OpenAI 于11月17日发布 GPT-6.2 系列模型 GPT-6.2 Astra 与 GPT-6.2 Sol。截至11月21日,两款模型在 DesignArena 游戏开发排行榜上分列第一和第三,Elo 评分分别为 1497 和 1430,排名高于 Anthropic 的 Claude Opus 5.5 和 Meta 的 Muse Wonder。
DesignArena 采用两两对比、由真人投票选出更优输出的方式计分,平台已用这种方式评估 142 个以上模型。两款模型从发布到登上榜单前列大约用了四天。
榜单排名与评分
截至11月21日,DesignArena 游戏开发排行榜的前列由 OpenAI 两款新模型占据。GPT-6.2 Astra 以 1497 的 Elo 评分排在首位,GPT-6.2 Sol 以 1430 分位列第三。两款模型之间相差 67 分,这一差距显示投票者能够分辨出同一系列中两个版本的质量差异,尽管两者都领先于榜单上的多数模型。
来源将这两家列为被超越的主要竞争对手,但未披露它们的具体分数。从发布到进入榜单前列,两款模型大约只用了四天时间。
评测方式
DesignArena 并不采用固定试题打分。平台将两个模型的输出并排展示给真人用户,由用户选出自己认为更好的一个,这些两两对比的投票最终折算成 Elo 评分。平台表示,已用这种方式评估了 142 个以上模型。
这种机制衡量的是使用者的实际偏好,而非传统基准测试的通过率。在模型数量足够多的池子里进行两两投票,Elo 体系会随时间平滑掉个别评价的偏差,这也是该榜单结果被引用的基础。
两款模型的差异
Astra 与 Sol 的定位并不相同。来源称 Astra 面向复杂的专业与科学工作,Sol 则是两者中更强调效率的选项。在游戏开发榜上 Astra 领先,在 Code Arena 的 WebDev 榜单上,两者的名次分别是第三和第七,顺序保持一致。
Sol 的主要卖点在于成本。据报道,它能以大约低 4 倍的成本提供与早前模型相当的输出质量,在某些评测中生成速度提升 40%。OpenAI 还表示,GPT-6.2 系列在视觉推理和编码效率等方面较此前的 GPT-6 有所改进。
其他榜单表现
游戏与网页开发之外,Astra 还出现在 Arena.ai 于模型发布次日推出的 Agent Arena Index 上,以 1291 分排在第六位。该指数汇总超过 290 万次真实用户会话,考察任务完成度、用户满意度、可引导性和 bash 可靠性四项信号。
在这一指数上,Astra 比 GPT-6 Astra 高 9 分,编码得分上升而聊天得分下降。中位任务成本为 2.94 美元,前代为 4.91 美元,降幅约 40%。榜首由 Anthropic 的 Claude Fable 5.2 占据,Google DeepMind 也有多个模型排在 Astra 之前;公司层面,OpenAI 在该指数首版中位列第三,排在 Anthropic 和 Google DeepMind 之后。
定价与效率
价格是这次发布的重要部分。GPT-6.2 Astra 的输入与输出 token 价格比前代 GPT-6 Astra 低 20%,缓存输入的折扣更大,达到 60%。缓存输入指模型已经处理过、可以重复使用的内容,例如每次请求都会附带的长指令集。
OpenAI 还称,新模型在 Agents' Last Exam 和 Terminal-Bench-Science 0.1 等测试上创下新高,且达到这些成绩的每任务成本低于前代。结合 Sol 的低成本定位,这一系列在效率上的取向较为明显。
要点
- Astra 以 1497 分位居游戏开发榜第一
- Sol 以 1430 分排名第三
- 两款模型领先 Claude Opus 5.5 与 Meta Muse Wonder
- Astra 与 Sol 在 WebDev 榜分列第三和第七
- Sol 输出质量接近早期模型,成本约为其四分之一

正在读取登录状态…
暂无讨论,说说你的看法吧