AI HOT 精选

OpenAI 发布 GPT-6.2 Astra 和 Sol:更便宜但口碑分化,Anthropic 仍握最强模型

6.9内容质量

TL;DR · AI 摘要

OpenAI 发布 GPT-6.2 Astra 和 Sol:更便宜但口碑分化,Anthropic 仍握最强模型 · AIHOT Latent Space · s...

核心要点

  • 主题聚焦:OpenAI 发布 GPT-6.2 Astra 和 Sol:更便宜但口碑分化,Anthropic
  • 来源:AI HOT 精选,建议结合原文判断细节。
  • AI 分析暂不可用,本条为保底评分与摘要。
#AI#编程#后端#云计算#开源
打开原文

OpenAI 发布 GPT-6.2 Astra 和 Sol:更便宜但口碑分化,Anthropic 仍握最强模型 · AIHOT

Latent Space

·

swyx .ai

2026-11-18 18:19

· 6 小时前

精选

AI 评分

83

OpenAI 发布 GPT-6.2 Astra 和 Sol:更便宜但口碑分化,Anthropic 仍握最强模型

[AINews] GPT-6.2 Astra, the #2 Frontier Model is better and 20%-600% cheaper, but has mixed reviews; 6.2 Sol likely main workhorse

AI 导读

Latent Space 汇总 OpenAI 发布的 GPT-6.2 Astra 和 Sol:Artificial Analysis 测得 Sol 以约 15% 的单任务成本追平 9 月的 Astra,新 Astra 以 62 åˆ†ä½å± Intelligence Index ç¬¬äºŒï¼Œä» æ¬¡äºŽ Fable 5.2 的 65 åˆ†ï¼Œä¸¤è€ å‡ä¸º 1M 上下文、128K 输出。

推荐理由

汇编了 GPT-6.2 åŒæ¨¡åž‹çš„ç¬¬ä¸‰æ–¹åŸºå‡†ä¸Žä»·æ ¼æ•°æ®ï¼ŒåŒæ—¶ä¿ç•™æ—©æœŸæµ‹è¯•è€ çš„è´Ÿé¢åé¦ˆï¼Œè¯»è€ å¯ä»¥æ®æ­¤è‡ªè¡Œæƒè¡¡æ€§ä»·æ¯”ä¸Žå£ç¢‘åˆ†æ­§ã€‚

正文 · AI 翻译

OpenAI 今天发布了 GPT-6.2 Astra 和 Sol ,比 Anthropic 预计的首个交易日 早了两天。在 Artificial Analysis 的测试中, Sol 与 9 月的 Astra 打平,但每任务成本只有约 15% 。新版 Astra 在智能指数上得分 62ï¼Œä» æ¬¡äºŽ Fable 5.2 的 65。说到底,Anthropic ä»æ¡æœ‰å ¨çƒæœ€å¼ºæ¨¡åž‹ï¼Œä½†è®ºæ¯ç¾Žå ƒæ™ºèƒ½ï¼ŒOpenAI æ‹¥æœ‰å ¨çƒæœ€é«˜æ•ˆçš„æ¨¡åž‹ã€‚

这次发布更不寻常的地方,是网红们给出了强烈负面的反馈……

这促使官方做出了 防御性回应 ……

在 X 上查看帖子 ↗

æˆ‘ä»¬è®¤ä¸ºå ¶ä¸­æœ‰äº›æ˜¯ååº”è¿‡åº¦ï¼Œä¹Ÿæ˜¯ç½‘çº¢ä»¬çš„æƒ¯å¸¸æ“ä½œâ€”â€”è¦ä¹ˆä»€ä¹ˆéƒ½ ðŸ¤¯ðŸ¤¯ðŸ¤¯ï¼Œè¦ä¹ˆå°±æ˜¯å²ä¸Šæœ€çƒ‚æ¨¡åž‹ã€‚ä½†åŒæ—¶ä¹Ÿè®¤ä¸ºéƒ¨åˆ†æ‰¹è¯„æ˜¯åˆç†çš„ï¼Œå¼ºåŒ–å­¦ä¹ ç•™ä¸‹çš„ç—•è¿¹å¾ˆæ˜Žæ˜¾ï¼Œè€Œä¸” 简直诡异 (更别提 那支糟糕的发布视频 了)。不过,我们仍然用它来自动化日常工作,说到底这才是最重要的。

发布很出色,但 Anthropic 的 IPO 不受影响,而这大概会是本周、今年乃至这十年的头条(直到 OpenAI 也 IPO……)。

今日 AI 新闻由 SerpApi 赞助! 按 URL æŠ“å–å ¬å¼€ç½‘é¡µ ,输出可直接喂给 LLM 的 Markdown 或结构化 JSON。用一个 API å°±èƒ½æ˜ å°„ç«™ç‚¹ã€æ‰§è¡Œæœ‰ç•Œçˆ¬å–ã€‚æ­é  100 多个 SerpApi 搜索 APIï¼Œæ‰“é€šä»Žæœç´¢åˆ°å† å®¹çš„å®Œæ•´æµç¨‹ã€‚

去看看他们,支持 LS,反馈请联系 [email protected] !

AI 推特回顾

GPT-6.2 Astra 和 Sol

  • 可用性。 今天的模型正陆续向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise 和 Edu 用户推送,并通过 API 以 gpt-6.2-astra 和 gpt-6.2-sol å‘å¼€å‘è€ å¼€æ”¾ã€‚ OpenAI
  • API 每百万 token ä»·æ ¼ã€‚ Astra ä¸ºè¾“å ¥ $8ã€ç¼“å­˜è¾“å ¥ $0.40、输出 $40。Sol 维持前代定价:$2、$0.10 和 $10ã€‚ä¸¤è€ å‡ä¸º 1M 上下文、128K 输出上限。 Vals · è¶ å¿«å®šä»·ä¸ŽæŽ¨é€
  • 面向法律的 Astra。 Enterprise é ç½®æ–°å¢žäº†æ³•å¾‹æ£€ç´¢ç´¢å¼•ã€‚Artificial Analysis 在 Harvey LAB-AA 上测得 20.8%,基础版 Astra 为 15.0%。 Artificial Analysis
  • 准备度。 OpenAI 将 Astra 在 AI 自我改进方面评为 Highï¼Œè¿™æ˜¯å ¶å¯¹å¤–å‘å¸ƒæ¨¡åž‹ä¸­çš„é¦–æ¬¡ã€‚å¦ä¸€é¡¹æŒ‡æ ‡ä¸Šï¼ŒVals 的 RSI-Index 从 27.07% 升至 29.01%,50% 代表人类基准。 系统卡 · Vals
  • FrontierMath Erdős。 Epoch 在 68 道题中验证了 7 个 Lean 解答,此前最好成绩是 3 个。 Epoch

基准测试测的是什么

  • Agents’ Last Exam 1.1。 OpenAI 报告称,Astra 在 xhigh 档比 GPT-6 Astra 在 max 档高出 5.2 分,每任务成本不到三分之一。在该测试上,它比 Fable 5.2 é¢†å ˆ 5.5 åˆ†ï¼Œæˆæœ¬çº¦ä¸ºåŽè€ çš„ 5%。在 GDPval v2 上,Astra 的输出 token 比前代少 22%。 OpenAI 的结果
  • 长程工程任务。 Mercor 的 OpenWorldEngineer 上,Astra 为 67.2%,Fable 5.2 为 54.6%,GPT-6 Astra 为 44.2%。在 Vals 的多轮 Vibe Code Bench 上,Astra 第一,Sol 第三。 Mercor · Vals
  • 3D 与机器人。 Astra 以 1,318 分领跑 AA-3D,Fable 为 1,271,Sol 为 1,259。在 Artificial Analysis 的机器人预览中,Astra 得 79 分、Sol 得 78 åˆ†ï¼Œé¢†å ˆ Fable 的 75 分。 Artificial Analysis
  • ç ”ç©¶æ™ºèƒ½ä½“ã€‚ 在 Perplexity 的 WANDR 上,Astra 得分 0.783,每项任务成本约 12.54 ç¾Žå ƒï¼›Sol 得分 0.746,成本约 2.65 ç¾Žå ƒã€‚ Perplexity

æ—©æœŸæµ‹è¯•è€ å¹¶ä¸ä¹°è´¦

  • Matt Shumer 经过数周测试后称这些模型“基本没法用”,并表示他的 Opus 和 Fable 智能体拒绝了 Astra 的不少子智能体产出。 评测 · 工作流细节
  • Pietro Schirano æŠŠè‡ªå·±æ—©æœŸçš„è®¸å¤šé—®é¢˜å½’å› äºŽè¿è¡Œæ¡†æž¶ï¼ˆharness)。Arena 的 Peter Gostev 在视觉编程任务上让 Astra 与 Fable 对比,并特别提到了 Astra 画的 SVG 孔雀。 Schirano · Gostev
  • 演示案例。 Gabriel Chua 用 100 多个 Codex çº¿ç¨‹æ­å»ºäº†ä¸€ä¸ªå¯æ¼«æ¸¸çš„æ–°åŠ å¡ã€‚Simon Willison 把同一个 three.js æœºç”²æç¤ºè¯åˆ†åˆ«äº¤ç»™å¤šä¸ªæ¨¡åž‹è¿è¡Œï¼ŒåŒ æ‹¬ Astra、Sol、Carbon 和 Fable。 æ–°åŠ å¡æ­å»º · 同提示词对比

微软 Ignite 与 Gemini

  • 微软推出自家编程模型。 MAI Code 2 面向多步编程,Code 2 Flash ç”¨äºŽæ›´å¿«çš„ç¼–è¾‘ã€‚ä¸¤è€ éƒ½å·²ä¸Šæž¶ GitHub Copilot 的模型选择器、Copilot Fusion 和 Foundryã€‚å¾®è½¯è¿˜å®£å¸ƒå ¶ Decision 模型迎来多模态升级。 微软
  • Copilot Fusion。 å¾®è½¯ç§°å ¶å¤šæ¨¡åž‹æ¡†æž¶åœ¨ Terminal-Bench 4.1 上取得 71.2% 的成绩,在该对比中成本比 Claude Fable 5.2 低 88%。 Jay Parikh
  • 图像编辑。 Artificial Analysis 的编辑基准将 MAI Image 2.7 排在首位,每 1,000 å¼ å›¾åƒæ”¶è´¹ 34.82 ç¾Žå ƒã€‚ Artificial Analysis
  • Gemini Tasks。 Hydrogen çŽ°å·²åœ¨å ­ä¸ªå›½å®¶ä¸ºå è´¹ç‰ˆ Tasks æä¾›æ”¯æŒï¼ŒåŒ æ‹¬éœ€è¦æ‰“ç”µè¯æˆ–å‘çŸ­ä¿¡çš„ä»»åŠ¡ã€‚è°·æ­Œè¿˜å±•ç¤ºäº†ä¸€æ¬¾æ–°çš„ Antigravity 机器人插件,带 MuJoCo 仿真。 Sundar Pichai · Google DeepMind

智能体框架与推理

Hugging Face 的 Pi é€‚é å™¨ã€‚ 一个在 pi å† éƒ¨è®­ç»ƒçš„å°åž‹é€‚é å™¨ï¼ŒæŠŠ Qwen3.8-27B 在 51 道最难的 SWE-bench Pro 任务上的解出数从 15 提升到 32ã€‚åœ¨è¿™ä¸€å­é›†ä¸Šï¼Œæ¯é¡¹ä»»åŠ¡çš„å·¥å ·è°ƒç”¨æ¬¡æ•°å‡å°‘äº† 55%。 æ¨¡åž‹å¡ä¸Žé å¯¹ç»“æžœ

  • 不同框架的成本差异悬殊。 Baseten 对 22 个框架和五个开源模型做了基准测试,发现每项通过任务的成本最高相差 4.4 倍。 Baseten
  • æ¡†æž¶å¯èƒ½ä¼šé’ˆå¯¹å ¶æ¨¡åž‹ä¸“é—¨åŒ–ã€‚ 谷歌的 SIM 会保留此前框架修改的理由和结果。它在 Opus 上进化出的框架在 Gemini 上得分 68.41,而初始框架为 73.89。 ç ”ç©¶æ‘˜è¦
  • 更多多智能体产品。 Cognition æŽ¨å‡ºå¯æŒä¹ è¿è¡Œçš„ Devin Bots。Perplexity æŠ¥å‘Šç§°ï¼Œå ¶æ··åˆæ¨¡åž‹å›¢é˜Ÿåœ¨ Terminal-Bench 和 WANDR 上击败了四个主模型实例。Replit 报告称,在 NumPy 任务上,智能体从 16 ä¸ªå¢žåŠ åˆ° 32 个后收益递减。 Cognition · Perplexity · Replit
  • 协调开销主导了一次 1,000 智能体运行。 Hugging Face 表示,任一时刻只有 40–60 个智能体在调用模型。它们每写一个 token 大约要读 130 个 tokenï¼Œåˆå¹¶å’Œæµ‹è¯•ä¹ŸåŠ å‰§äº†ç“¶é¢ˆã€‚ Thomas Wolf
  • 一小部分缓存未命中就可能主导账单。 SemiAnalysis æŠ¥å‘Šç§°ï¼Œåœ¨å ¶æ ·æœ¬ä¸­ï¼Œ1.8% çš„æœªç¼“å­˜è¯·æ±‚çº¦å æ€»æ”¯å‡ºçš„ 15%。 SemiAnalysis
  • Marin 和 K2 Horizon å ¬å¼€äº†å„è‡ªçš„è®­ç»ƒè¿‡ç¨‹ã€‚ Marin 发布了 535B-A23B 训练中的 57 个 Mochi 中间检查点。K2 的报告对比了在相同 22T token ä¸Šè®­ç»ƒçš„å››ç§æ¨¡åž‹è§„æ¨¡ï¼Œå¹¶ä»‹ç»äº†ä¸€ç§è§£ç é€‚é å™¨ï¼Œå›¢é˜Ÿç§°å ¶é€Ÿåº¦æå‡è¾¾ 2.2 倍。 Marin · K2 Horizon
  • Zyphra 的长上下文注意力。 团队称,将多个模型转换为亚二次注意力后,在 10M token 下实现了 9–60 å€åŠ é€Ÿï¼›Qwen 在 1M 上下文下 RULER 分数下降不到两分。 Zyphra
  • æŠ•æœºè§£ç ã€‚ vLLM 报告称,针对 Kimi K3.1 Pro 使用滑动窗口草稿模型,可将接受长度提升最高 30%。NVIDIA 也为 Qwen3.8-27B 准备了一个 4B 草稿模型。 vLLM · è‰ç¨¿æ¨¡åž‹ç ”ç©¶

产业与政策

  • NVIDIA 在 CEO 交接后的首份财报。 在临时 CEO Colette Kress ä»»å† ï¼ŒNVIDIA å ¬å¸ƒå­£åº¦è¥æ”¶ 1158 äº¿ç¾Žå ƒï¼ŒåŒæ¯”å¢žé•¿ 103%,并称 Vera Rubin NVL72 å·²å¼€å§‹å‡ºè´§ã€‚è‘£äº‹ä¼šè¡¨ç¤ºæ— æ„è®©é»„ä»å‹‹å¤èŒã€‚ NVIDIA · AP
  • Isomorphic Labs 融资 50 äº¿ç¾Žå ƒã€‚ Greenoaks 和 Sequoia 联合领投 C è½®ã€‚å ¬å¸è¡¨ç¤ºå°†æ‰©å¤§å ¶è¯ç‰©è®¾è®¡å¹³å°è§„æ¨¡ï¼Œå¹¶æŽ¨è¿›æ²»ç–—ç®¡çº¿ã€‚ Isomorphic Labs
  • Genesis AI 融资 5 äº¿ç¾Žå ƒã€‚ 这轮 A è½®èžèµ„å¯¹è¿™å®¶æœºå™¨äººå ¬å¸çš„æŠ•åŽä¼°å€¼ä¸º 35 äº¿ç¾Žå ƒã€‚å ¬å¸è®¡åˆ’ç”¨è¿™ç¬”èµ„é‡‘éƒ¨ç½² Eno 机器人,并扩大训练和数据收集。 Zhou Xian

AI Reddit 摘要

本地模型与硬件

  • 一个部分层跑两遍的 9B 模型。 SenseNova-Loop-9B å°†å ¶ 32 层中的 24 å±‚å†è¿è¡Œä¸€æ¬¡ã€‚æ¨¡åž‹ä½œè€ æŠ¥å‘Šç§°ï¼ŒGAIA 从预览版的 37.86 提升到正式版的 69.90ã€‚æœ¬åœ°ç”¨æˆ·è¯¢é—®åœ¨é•¿ä¸Šä¸‹æ–‡ä¸‹è¿˜å‰©å¤šå°‘å† å­˜å¯ç”¨äºŽ KV 缓存。 权重 · 讨论
  • Maxwell V1 Flash。 这款 35B/3B 激活的 MoE 声称在 256K ä¸Šä¸‹æ–‡ä¸‹ï¼Œæ³¨æ„åŠ›é€Ÿåº¦æ¯”ç¨ å¯† GQA å¿« 6.7 å€ã€‚å ¶ç¨€ç–æ³¨æ„åŠ›ä»ä¿ç•™å®Œæ•´åŽ†å²çš„ KV ç¼“å­˜ï¼Œè¿™æ­£æ˜¯æœ¬åœ°ç”¨æˆ·å¸Œæœ›åœ¨æŠ•å ¥ç¡¬ä»¶å‰å®žæµ‹çš„åœ°æ–¹ã€‚ 模型卡 · 讨论
  • Olala mini 7A1B。 OVHcloud 预览了一款小型 MoE,激活参数 1B,上下文窗口 32Kã€‚è®¨è®ºå¸–æ­£åœ¨ç­‰å¾ æƒé‡å’Œå¯å¤çŽ°çš„åŸºå‡†æµ‹è¯•ã€‚ OVHcloud · 讨论
  • Intel Crescent Island 的数据。 早期简报中那个引人注目的吞吐量对比使用的是偏重 FP64 的工作负载。Intel 另一项 LLM 对比则声称,相比 RTX PRO 6000 Blackwell Server Edition,吞吐量为 1.12 倍,延迟低 29%。 硬件讨论
  • 在打印机上跑 Gemma。 ä¸€ä½å¼€å‘è€ æŠ¥å‘Šç§°ï¼Œé€šè¿‡ PostScript 打印任务运行了 Gemma 3 270M。 演示

智能体实践

  • ä¸ºå®žæ—¶è¾“å ¥æ‰“é€ çš„æ¸¸æˆæ™ºèƒ½ä½“ã€‚ miHoYo 的 Gamer 以 5 Hz é‡‡æ ·å±å¹•ï¼Œå¹¶ä»¥ 30 Hz è¾“å‡ºé”®ç›˜å’Œé¼ æ ‡æ“ä½œã€‚åœ¨ä½œè€ çš„è¯„ä¼°ä¸­ï¼Œå ¶å¼ºåŒ–å­¦ä¹ ç‰ˆæœ¬è§£å†³äº†çº¦ä¸€åŠçš„ç•™å‡ºå´©åè°œé¢˜ä»»åŠ¡ã€‚ 项目 · 讨论
  • 一个虚构联赛每晚播出节目。 å¼€å‘è€ ç§°ï¼ŒFock Ball 在物理引擎中模拟比赛,并用 Claude 处理解说和新闻编辑室等周边工作。 å¼€å‘è€ å¸–å­
  • ICLR 审稿与 AI æ£€æµ‹å·¥å ·ã€‚ å®¡ç¨¿äººåæ˜ ï¼Œç¨‹åºä¸»å¸­æ ‡è®°äº†ç–‘ä¼¼ç”± AI ç”Ÿæˆçš„å®¡ç¨¿æ„è§ã€‚è®¨è®ºå¸–è¿½é—®ï¼šæ£€æµ‹å·¥å ·å¦‚ä½•åŒºåˆ†â€œç¼–è¾‘è¾ åŠ©â€å’Œâ€œæ•´ç¯‡å®¡ç¨¿ç”± AI 生成”? 同行评审讨论

来源: Latent Space · latent.space

OpenAI / ChatGPT

Anthropic / Claude

模型发布

评测基准

#

Microsoft

Google