 2–79.2†
Design Arena WebsiteDesign Arena1339†1288†
FrontierCode 2.0 (AA)Artificial Analysis45.4%35.6%
智能体与工具
Terminal-BenchTerminal-Bench62.1%50.3%
APEX-AgentsMercor–54.3%
Arena AgentArena (LMArena)15.26.5
LiveBench Long AgenticLiveBench70.8%–
LiveBench BrowserLiveBench93.0%–
LiveBench Agentic CodingLiveBench–52.9%
Terminal-Bench 2.1 (Vals)Vals AI–83.2%
GDPval-AA v2.1Artificial Analysis–1514
ITBench SRE (AA)Artificial Analysis–49.4%
Analyst Agent (AA)Artificial Analysis62.5%–
CyberBenchVals AI–78.0%
Finance Agent v2Vals AI–49.0%
Finance Agent v2.1Vals AI60.8%–
Harvey's Legal Agent Benchmark v1.1Vals AI16.3%–
Harvey's Legal Agent Benchmark v1Vals AI–1.7%
Legal Research BenchVals AI42.8%28.9%
Robo-benchVals AI32.7%–
SREBenchVals AI–30.5%
Tax Agent BenchVals AI21.8%15.0%
Terminal-Bench 4.0 (Vals)Vals AI63.1%44.4%
Terminal-Bench ScienceVals AI71.4%30.0%
Arena SearchArena (LMArena)–1229
Arena Agent Task CompletionArena (LMArena)12.43.9
Vending-Bench 2Andon Labs–14427.9†
SpireClimbEpoch AI Benchmarking Hub41.3%9.2%
AutomationBenchArtificial Analysis77.3%61.6%
GDP.pdf (AA)Artificial Analysis29.8%25.2%
Harvey LAB-AA v1.1Harvey15.0%3.6%
EnterpriseOps-GymArtificial Analysis29.9%–
AA-Briefcase v1.1Artificial Analysis16431476
Design Arena AgenticDesign Arena13041207†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis78.1%30.0%
CWE-Bench (AA)Artificial Analysis65.0%64.2%
DeepSec-Bench (AA)Artificial Analysis46.8%46.3%
CyberGym end-to-end (AA)Artificial Analysis0.0%0.0%
MKA (AA)Artificial Analysis52.7%–
FACTS SearchGoogle–92.7%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub92.6%89.8%
FrontierMath Tier 4Epoch AI Benchmarking Hub100.0%90.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub100.0%100.0%
ProofBenchVals AI–83.0%†
LiveBench MathematicsLiveBench–96.4%
Autoform-HardVals AI87.5%–
Arena MathsArena (LMArena)–1444
FrontierMath ErdősEpoch AI Benchmarking Hub10.3%1.5%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub78.5%60.7%
LiveBench 2.0 Data AnalysisLiveBench84.1%–
LiveBench ResearchLiveBench91.5%–
LiveBench 1.0 Data AnalysisLiveBench–81.2%
AA-Omniscience v1.1Artificial Analysis5021.4
PRBench LegalScale AI SEAL43.1%†38.6%†
BioMysteryBenchVals AI80.7%74.8%
Excel Modeling BenchmarkVals AI–71.5%
Excel Modeling Benchmark v1.1Vals AI76.0%–
MedCodeVals AI–47.1%
MedScribeVals AI–82.0%
Public Benefits Bench v1.1Vals AI–56.6%
Financial Coaching BenchVals AI–62.6%
DrugDiscoveryBenchScale AI SEAL65.5%†–
EBR-benchEpoch AI Benchmarking Hub92.4%53.3%
AA-Omniscience v1.1: accuracyArtificial Analysis68.6%51.1%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.9%39.1%
HealthBench Professional (AA)OpenAI–62.3%
FACTS ParametricGoogle–76.1%†
指令遵循
LiveBench LanguageLiveBench–85.3%
LiveBench Instruction FollowingLiveBench–68.6%
MultiChallengeScale AI SEAL73.2%†–
Arena Instruction FollowingArena (LMArena)–1448
人类偏好
Arena TextArena (LMArena)–1458
EQ-Bench Creative Writing v3EQ-Bench–2126†
Arena Creative WritingArena (LMArena)–1427
Arena Multi-turnArena (LMArena)–1468
Arena Longer QueriesArena (LMArena)–1466
多模态
Arena VisionArena (LMArena)–1233
LiveBench DesignLiveBench82.8%–
MMMU-ProArtificial Analysis89.5%83.0%
Humanity's Sixth SenseScale AI SEAL63.2%†31.2%
Blueprint-Bench 2Epoch AI Benchmarking Hub–36.9%†
Furniture AssemblyEpoch AI Benchmarking Hub89.2%58.3%
VIALS-AAHandshake AI65.8%–
AA-3DArtificial Analysis13181131
FACTS MultimodalGoogle–43.9%†
长上下文
AA-LCR v1.1Artificial Analysis–83.7%
MLCRArtificial Analysis39.4%33.9%
FACTS GroundingGoogle–83.3%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub174.2†163.8†
LiveBench 2.0LiveBench84.9%–
LiveBench 1.0LiveBench–79.3%
AA Intelligence Index v5.0.1Artificial Analysis62.144.2
AA Intelligence Index v4.3.2Artificial Analysis–47.6
AA Progress Index v1Artificial Analysis–334
Vals IndexVals AI67.7–
Vals Finance IndexVals AI57.3%–
Vals RSI IndexVals AI29.0%28.1%
Vals Science IndexVals AI68.4%45.0%
Vals Legal IndexVals AI69.7%–
AA Cyber IndexArtificial Analysis37.336.8
安全与诚实
FORTRESSScale AI SEAL–13.5%†
DistressBenchScale AI SEAL–68.0%†

数据截至 2026年11月19日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261114-ca113f475f5e (https://benchmarks.duellab.org/releases/gb2-20261114-ca113f475f5e/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • GPT-6.2 Astra (max):BenchLeader Index 67.8 → 68.9。
  • GPT-6.2 Astra (max):6 项新结果(VIALS-AA, Arena WebDev, Arena Agent…)。
  • GPT-6.2 Astra (max):BenchLeader Index 67.2 → 67.8。
  • GPT-6.2 Astra (max):2 项新结果(MKA (AA), Terminal-Bench)。
  • GPT-6 Sol (max):BenchLeader Index 62.9 → 62.1。
  • GPT-6 Sol (max):2 项分数修订。
  • GPT-6 Sol (max):1 项新结果(GDPval-AA v2.1)。
  • GPT-6 Sol (max):1 项新结果(MirrorCode)。
  • GPT-6 Sol (max):BenchLeader Index 63.5 → 62.9。
  • GPT-6 Sol (max):2 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

GPT-6.2 Astra vs GPT-6 Sol:常见问题

GPT-6.2 Astra 比 GPT-6 Sol 更好吗?
质量上 GPT-6.2 Astra (max) 领先:68.9 比 62.4。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,GPT-6.2 Astra (max) 总体领先,但请结合你的用途查看各类别得分。
GPT-6.2 Astra 和 GPT-6 Sol 哪个更便宜?价格会变吗?
目前 GPT-6 Sol 更便宜:每百万 token $4.00 比 $16.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 GPT-6.2 Astra 还是 GPT-6 Sol 更好?
GPT-6.2 Astra 在编程方面得分更高(类别得分 76 比 66,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,GPT-6.2 Astra 为 1781,GPT-6 Sol 为 1674。
GPT-6.2 Astra 和 GPT-6 Sol 哪个更快?
GPT-6 Sol 输出更快(约 2 倍;输出 115 比 49 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 GPT-6.2 Astra 还是 GPT-6 Sol 更好?
GPT-6.2 Astra 在智能体任务方面得分更高(类别得分 66 比 60,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,GPT-6.2 Astra 为 62.1%,GPT-6 Sol 为 50.3%。
更多问题(4)
处理长文档哪个更好?
两者都支持 1,050,000 token 的上下文。
哪个延迟更低?
GPT-6 Sol 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 39.1 秒比 202.7 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 GPT-6.2 Astra 和 GPT-6 Sol 的看法一致吗?
在两者都有结果的 47 项基准测试中,GPT-6.2 Astra 领先 45 项,GPT-6 Sol 领先 0 项,2 项持平。所有同时评测两者的综合评分都认为 GPT-6.2 Astra 更强。
GPT-6.2 Astra 是什么时候发布的?
GPT-6.2 Astra 于 2026年11月17日 发布。