OpenAI представила GPT-6.2 Astra — флагманскую модель для сложной профессиональной работы — и GPT-6.2 Sol, более доступную универсальную модель для ежедневных задач. Для разработчиков и компаний это не просто очередное обновление линейки: OpenAI обещает одновременно поднять качество агентной работы и заметно снизить её стоимость. Об этом сообщает Habr / Новости.
Главная ставка Astra — длинные многошаговые задачи, где модели недостаточно написать ответ в чат: нужно разобраться в файлах, соблюсти правила отрасли, изменить кодовую базу, собрать таблицу или подготовить презентацию по шаблону. В API миллион входных токенов для новой модели стоит $8, кешированных входных — $0,40, выходных — $40. По данным OpenAI, вход и выход стали на 20% дешевле относительно GPT-6 Astra, а кешированный вход — на 60%.
Компания сравнивает новую модель с предшественницей и конкурентами на серии бенчмарков. В Agents’ Last Exam v1.1, который проверяет выполнение продолжительных профессиональных задач, Astra получила на 5,2 балла больше GPT-6 Astra при стоимости менее трети от неё. В заявленном сравнении с Claude Fable 5.2 преимущество составило 5,5 балла, а стоимость выполнения — около 5% от затрат модели-конкурента. Эти результаты стоит читать как показатели поставщика, а не как независимый рейтинг рынка: наборы заданий, настройки рассуждения и методика расчёта стоимости способны сильно менять картину.
Отдельно OpenAI продвигает модель для исследований и инженерных сценариев. В Terminal-Bench-Science 0.1, где агент проводит исследовательскую работу через терминал, Astra, по заявлению компании, превзошла GPT-6 Astra на 9 процентных пунктов и обошлась менее чем в треть её стоимости. Также ей приписывают лидерство в Vals Science Index v1 и BenchCAD 2.1 Core — тестах, связанных с анализом научных данных и построением деталей либо сборок по чертежам. Если результаты подтверждаются в реальной эксплуатации, это расширяет роль LLM: от помощника по формулировкам до инструмента, который может участвовать в подготовке инженерных артефактов.
Для команд разработки важнее другой тест — FrontierCode 2.0 от Cognition. Он оценивает, соответствуют ли изменения в настоящих репозиториях требованиям мейнтейнеров при слиянии. Здесь GPT-6.2 Sol уступила Astra лишь 0,5 балла, но стоила примерно в пять раз дешевле. Обе модели тестировались в режиме максимального рассуждения. Для продуктовых команд это понятный сигнал: дорогую флагманскую модель имеет смысл оставлять для архитектурных, исследовательских и рискованных задач, а потоковые правки, анализ тикетов и рутинную работу с документацией делегировать более экономичному варианту.
Sol сохраняет цены GPT-6.1 Sol и, как утверждает OpenAI, расходует меньше токенов при более качественном решении задач. Компания называет её моделью по умолчанию для технических и нетехнических сотрудников. В LifeVal, наборе задач с личными ограничениями вроде бюджета семьи, дороги до работы или медицинского контекста, Sol, по данным разработчика, обошла GPT-6 Astra при стоимости около одной седьмой. Для бизнеса такая экономика зачастую важнее рекорда в таблице: внедрение ИИ буксует не тогда, когда модель плохо пишет черновик, а когда счёт за тысячи регулярных запросов перестаёт помещаться в бюджет.
Сильной стороной Astra OpenAI считает работу с оформленными материалами. Модель должна точнее повторять композицию слайдов, цвета, типографику и структуру корпоративных шаблонов; в примерах она обновляла квартальную презентацию ретейлера по отчёту и форме 10-Q. В юридическом тесте Harvey LAB-AA v1.1 Astra показала лучший результат среди сравниваемых моделей, а доля выполненных заданий, по оценке OpenAI, оказалась более чем вдвое выше показателя Claude Fable 5.2 при примерно шестой части стоимости. Особое значение здесь имеет не красота слайда, а соблюдение ограничений: в таких задачах лишняя выдуманная деталь может быть дороже неудачного дизайна.
Появление GPT-6.2 Astra и Sol укладывается в более прагматичный этап гонки моделей. Поставщики соревнуются уже не только размером контекста и эффектными демо, но и тем, сколько полезной работы агент успевает выполнить на один доллар. Российским IT-командам, работающим с доступными через API моделями и собственными шлюзами, придётся оценивать новинку не по рекламным графикам, а на своих репозиториях, документах и процессах. Вопрос ближайших месяцев — смогут ли новые модели удержать заявленные качество и экономику там, где ошибки измеряются не баллами бенчмарка, а сорванным релизом или неверным решением в документе.

