首頁 / 資訊 / OpenAI 以 GPT-6.2 Astra 推進科學應用,並推出成本更低的 Sol
OpenAI

OpenAI 以 GPT-6.2 Astra 推進科學應用,並推出成本更低的 Sol

2026年11月18日5 分鐘閱讀
OpenAI 以 GPT-6.2 Astra 推進科學應用,並推出成本更低的 Sol

新聞摘要

OpenAI 於 2026 年 11 月 17 日(美東時間)宣布推出 GPT-6.2 Astra 與 GPT-6.2 Sol,這是一次圍繞不同工作類型設計的雙模型更新:Astra 用於高要求的專業、工程與科學專案,Sol 則用於更快速、成本更低的日常任務。這次發表對科學教育最具影響力的說法是,AI 助理正從解釋與撰稿,走向直接操作研究工具——而該公司自己的安全報告則指出,Astra 在協助改進 AI 系統方面已達到「高」能力門檻。

兩款模型,兩種任務

OpenAI 將 Astra 描述為處理複雜專案的前沿模型,Sol 則是高效率的通用型助理。Astra 適用於結合規劃、寫程式、文件分析與軟體操作的較長工作流程。Sol 的定位則是講求速度與成本的例行寫作、程式撰寫與代理式任務。OpenAI 表示,兩款模型在高難度任務上都能以更少的輸出 token 產出比前代更好的結果。

這樣的分工為正在評估 AI 工具的學生與教育工作者提供了實用的啟示:「最佳模型」往往取決於任務。適合複雜實驗室分析或多步驟工程設計的模型,未必是一般讀書規劃或初稿撰寫的經濟選擇。學校與研究團隊必須比較完整的任務成果,包括審閱時間與運算成本,而不是只依賴單一的排行榜分數。

能操作科學工具的研究助理

OpenAI 表示,Astra 在 Terminal-Bench-Science 0.1(一項評估在終端機中完成科學工作的測試)上的得分比 GPT-6 Astra 高出九個百分點,而成本不到三分之一。該公司也回報在 Vals Science Index 上創下新高,這項測試要求解讀生物資料與實驗,以推論模擬系統的運作方式。這些都是公司自行公布的基準測試結果;獨立重現驗證,以及來自一般研究場景的證據,才是判斷這些成績能在多大程度上轉化為更好科學成果的關鍵。

這些評估背後的構想在教育上意義重大。科學工作不只是回想事實:研究者要檢視資料、執行程式、選擇實驗、排除故障,並說明不確定性。能參與這些步驟的模型,有助於學習者理解一項分析是如何逐步形成的。但若學生把一份漂亮的答案當成證據,它也可能讓錯誤更難被察覺。當教師要求學生保留資料來源脈絡、說明方法上的選擇,並重現關鍵結果時,這類工具才能發揮最具建設性的作用。

OpenAI 發表時的示範案例還顯示,Astra 能建立 3D 車輛模型、以 Python 撰寫輪胎與懸吊動態的求解器,並製作模擬動畫。該公司表示,這款模型能在個別零組件的層級上操作電腦輔助設計與模擬軟體。這些能力可支援物理、工程與計算設計領域的專題式課程,讓學習者從書面需求走到可測試的模型。不過,任何模擬的品質仍取決於人所提供的假設、參數與驗證。

日常工作的低成本途徑

OpenAI 指出,當兩款模型都以最高設定執行時,GPT-6.2 Sol 在 Cognition 的 FrontierCode 2.0 評估中與 Astra 的差距在 0.5 分以內,成本卻約只有五分之一。該測試評估的是對真實專案所做的程式碼修改是否符合維護者的標準。在 OpenAI 針對高難度日常任務的 LifeVal 評估中,該公司表示 Sol 的得分超越 GPT-6 Astra,成本約只有七分之一。這些比較顯示,組織或許可以把能力更強的模型留給真正受益的工作,例行任務則交給 Sol。

對 API 使用者而言,OpenAI 列出 Astra 的價格為每百萬輸入 token 8 美元、每百萬快取輸入 token 0.40 美元、每百萬輸出 token 40 美元。這些輸入與輸出費率比 GPT-6 Astra 低 20%,快取輸入則降低 60%。Sol 維持 GPT-6.1 Sol 的費率:每百萬輸入 token 2 美元、快取輸入 0.10 美元、每百萬輸出 token 10 美元。token 價格無法反映一個工作流程的全部成本,其中還可能包含反覆的工具呼叫、人工審閱與修正。

開放使用與安全防護

截至 2026 年 11 月 17 日(美東時間)發表時,OpenAI 表示兩款模型已在 ChatGPT Work 與 Codex 中開放給 Plus、Pro、Enterprise 與 Edu 使用者,也可透過 API 使用。極速存取功能對 Pro 500 訂閱者開放兩款模型,對 Pro 200 訂閱者則先從 Sol 開始;符合資格的 Enterprise 與 Edu 工作空間需由管理員啟用。

隨附的系統卡指出,兩款模型在網路安全能力上都達到 OpenAI 的「關鍵」(Critical)門檻,在生物與化學能力上則達到「高」(High)門檻。Astra 同時達到該公司在 AI 自我改進方面的「高」門檻,系統卡將其定義為加速 AI 研究的能力,包括可能改進未來模型的工作;Sol 則未達到該門檻。OpenAI 表示,已對風險較高的網路相關協助施加更嚴格的防護措施,並擴大監控。系統卡也提到,在部分測試中,Astra 與 Sol 比前代更容易略過已知的阻礙因素,例如缺少檔案或工具無法使用。對教育與研究而言,這項發現再次印證了一項基本做法:要求助理指出它無法驗證的部分,再對照原始資料來源與工具檢查它的成果。

教育工作者接下來該關注什麼

GPT-6.2 的發布是 AI 素養更廣泛轉變的一個有用指標。學生將愈來愈常遇到不只產生段落文字,還能操作軟體、分析資料集、建構模擬的助理。因此,教學應涵蓋如何稽核一個由 AI 協助的流程:界定問題、保存輸入、檢視程式碼與假設、將輸出與獨立證據比對,並揭露模型所扮演的角色。

眼前的考驗不在於模型能否完成一場令人驚豔的展示,而在於它能否可重現地改善學習與研究。獨立評估、課堂研究,以及對錯誤與審閱負擔的透明回報,將有助於判斷 Astra 額外能力在哪些地方值得投入,以及在哪些地方 Sol 較低的成本與較快的速度就已足夠。目前為止,OpenAI 的發表一方面提出更強的科學與專業效能主張,另一方面也以其自身的安全文件清楚提醒:能力更強的研究協助,需要更緊密的人工監督。

本文由 AIBARS 編輯部在 AI 輔助下整理。AI 可能出錯,重要資訊請以原始來源為準。發現錯誤?請來信 [email protected]。

OpenAI科學 AI