GPT-6.2 Astra、Sol 分工:程式與辦公工作如何取捨
3C 產品

GPT-6.2 Astra、Sol 分工:程式與辦公工作如何取捨

TechLab 編輯部·

9to5Google 報道稱,OpenAI 推出 GPT-6.2 Astra 與 Sol,並已向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用戶提供。兩款模型的重點不只是性能高低,而是把「高品質處理複雜工作」和「日常任務的成本與吞吐量」拆成兩條選擇路線。

對主要在 Codex 寫程式、又同時要整理文件或製作簡報的用戶,這種分工會直接影響模型選擇。不過,報道列出的是 token 價格,未交代 API 的實際開通範圍、速率限制或各帳戶的用量規則;部署前仍應以帳戶介面及官方定價頁所示資料為準。

Astra:把較高成本留給成品品質

按 OpenAI 向 9to5Google 的說法,Astra 針對文件、試算表、簡報、程式及前端製作等專業工作調校,目標是更貼近既有範本與行業慣例。這些描述屬廠商宣稱,報道沒有提供獨立測試結果,不能據此直接視為跨模型的性能結論。

其定價為每百萬 token:

  • 輸入:8 美元
  • 快取輸入:0.40 美元
  • 輸出:40 美元

輸出價格遠高於輸入,意味著需要模型產生長篇程式碼、完整文件或多輪改稿時,成本尤其值得留意。若工作重點是修正關鍵功能、整理正式交付文件,或需要較嚴謹地遵循指定格式,Astra 的定位較吻合;但不代表每一個簡單任務都值得使用它。

Sol:日常任務優先考慮成本

Sol 被定位為日常工作的主力模型。OpenAI 聲稱它較有效率,讓付費方案可完成更多任務;這是產品定位,實際可完成的工作量仍會受訂閱方案與使用規則影響。

Sol 的每百萬 token 定價為輸入 2 美元、快取輸入 0.10 美元、輸出 10 美元。以列出的價格計算,Astra 在輸入、快取輸入與輸出三項均為 Sol 的四倍。

因此,重複性較高的工作,例如摘要整理、初步除錯、草擬內容、生成多個程式方案,較適合先交由 Sol 處理;需要更高完成度的版本,再視情況轉交 Astra。這種分流能否節省整體成本,仍取決於團隊實際 prompt 長度、輸出篇幅,以及返工次數。

接下來值得觀察的是 OpenAI 是否補充 API 的可用範圍、用量限制及更可重現的評測資料。對開發團隊而言,型號分工是否能減少人工修訂,會比單一 benchmark 排名更具實際意義。

延伸閱讀

AI 輔助說明: 本文由 AI 協助整理。


參考來源

本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。

分享:WhatsAppThreadsTelegramFacebook