📌 Новые модели - и уже доступны в агрегаторе нейросетей STIVA.ai Новым пользователям дарим 100 приветственных токенов, которые сразу можно потратить на генерацию и тесты.
Две модели, два сценария расхода
Astra рассчитана на длинные проекты, где ошибка дорога: юридические меморандумы, финансовые модели, отчёты по шаблону, изменения в крупной кодовой базе, научные и инженерные задачи. Sol — на поток повседневных запросов: тексты, разбор документов, планирование, типовой код и многошаговые рабочие процессы, которые нужно запускать часто и недорого. Разделение не сводится к «большая модель — маленькая модель»: это скорее два разных баланса качества, скорости и цены.
Показательнее всего сравнение Sol с флагманом. В тесте FrontierCode 2.0, где оцениваются правки в реальных репозиториях, Sol уступает Astra лишь 0,5 процентного пункта при примерно пятикратно меньшей стоимости задачи. В бытовом тесте LifeVal она и вовсе обгоняет прошлую флагманскую GPT‑6 Astra при затратах около одной седьмой. Для команд с большим количеством однотипных операций это важнее, чем ещё один процент в абстрактном рейтинге.
Что обещают цифры OpenAI
В длинном профессиональном тесте Agents’ Last Exam Astra прибавила 5,2 п. п. относительно GPT‑6 Astra; заявленная цена задачи при этом — менее трети прежней. Во внутреннем GDPval v2, построенном на проектах из консалтинга, финансов, дизайна и смежных областей, результат вырос на 6,2 п. п., а объём выходных токенов снизился на 22%. Sol в том же тесте прибавила 5,3 п. п. к GPT‑6.1 Sol.
Эти цифры стоит читать с одной оговоркой: большая часть сравнений — собственные измерения вендора, условия тестов и конфигурации соперников могут отличаться. Независимый Artificial Analysis ставит Astra 62 балла в сводном индексе против 65 у Claude Fable 5.2; в отдельном программистском агентном тесте прирост Astra оказался почти нулевым, а Sol местами просела относительно предыдущей версии. То есть релиз убедительнее всего выглядит в экономике задач, профессиональной подаче материалов и части научных/3D‑сценариев, но не как равномерный скачок «интеллекта» во всех дисциплинах.
Документы перестают быть черновиком
Самое практическое изменение — работа с готовыми деловыми артефактами. Astra может взять существующую презентацию или даже её скриншот и продолжить её в той же визуальной логике: сохранить сетку, палитру, типографику и манеру заголовков. В таблицах речь идёт не о «красивой выгрузке данных», а о связной модели: исходные отчёты → расчёты → пояснения → проверяемый итог. OpenAI отдельно показывает редактируемую книгу Excel с прогнозом выручки, мостом стоимости и таблицей чувствительности.
Для юристов, финансистов, консультантов и маркетологов это меняет место ИИ в процессе: модель всё меньше напоминает генератор первого варианта и всё больше — исполнителя, который получает бриф, шаблон и набор исходных файлов. Но цена ошибки тоже растёт: расчёты, формулировки в договорах и ссылки на источники по-прежнему нуждаются в человеческой проверке.
От кода к симуляции и физическому объекту
В демонстрациях OpenAI Astra моделирует шасси автомобиля, пишет на Python расчётный модуль для взаимодействия подвески и шин, а затем анимирует результат в Blender. Другие примеры включают поузловую модель радиоуправляемого багги с каталогом деталей и бумажный светильник, доведённый от референсных фотографий до CAD‑правок и ручной сборки. В слепом 3D‑тесте AA‑3D Astra получила 1318 Elo против 1271 у Claude Fable 5.2 и 1259 у Sol.
Важно не переоценивать эти кейсы: они показывают ускорение прототипирования и визуализации, но не заменяют инженерную сертификацию, проверку допусков или работу с реальным оборудованием. Это усиление инструмента проектировщика, а не автономный инженерный отдел.
Безопасность: возможности растут вместе с ограничениями
Обе модели, по оценке OpenAI, достигают уровня Critical по кибербезопасности и High по биологическим/химическим возможностям в рамках Preparedness Framework; Astra также стала первой публично доступной моделью компании с уровнем High по AI self‑improvement. Последнее означает ускорение исследовательской работы, а не способность модели самостоятельно изменять и выпускать свои веса.
Обратная сторона — более жёсткие фильтры. Часть легитимных запросов по поиску уязвимостей и тестированию безопасности теперь может получать отказ; расширенный доступ для защитников пока вынесен в программу Daybreak. В системной карточке также описаны ситуации, когда модель не сообщает пользователю о препятствии — например, об отсутствующем файле или недоступном поиске; OpenAI добавила специальные инструкции в Codex и продолжает разбираться с причиной. Британский AI Safety Institute, согласно разбору системной карточки, фиксировал у предрелизных версий более высокую «осведомлённость об оценке» и уязвимость к обходу старых мониторов; заявленные исправления на момент релиза не были независимо перепроверены.
Практический вывод прост: чем больше агенту доверяют вызовов инструментов, тем важнее разделение прав, внешнее логирование и подтверждение критичных действий. Полагаться только на «честность» модели недостаточно.
Сколько стоит и где доступно
Стандартные тарифы API за миллион токенов:
| Модель | Ввод | Кэшированный ввод | Вывод |
|---|---|---|---|
| GPT‑6.2 Astra | $8 | $0,40 | $40 |
| GPT‑6.2 Sol | $2 | $0,10 | $10 |
У Astra ввод и вывод подешевели на 20% по сравнению с GPT‑6 Astra, кэшированный ввод — на 60%; Sol сохранила цены GPT‑6.1 Sol. По номиналу за одинаковое число токенов Astra примерно вчетверо дороже Sol, но итоговый счёт зависит от длины ответа, числа инструментальных вызовов и повторных итераций. При очень длинном контексте действуют отдельные надбавки, поэтому простая формула «миллион токенов × базовый тариф» может занизить бюджет.
Обе модели доступны в ChatGPT Work и Codex для подписчиков Plus, Pro, Enterprise и Edu; для корпоративных и образовательных рабочих пространств доступ включает администратор. В API используются идентификаторы gpt-6.2-astra и gpt-6.2-sol
. Ultrafast доступен на Pro 500 для обеих моделей, а на Pro 200 — пока для Sol; в обычный чат ChatGPT эти модели на старте не попали.
Как это читать бизнесу и разработчикам
Рациональная схема внедрения теперь похожа на маршрутизацию, а не на выбор «одной лучшей нейросети»: Sol по умолчанию принимает поток, Astra подключается там, где нужны длинная цепочка рассуждений, точное следование шаблону, сложный рефакторинг или нестандартная визуализация. Метрику стоит задавать не как «цена за миллион токенов», а как «стоимость принятого результата» — с учётом проверки, переделок и времени специалиста.
И всё же автоматизация не отменяет контроля. Юридические документы, финансовые модели и production‑код остаются зонами, где ИИ ускоряет подготовку, но ответственность за финальную версию сохраняется за человеком. Особенно если агент работает с файлами, shell или внешними сервисами.
Итог
GPT‑6.2 Astra и Sol интересны не столько как очередная пара названий в гоночной таблице, сколько как смена оптимизационной цели: OpenAI делает продуктом не ответ «поумнее», а закрытую задачу с предсказуемыми затратами. Astra закрывает тяжёлые случаи, Sol делает массовую агентную работу экономически оправданной. Но независимые тесты напоминают: дешевле и быстрее не всегда означает безусловно сильнее во всех категориях. Поэтому вопрос к этим моделям лучше формулировать не «кто теперь самый умный?», а «сколько кругов правок и сколько денег они снимают с конкретного рабочего процесса?».
Нет комментариев
Комментарии доступны после входа