11 月 18 日凌晨,OpenAI 一次放出两款模型:面向复杂专业任务的 GPT-6.2 Astra,面向日常办公与多步智能体的 GPT-6.2 Sol。很多人第一反应是型号又多了,但真正值得留意的是发布口径的变化:官方不再只讲跑分,而是强调完成同一件事要花多少 token、多少美元。

为什么一次要发两款?

一款模型打天下的时代正在结束。专业任务要的是长链条推理、代码与科研场景的稳定性,愿意为质量付溢价;日常任务要的是快、便宜、能反复调用,宁可牺牲一点上限。把两种需求塞进同一个模型,结果通常是两边都不满意。

Astra 与 Sol 的分工,本质是把用户按任务密度切开。一个人偶尔写封邮件,和一家公司每天跑上千次表单填写,对价格曲线的敏感度完全不同。厂商用两个型号覆盖两端,中间地带交给路由去解决。

单位任务成本为什么成了核心指标?

因为模型能力已经接近同代可比,差距从能不能做变成做一次多少钱。Astra 这次 API 价格较上代降两成、缓存降六成,官方还给出任务成本只有竞品零头的对比。这类数字比榜单更能决定一个项目能不能长期跑下去。

对开发者来说,评估一个新模型应该先算三个数:单次任务平均 token、缓存命中率、失败重试率。三者相乘才是真实成本,单看单价会被误导。降价的真实受益者,是那些系统提示长、知识库固定、调用频繁的场景。

对普通用户意味着什么?

短期看,日常问答和文档处理会更便宜,长任务的门槛下降。中期看,工具会按任务自动选模型,用户不需要记型号。真正要适应的是另一件事:当生成变得便宜,判断内容对不对的责任回到了人身上。

如果你只是偶尔用,别急着换;如果你在做产品,先把成本模型建起来再谈迁移。换模型的成本,往往不在调用费,而在重新调优提示词和重新验收的那两周。

去论坛讨论

前往 ziyuanagi.com 论坛 参与讨论