(以下内容从西南证券《AI系列之模型速评|OpenAI:GPT-6.2 Astra单任务成本大降,3D交互评测登顶》研报附件原文摘录)
投资要点
事件:11月17日(美国时间),OpenAI正式发布GPT-6.2Astra与GPT-6.2Sol两款模型。其中Astra定位为面向高难度长周期专业项目与科研的旗舰模型,Sol定位为面向日常编码、写作及多步Agent工作流的高效通用模型。两款模型即日起向ChatGPT Plus、Pro、Business、Enterprise及Edu订阅用户在ChatGPT Work与Codex中开放(未上线常规Chat界面),并同步上线OpenAI API。
综合能力位居第三方榜单全球第二,长程办公与科研评测超越前代。在ArtificialAnalysis v5.0.1榜单中,GPT-6.2Astra(max档位)以62分位列全球第二,仅次于Anthropic Claude Fable5.2(max档位,65分),领先Google Gemini4Carbon(high档位,60分);GPT-6.2Sol(max档位)得分为57分,追平上一代旗舰GPT-6Astra。官方评测中,Astra在科研评测Terminal-Bench-Science0.1上较前代提升9个百分点,在跨行业长程知识工作评测GDPval v2上较前代提升6.2个百分点,并在基于真实电子表格与报告构建估值工作簿及投资备忘录的AA-AnalystAgent评测中,以五次独立尝试全对口径达到62.5%准确率;Sol在GDPval v2上较GPT-6.1Sol提升5.3个百分点。
旗舰API单价下调20%,推理Token收敛带动单任务实际成本下降74%至85%。API定价方面,GPT-6.2Astra标准输入、缓存输入、输出单价分别为8、0.40、40美元/百万tokens,输入与输出单价较GPT-6Astra(10、50美元/百万tokens)下调20%,缓存输入下调60%;GPT-6.2Sol维持2、0.10、10美元/百万tokens,与GPT-6.1Sol持平。单任务实际成本方面,Astra在GDPvalv2中输出Token消耗较前代减少22%,在Terminal-Bench-Science0.1中单任务成本不足前代的三分之一;据Artificial Analysis测算,6.2Astra(max档位)单任务成本为4.00美元,较前代旗舰(6.24美元)下降36%,仅为同单价竞品Claude Fable5.2(max档位,26.54美元)的15%;6.2Sol(max档位)单任务成本为1.01美元(low档位仅0.18美元),较GPT-6.1Sol(1.27美元)下降20%。
3D交互与Computer Use能力跃升,包揽AA-3D评测冠季军。在ArtificialAnalysis旗下衡量智能体交互式3D体验的AA-3D榜单中,GPT-6.2Astra以1318Elo排名全球第一,超越Claude Fable5.2(1271Elo),GPT-6.2Sol以1259Elo位列第三。官方披露,Astra提升了在CAD与仿真工具中的操作精度,可深入至独立零部件与连接结构层面完成建模、Python物理求解器编写及Blender动画渲染;在早期测试客户Higgsfield AI的内部3D生成评测中,Astra单次生成达标率达73%,而前代需三次以上迭代。
首次触发AI自我改进“高风险”阈值,智能体长程规划效率翻倍并下放极速模式。据官方System Card,GPT-6.2Astra与Sol在网络安全能力上均达到预备框架下的“关键”阈值,且Astra成为OpenAI首个在AI自我改进维度达
到“高”阈值的外部发布模型,OpenAI为此上线了中央监控系统Control Room
以实时追踪与熔断异常工作负载。在对齐安全与订阅权益上,两款模型在模拟真实职场任务中的不当操作率较各自前代降低约50%;同时OpenAI首次将Ultrafast极速推理模式由Pro500下放至Pro200订阅档位。
我们认为:1)OpenAI模型能力向3D空间生成、CAD工业设计及底层安全攻防延伸,叠加AI自我改进能力首次触及高阈值,研发管线自动化与工业软件、游戏影视3D资产生成等垂类应用商业化有望提速;2)OpenAI在旗舰单价追平Anthropic的背景下,通过提升单步规划精度大幅压缩单任务Token消耗与耗时,说明头部大模型竞争重心也在转向“高智能+高Token效率”的帕累托最优;3)中杯模型能力追平前代大杯且极速模式向次高端订阅下放,单任务无效重试减少虽压缩了单次Token消耗,但高可用性与低延迟跨过企业级落地临界点,算力需求驱动力有望向可用性达标后的全工作流高频并发调用切换。
风险提示:大模型技术迭代不及预期风险;行业价格与商业化竞争加剧风险;AI安全与对齐监管政策收紧风险;下游企业级Agent应用落地不及预期风险。