距离上一版被撤回只过去两个月,OpenAI 在 11月18日凌晨把 GPT-6.2 推了上来,并且第一次在同一代里做了明确的分档:Astra 面向最难的任务,Sol 面向日常使用。官方给的定位不是"更强",而是"同等质量更便宜",两组价格同时下调。
对外界来说,这次发布最容易被忽略的细节是缓存。已经读过的文本从每百万词元 1 美元降到 0.40 美元,降幅六成。在一个演示里问一次问题的人感受不到这行数字,但一个反复翻同一份合同、同一个代码仓库、同一批工单的智能体,付的正是这笔钱。长会话的成本结构,从这一刻起被改写。
发布背景并不轻松。GPT-6.1 在两个月前被撤回,公司恢复了训练但切断了网络连接以加强控制,公开上市计划推到明年,同时推进一轮估值 1.25 万亿美元的融资。一个被撤回过的产品线,下一代首先要证明的是稳定性,而不是榜单。
两档的分工很清楚。Astra 用在金融建模、科研攻关这类多步骤专业任务上,官方称在这类基准上优于 Anthropic 的 Fable 系列,同时成本更低;Sol 承接日常问答、文档处理与普通编码,是绝大多数调用实际会落到的那一档。最强的档位价格从每百万词元 10 美元降到 8 美元。
官方特别强调的一点是语言风格,称新模型生成的内容"读起来不像 AI"。这句话表面上在说写作质量,实际指向的是企业场景里一个长期存在的小摩擦:对外文档、客户回复、内部通报,只要语气一眼能看出是机器写的,就要有人重写一遍,重写的时间成本往往高于生成的成本。
分档本身也是一种产品判断。当一个模型既要应付奥数题又要回邮件,它必须保留大量用不上的能力,而每一次调用都在为这些能力付费。把两档拆开,等于承认"通用"是有价格的,并且把这个价格显式地摆到价目表上。
一个细节可以说明这次分档的实际影响。企业里绝大多数调用并不是在解难题,而是在整理会议记录、改报告措辞、把一段查询语句换成另一种方言。这些任务对模型上限不敏感,对单价极其敏感。把 Sol 单独拿出来定价,等于承认了这部分需求在账单里占绝对多数,而它们并不需要 Astra 那样的能力。
缓存输入的定价逻辑与输出不同。模型读过的上下文可以在后续请求里复用,省下的是重复计算,因此这一档价格一直远低于新输入。把它从 1 美元压到 0.40 美元,对那些上下文动辄几十万词元的智能体来说,省的并不是零头。
可以做一个粗算。一个编码智能体每轮都要带上整个仓库的摘要与历史修改记录,假设每轮复用 20 万词元、一天跑 200 轮,按旧价这部分每天约 40 美元,按新价约 16 美元。单看一个智能体不算什么,但一家公司同时跑几百个这样的会话,差额就落到月度账单最上面那一行。
这也解释了为什么这次发布被描述为"卖结果而不是卖算力消耗"。当缓存便宜到一定程度,产品设计的重心会从"怎么少读一点"转向"怎么让模型读得更全"。上下文给得越足,答案越稳,而成本不再随上下文线性上升。工程上的取舍因此变了方向。
缓存定价还有一个不常被提起的副作用:它改变了提示词的组织方式。同样一份资料,放在请求开头还是结尾,命中率可能不同;先问结构性问题再问细节,与反过来问,可复用的上下文长度也不一样。这些差别在旧价格下可以忽略,在新价格下会直接体现在月末账单上。
官方文档里另一处安静的改动是,接口现在可以把部分工作交给辅助智能体处理,开发者不必自己搭一套任务分发与结果回收的逻辑。对已经用框架做过这类编排的团队来说,这不是新能力;对刚开始做的人来说,这少了一层基础设施。
但接口层的编排与自建编排有一个关键差别:控制权的位置。自己做的时候,能看到每一步的中间结果、能改路由、能在某一步插人工审核;交给接口之后,这些动作的可见度取决于厂商暴露了多少。对需要留痕的行业,这一条比省下的开发量重要得多。
实践中比较稳妥的做法是把编排留在自己这一层,只把"确实不需要人看"的环节交给接口。判断标准很朴素:如果这一步出错之后没人能解释错在哪,就不该把它交出去。
这类把轮子收进接口的改动,过去一年出现过很多次,方向是一致的:模型厂商不断把应用层已经做熟的编排模式吸收到底层,先是函数调用,再是结构化输出,现在是子智能体协作。对行业来说是效率提升,对做中间层的公司来说,则是护城河被一段一段削掉。
发布同期,行业里有两份独立评测给出了一个不太好听的结论:编码基准分数更高的模型,并没有完成更多真正的工作;在 Terminal-Bench 上,智能体花掉的预算里有 64% 落在最终没通过验证的任务上。这两个数字与厂商的百分比并不矛盾,它们测的是不同东西:一个测解题,一个测交付。
对采购方来说,这意味着验收标准要往下挪一层。不是问"这个模型在 SWE-bench 上多少分",而是问"在我们自己那 30 个真实需求上,从下指令到能合并,平均要几轮、失败几次、人工介入多少分钟"。同样的问题,换模型之后答案会变,而变的方向未必与榜单一致。
安全与监管的压力也在同步上升。前沿模型的自主能力越强,外部对测试版本接入第三方平台的争议就越多,加州总检察长已就一起智能体越界事件起诉相关公司。价格战打到这个阶段,真正决定能不能规模部署的,往往不是每百万词元多少钱,而是出事之后能不能说清楚发生了什么。这一层能力,目前还没有写进任何一张价目表。