Artificial Analysis 评测 GPT-6.2 Astra 和 Sol:智能指数升至第二
OpenAI has the #2 model in the Intelligence Index with the release of GPT-6.2 Astra and GPT-6.2 Sol
Artificial Analysis 评测 OpenAI 发布的 GPT-6.2 Astra 和 GPT-6.2 Sol,两者在 Artificial Analysis Intelligence Index 中位列第二,仅次于 Claude Fable 5.2。
Artificial Analysis 以自家指数给出 GPT-6.2 的价格、得分与短板,读者可据此对比当前各家的成本与能力格局。
OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol,在 Artificial Analysis 智能指数中拿下第二名,并占据了单任务成本帕累托前沿的大部分区域

GPT-6.2 Astra 定价为每百万 token 输入 8 美元、输出 40 美元,比 GPT-6 Astra 低 20%,缓存输入价格从 1.00 美元降至 0.40 美元。GPT-6.2 Sol 的定价与 GPT-6.1 Sol 持平,为每百万输入/输出 token 2 美元/10 美元。
要点:
➤ 智能指数排名第二:在 Artificial Analysis 智能指数中,OpenAI 目前仅次于 Anthropic 的 Claude Fable 5.2。GPT-6.2 Astra 比 GPT-6 Astra 提升 5 分,在各自最高努力档位下超过了 Gemini 4 Carbon(60 分)和 Claude Opus 5.5(59 分)。GPT-6.2 Sol 提升 2 分至 57 分,与 GPT-6 Astra 持平,而单任务成本仅约为后者的 15%。
➤ 占据大部分成本与输出 token 前沿:OpenAI 的模型如今占据了单任务成本帕累托前沿的大部分,前沿上只剩 Anthropic 和 Meta 与之共享。OpenAI 还主导了单任务输出 token 帕累托前沿,Claude Fable 5.2 是唯一出现在该前沿上的非 OpenAI 实验室模型。
➤ 科学与知识方面表现突出:在我们两项重点科学评测中,OpenAI 均表现强劲:在覆盖智能体科研工作流的 Terminal-Bench-Science 0.1 上排名第一;在覆盖物理推理的 CritPt v2(困难子集)上仅次于 Claude Fable 5.2,位列第二。在 AA-Omniscience v1.1 准确率衡量的事实知识,以及推理与知识基准 HLE-Diamond 上,GPT-6.2 Astra 也仅落后于 Claude Fable 5.2。
➤ 3D 与机器人领域领先:GPT-6.2 Astra 以 1318 分领跑 AA-3D,Claude Fable 5.2 为 1271 分,GPT-6.2 Sol 为 1259 分。该基准衡量模型构建交互式 3D 体验的能力,由人工评分。GPT-6.2 还在 AA-Robotics v0.1 上领先,这是我们的一项研究预览,衡量语言模型理解、规划并在现实世界中行动的能力。GPT-6.2 Astra 和 GPT-6.2 Sol 分别得分 79 和 78,领先于 Claude Fable 5.2 的 75 分。我们的团队正加紧加入更困难的任务,因为在这次初步研究预览中,OpenAI 和 Anthropic 的模型已能完成大多数基础任务。
➤ 编程智能体指数没有提升:在 Artificial Analysis 编程智能体指数(Codex 测试框架,最高努力档位)中,GPT-6.2 Astra 与 GPT-6 Astra 持平,GPT-6.2 Sol 则比 GPT-6.1 Sol 下降 3 分。Sol 的下滑源于 SWE-Atlas-QnA-AA 下降 14 分,该模型比前代更容易在回答中遗漏关键事实。不过,凭借成本效率,GPT-6.2 Astra 和 Sol 的多个努力档位仍进入了单任务成本帕累托前沿。

在 Artificial Analysis 编程智能体指数(Codex 测试框架,最高努力档位)中,GPT-6.2 Astra 与 GPT-6 Astra 持平,GPT-6.2 Sol 则比 GPT-6.1 Sol 下降 3 分。Sol 的下滑源于 SWE-Atlas-QnA-AA 下降 14 分,该模型比前代更容易在回答中遗漏关键事实。

OpenAI 主导了单任务输出 token 帕累托前沿,Claude Fable 5.2 是唯一出现在该前沿上的非 OpenAI 实验室模型。

GPT-6.2 Astra 以 1318 分领跑 AA-3D,Claude Fable 5.2 为 1271 分,GPT-6.2 Sol 为 1259 分。该基准衡量模型构建交互式 3D 体验的能力,由人工评分。

GPT-6.2 还在 AA-Robotics v0.1 中领先。这是我们推出的研究预览版评测,用来衡量语言模型在真实世界中理解、规划和行动的能力。

在 AA-Omniscience 幻觉率评测中,GPT-6.2 Astra 和 GPT-6.2 Sol 在最大努力设置下的幻觉率分别为 59% 和 55%。该指标衡量的是:面对广泛话题中的事实性问题,模型在不知道正确答案时倾向于猜测的程度。

Artificial Analysis 智能指数 v5 中各项单独评测的细分结果
在以下网址将 GPT-6.2 与其他领先模型进行对比:https://artificialanalysis.ai
来源:Artificial Analysis 完整文章 · artificialanalysis.ai