Latent Space ↗ · 2026-11-18 18:19 · UTC+8
OpenAI 发布 GPT-6.2 Astra 与 Sol 模型
媒体报道 Latent Space 原文语言:英文
OpenAI 于 2026 年 11 月 18 日发布了全新旗舰模型 GPT-6.2 Astra 及其高效版本 GPT-6.2 Sol。新模型具备更强的长视距推理与专业编程能力,且 Astra API 价格较前代下调 20%。
全文
← AI NewsAI News
GPT-6.2 Astra,#2 前沿模型更好且成本降低 20%-600%,但评价不一;6.2 Sol 可能是主要工作马
2026 年 11 月 17 日 — GPT-6.2 Astra 和 Sol 降低了基准成本。早期测试者对 Astra 的使用体验意见不一。
swyx .ai
11 月 18·7 分钟阅读
OpenAI 今日发布 GPT-6.2 Astra 和 Sol,距 Anthropic 预期的首次交易日仅两天。在 Artificial Analysis 的测试中,Sol 与 9 月的 Astra 持平,任务成本约为 15%。新 Astra 在智能指数上得分 62,紧随 Fable 5.2 的 65。总的来说,Anthropic 仍拥有全球最强模型,但 OpenAI 拥有每美元智能产出最高的模型。
更为异常的是,这次发布收到的影响者反馈极为负面…
播放视频
在 YouTube 上打开视频 ↗
播放视频
在 YouTube 上打开视频 ↗
这促使了防御性回应…
在 X 上查看帖子 ↗
我们认为其中一些是过度反应以及影响者常有的要么全部惊叹 🤯🤯🤯 要么直接称之为 WORST.MODEL.EVER 的倾向,但也有一些批评是合理的,RL 产物明显且相当离奇(更别提那糟糕的发布视频了)。不过,我们仍然在自动化工作中使用它,这才是最重要的。
船只很棒,但 Anthropic 的 IPO 不受影响,这可能会成为本周/本年/本十年的头条(直到 OpenAI 的 IPO……)。
今天的 AI 新闻由 SerpApi 提供!
通过 URL 检索公共网页,返回 LLM 可用的 Markdown 或结构化 JSON。使用一个 API 对站点进行映射并执行受限爬取。配合 100+ SerpApi 搜索 API,实现搜索到内容的工作流。
查看它们以支持 LS,业务合作请联系 business@latent.space!
AI Twitter 回顾
GPT-6.2 Astra 与 Sol
可用性。今日模型已向 ChatGPT Work、Codex 的 Plus、Pro、Enterprise 与 Edu 版以及通过 API 的开发者推出,模型代号分别为 gpt-6.2-astra 和 gpt-6.2-sol。OpenAI
每百万标记的 API 价格。Astra 为输入 $8,缓存输入 $0.40,输出 $40。Sol 保持前代定价,分别为 $2、$0.10 和 $10。两者均支持 1M 上下文和 128K 输出上限。Vals · 超快定价与 rollout
Astra for Law。企业配置加入法律搜索索引。Artificial Analysis 在 Harvey LAB-AA 上测得 20.8%,而基础 Astra 为 15.0%。Artificial Analysis
准备度。OpenAI 将 Astra 评为 AI 自我改进 高级,这是其对外发布模型的首次此类评级。在另一项指标上,Vals 的 RSI-Index 从 27.07% 上升至 29.01%,50% 为人类参考值。系统卡片 · Vals
FrontierMath Erdős。Epoch 在 Lean 中验证了 68 道题目中的 7 个解答。之前的最佳记录是 3 个。Epoch
基准测量内容
Agents’ Last Exam 1.1。OpenAI 报告 Astra 在 xhigh 上比 GPT-6 Astra 高出 5.2 分,成本不到任务的三分之一。它在该测试中比 Fable 5.2 高出 5.5 分,成本约为 5%。在 GDPval v2 上,Astra 使用的输出标记比前代少 22%。OpenAI 的结果
长时间工程运行。Mercor 的 OpenWorldEngineer 将 Astra 评为 67.2%,Fable 5.2 为 54.6%,GPT-6 Astra 为 44.2%。在 Vals 的多轮 Vibe Code Bench 中,Astra 位列第一,Sol 第三。Mercor · Vals
3D 与机器人。Astra 在 AA-3D 中以 1,318 领先,Fable 为 1,271,Sol 为 1,259。Artificial Analysis 的机器人预览中,Astra 得分 79,Sol 78,均高于 Fable 的 75。Artificial Analysis
研究代理。Perplexity 的 WANDR 中,Astra 得分 0.783,任务成本约 $12.54。Sol 得分 0.746,成本约 $2.65。Perplexity
早期测试者意见不一
Matt Shumer 在数周测试后称这些模型“基本不可用”,并表示他的 Opus 和 Fable 代理拒绝了大量 Astra 的子代理工作。Review · 工作流细节
Pietro Schirano 将许多早期问题归因于 harness。Arena 的 Peter Gostev 在视觉编码上将 Astra 与 Fable 对比,指出 Astra 的 SVG 孔雀图案。Schirano · Gostev
演示。Gabriel Chua 使用超过 100 条 Codex 线程构建了可步行的新加坡。Simon Willison 将相同的 three.js 机械提示在多个模型上运行,包括 Astra、Sol、Carbon 和 Fable。新加坡构建 · 同一提示比较
Latent Space 由那些发布代理、模型和基础设施的人阅读。欢迎咨询赞助此栏位。
business@latent.space →
Microsoft Ignite 和 Gemini
Microsoft 推出了自己的编码模型。MAI Code 2 用于多步骤编码,Code 2 Flash 用于更快的编辑。两者均可在 GitHub Copilot 的模型选择器、Copilot Fusion 和 Foundry 中使用。Microsoft 还宣布对其 Decision 模型进行多模态升级。Microsoft
Copilot Fusion。Microsoft 报告称,其多模型 Harness 在 Terminal‑Bench 4.1 上达到 71.2%,成本比 Claude Fable 5.2 低 88%。Jay Parikh
图像编辑。Artificial Analysis 在其编辑基准测试中将 MAI Image 2.7 排名第一,费用为每千张图像 34.82 美元。Artificial Analysis
Gemini 任务。Hydrogen 现在在六个国家提供免费任务,包括需要电话或短信的任务。Google 还展示了一个带有 MuJoCo 仿真的新 Antigravity 机器人插件。Sundar Pichai · Google DeepMind
Agent Harness 与推理
Hugging Face 的 Pi Adapter。一个在 Pi 内部训练的小型 Adapter 将 Qwen3.8‑27B 在 51 个最难的 SWE‑bench Pro 任务上的解答数从 15 提升到 32。在该子集上,它每个任务的工具调用次数减少了 55%。模型卡和配对结果
Harness 成本差异显著。Baseten 在对 22 种 Harness 和 5 种开源模型的基准测试中测得每个通过任务的成本差距最高达 4.4 倍。Baseten
Harness 可能会针对其模型进行专化。Google 的 SIM 保留了先前 Harness 编辑的推理过程和结果。它在 Opus 上演化的 Harness 在 Gemini 上得分 68.41,而起始 Harness 为 73.89。研究摘要
更多多代理产品。Cognition 推出了持久化 Devin Bot。Perplexity 报告称其混合模型团队在 Terminal‑Bench 和 WANDR 上击败了四个领先模型实例。Replit 报告在 NumPy 任务上从 16 到 32 个代理的收益递减。Cognition · Perplexity · Replit
在一次 1,000 代理的运行中,协调性占主导。Hugging Face 表示任意时刻只有 40–60 个代理在调用模型。它们读取的大约是写入的 130 倍的 token,合并和测试导致了瓶颈。Thomas Wolf
少量缓存未命中就能主导费用。SemiAnalysis 报告称 1.8% 的未缓存请求在其样本中占约 15% 的支出。SemiAnalysis
Marin 和 K2 Horizon 开放了它们的训练运行。Marin 从其 535B‑A23B 运行中发布了 57 个中间 Mochi 检查点。K2 报告比较了在相同 22T token 上训练的四种模型规模,并描述了一个解码 Adapter,团队称其实现了 2.2 倍的加速。Marin · K2 Horizon
Zyphra 的长上下文注意力。团队报告称在将多个模型转换为其次二次注意力后,在 10M token 时实现了 9–60 倍的加速,Qwen 在 1M token 上的 RULER 下降不到两分。Zyphra
推测解码。vLLM 报告使用滑动窗口草稿对 Kimi K3.1 Pro 可提升最高 30% 的接受长度。NVIDIA 也为 Qwen3.8‑27B 提供了 4B 草稿。vLLM · Draft‑model research
行业与政策
NVIDIA 在 CEO 交接后的首次财报。临时 CEO Colette Kress 期间,NVIDIA 公布季度收入 1158 亿美元,同比增长 103%,并称 Vera Rubin NVL72 已发货。董事会表示不打算恢复 Jensen Huang 的职务。NVIDIA · AP
Isomorphic Labs 融资 50 亿美元。Greenoaks 和 Sequoia 领投 C 轮。公司表示将扩大其药物设计平台并开发治疗管线。Isomorphic Labs
Genesis AI 融资 5 亿美元。A 轮估值使这家机器人公司后融资估值达到 35 亿美元。公司计划使用资金部署其 Eno 机器人并扩展训练和数据收集。Zhou Xian
AI Reddit 回顾
本地模型与硬件
一个 9B 模型的层会运行两遍。SenseNova‑Loop‑9B 将其 32 层中的 24 层再次运行。模型作者报告 GAIA 从预览版的 37.86 上升到发布版的 69.90。本地用户询问在长上下文下 KV 缓存剩余多少内存。Weights · Discussion
Maxwell V1 Flash。该 35B/3B‑active MoE 声称在 256K 时相较于密集 GQA 提供 6.7 倍的注意力加速。其稀疏注意力仍保留完整历史 KV 缓存,这正是本地用户在决定硬件前想要测量的。Model card · Discussion
Olala mini 7A1B。OVHcloud 预览了一个拥有 1B 活跃参数和 32K 上下文窗口的小型 MoE。该讨论串正在等待权重和可复现的基准测试。OVHcloud · Discussion
Intel 的 Crescent Island 数据。早期简报中引人注目的吞吐量对比采用了重度依赖 FP64 的工作负载。Intel 的另一项 LLM 对比宣称,相比 RTX PRO 6000 Blackwell Server Edition,其吞吐量提升了 1.12 倍,延迟降低了 29%。硬件讨论
打印机上运行 Gemma。一位开发者报告称,通过 PostScript 打印任务运行了 Gemma 3 270M。演示
Agent 的实际应用
一个为实时输入构建的电子游戏 agent。miHoYo 的 Gamer 以 5 Hz 的频率对屏幕进行采样,并以 30 Hz 的频率发出键盘和鼠标操作指令。在其强化学习版本中,大约解决了作者评估中保留的一半崩坏解谜任务。项目 · 讨论
一个虚构的联盟每晚进行转播。该开发者表示,Fock Ball 在物理引擎中模拟比赛,并使用 Claude 来处理解说和新闻室等周边工作。开发者博客
ICLR 评审与 AI 检测器。评审人员报告称,程序委员会主席标记了可能是 AI 生成的评审。该讨论串探讨了检测器如何区分润色帮助与整篇评审的生成。同行评审讨论
正文为 AI 译文。