GPT-6.2 正式发布:Astra 与 Sol 怎么选?价格、上下文和调用方式一次讲清
OpenAI 正式发布 GPT-6.2 Astra 与 GPT-6.2 Sol。本文整理 ChatGPT Work、Codex 和 API 的可用范围、105 万上下文、官方价格与可运行的 Responses API 示例。

GPT-6.2 这次不是传闻。
OpenAI 已在官方文档中确认:GPT-6.2 Astra 和 GPT-6.2 Sol 于 2026 年 11 月 17 日发布,首批进入 ChatGPT Work、Codex 和 API。
不过,“GPT-6.2 发布了”这句话很容易让人产生三个误解:以为只有一个模型、以为打开普通 Chat 就能看到、以为版本号变了就应该立刻把所有线上任务迁过去。
真正值得关心的是:Astra 和 Sol 分别适合什么任务,价格有没有变化,Codex 里怎么切换,以及 API 项目是否值得现在升级。

先说结论:GPT-6.2 是两个模型
GPT-6.2 首发包含两个通用模型:
- GPT-6.2 Astra:面向最难、链路最长的项目,强调复杂推理、跨服务代码修改、研究与文档工作。
- GPT-6.2 Sol:面向日常编码、写作和多步骤工作,适合代码审查、按反馈改代码,以及规模化 Agent 任务。
两者都接收文本和图片输入、输出文本,都能在 Responses API 中使用 Web Search、File Search、Code Interpreter、Hosted Shell、Apply Patch、Skills、Computer Use 和 MCP 等工具。
官方给出的定位并不是“Astra 永远更好,Sol 只是缩水版”,而是把复杂度和成本拆成两个档位。
王仕宇觉得,模型选择最重要的标准不是名字听起来有多强,而是任务失败一次的返工成本。 跨多个服务排查线上故障、需要反复验证结论的研究任务,可以优先用 Astra;普通需求开发、PR 审查和批量内容处理,Sol 通常更合适。
105 万上下文,两个型号规格基本对齐
GPT-6.2 Astra 和 Sol 的上下文规格相同:
- 上下文窗口:1,050,000 tokens
- 最大输入:922,000 tokens
- 最大输出:128,000 tokens
- 输入模态:文本、图片
- 输出模态:文本
- 流式输出:支持
- Function Calling:支持
- Structured Outputs:支持
- Fine-tuning:暂不支持
知识截止时间略有不同:Astra 为 2026 年 5 月 18 日,Sol 为 2026 年 6 月 1 日。
105 万上下文不等于可以不做上下文管理。把整个仓库、全部日志和几十份文档一次性塞进去,仍然会增加费用、降低有效信息密度,也会让关键约束更难被模型注意到。
更稳妥的方式仍然是先让 Agent 定位相关文件和调用链,再逐步补充日志、测试和业务约束。
为什么你在普通 Chat 里可能找不到
官方发布页对入口写得很明确。
在 ChatGPT Work 中,Astra 和 Sol 可用于受支持的 Plus、Pro、Business、Enterprise 和 Edu 计划,入口覆盖网页、桌面端和移动端。Enterprise 与 Edu 工作区需要管理员先启用模型。
在受支持的个人计划中,新建 Work 对话默认使用 Sol,并采用 Light 推理强度;Enterprise 工作区默认使用 Sol 和 Medium 推理强度。看到 Power 滑块时,可以进入 Advanced 切换模型和推理强度。
如果你一直停留在普通 Chat 对话里,就可能看不到这两个选项。官方说明是:要在 ChatGPT 中使用 GPT-6.2 Astra 或 Sol,请先打开 Work。
在 Codex App 中,可以直接使用模型选择器;在 Codex CLI 中,可以输入:
/model
然后选择 Astra 或 Sol。适合跨服务追踪问题、实施修复并运行测试时选 Astra;审查 PR、根据 Review 意见修改代码时选 Sol。
API 价格:Astra 降价,Sol 保持日常档位
以下是 Standard 速度下,每 100 万 tokens 的官方价格:
GPT-6.2 Astra
- 输入:8 美元
- 缓存输入:0.40 美元
- 30 分钟缓存写入:10 美元
- 输出:40 美元
GPT-6.2 Sol
- 输入:2 美元
- 缓存输入:0.10 美元
- 30 分钟缓存写入:2.50 美元
- 输出:10 美元
作为价格参照,上一代 GPT-6 Astra 的 Standard 输入和输出价格分别是 10 美元与 50 美元,因此 GPT-6.2 Astra 的输入、输出单价都下降了 20%。GPT-6.2 Sol 的输入、输出价格则与 GPT-6.1 Sol 相同。
这里还有一个很容易漏掉的计费规则:当请求输入超过 272K tokens 时,输入和缓存价格翻倍,输出价格变为短上下文价格的 1.5 倍,而且按整个请求计费。
所以,105 万上下文解决的是“能不能放进去”,不是“放进去是否划算”。
最小调用:先用 GPT-6.2 Sol 跑日常任务
API 模型 ID 分别是 gpt-6.2-sol 和 gpt-6.2-astra。两个模型都可通过 Responses API 调用。
先用 curl 做一个最小验证:
curl https://api.openai.com/v1/responses \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-6.2-sol",
"reasoning": {"effort": "medium"},
"input": "请审查下面的接口设计,列出并发、安全和兼容性风险:..."
}'
官方模型页明确说明,GPT-6.2 API 请求不接受 reasoning.effort: "none"。如果不需要高强度推理,也应该选择受支持的较低档位,而不是传入 none。
Node.js 项目可以这样调用:
import OpenAI from "openai";
const client = new OpenAI();
const response = await client.responses.create({
model: "gpt-6.2-sol",
reasoning: { effort: "medium" },
input: [
{
role: "user",
content: "阅读这段 Git diff,找出可能导致数据重复写入的问题,并给出修复建议。",
},
],
});
console.log(response.output_text);
这类代码审查、文档整理和常规开发任务,可以先从 Sol 开始。只有当任务确实需要跨多个系统持续推理,或者 Sol 的结果在你的评测集中不够稳定时,再切换 Astra。
复杂任务:把模型换成 Astra,但别省掉验证
Python 示例:
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-6.2-astra",
reasoning={"effort": "high"},
input=(
"你正在排查一个跨 API、消息队列和数据库的重复扣款问题。"
"请先列出需要核对的调用链和证据,再给出最小修复方案、"
"回归测试清单和上线后的监控指标。不要假设日志中不存在的信息。"
),
)
print(response.output_text)
换成 Astra 后,工程流程仍然不能省略:
- 给出真实日志、调用链和失败样例,不要只写“系统偶尔出错”。
- 要求模型先陈述证据,再给结论,避免把合理猜测写成已确认事实。
- 让模型运行相关测试,但不要只看“测试通过”,还要检查测试是否覆盖问题场景。
- 对数据库变更、权限调整和线上写操作保留人工确认。
- 记录模型、推理强度、输入规模、耗时和返工次数,才能比较迁移收益。
JavaPub 觉得,GPT-6.2 真正值得关注的不是 6.2 这个版本号,而是同一套工作流现在可以更明确地分层:Sol 承担高频任务,Astra 处理失败代价高的复杂任务。 这样比所有请求都固定使用最贵模型,更容易控制成本和质量。
现在要不要迁移
如果你只是个人使用 Codex,可以直接在一个真实任务上分别试用 Sol 和 Astra,比较结果质量、耗时和额度消耗。
如果你维护 API 服务,不建议只改模型 ID 就全量上线。更稳妥的迁移顺序是:
- 从线上日志抽取一组脱敏的真实任务,建立固定评测集。
- 同时运行旧模型、GPT-6.2 Sol 和 GPT-6.2 Astra。
- 比较正确率、工具调用成功率、延迟、token 消耗和人工返工次数。
- 给长上下文请求单独统计成本,重点关注是否超过 272K 输入阈值。
- 先灰度低风险流量,再扩大范围,并保留快速回滚开关。
GPT-6.2 已经正式发布,但“已发布”不等于“所有账号立刻可见”,也不等于“所有任务都应该迁移”。先确认入口,再按任务复杂度选择 Astra 或 Sol,最后用自己的评测数据决定是否升级,这才是更可靠的使用方式。
官方资料
相关文章
Codex 如何让多个 Agent 并行工作又不互相覆盖代码?
围绕「Codex 如何让多个 Agent 并行工作又不互相覆盖代码」给出面向 Codex 用户的原理、配置、操作步骤、排查方法与常见问题,适合新手直接照着实践。
Codex 如何保护 API Key 和数据库密码?Secrets 管理最佳实践
围绕「Codex 如何保护 API Key 和数据库密码」给出面向 Codex 用户的原理、配置、操作步骤、排查方法与常见问题,适合新手直接照着实践。
Codex 和 Windsurf 有什么区别?项目级 AI 编程体验对比
围绕「Codex 和 Windsurf 有什么区别」给出面向 Codex 用户的原理、配置、操作步骤、排查方法与常见问题,适合新手直接照着实践。
Codex 如何限制文件访问范围?沙箱和最小权限设置
围绕「Codex 如何限制文件访问范围」给出面向 Codex 用户的原理、配置、操作步骤、排查方法与常见问题,适合新手直接照着实践。