Beginnen Sie mit GPT-6.2 Sol bei Änderungen an Repositories, die Tests bestehen und die Prüfung durch Maintainer überstehen müssen. Nehmen Sie GPT-6.2 Astra für sicherheitskritische Programmierung und visuelle Frontend-Arbeit in die engere Auswahl. Behalten Sie es anschließend nur dort bei, wo der resultierende Patch oder der geringere Prüfaufwand die zusätzlichen Kosten rechtfertigt.
Diese Aufteilung ist besser belegt als eine pauschale Empfehlung für das Flaggschiff. Offizielle und unabhängige Coding-Evaluierungen nach dem Merge-Prinzip zeigen bei maximaler Einstellung nur geringe Leistungsunterschiede zwischen den Geschwistern. Sicherheits- und interaktive 3D-Evaluierungen liefern konkretere Gründe, Astra auszuprobieren. Die Preisfrage bleibt erheblich: Die offiziellen Standardpreise für Input und Output betragen 2 $/10 $ pro Million Token für Sol und 8 $/40 $ für Astra.
Der Unterschied beträgt 4×, auch nach Cache
Offizielle Standardpreise für kurze Kontexte (272,000 Input-Token oder weniger), pro Million Token:
| Modell | Input | Input aus dem Cache | Cache-Schreibvorgang (30m) | Output |
|---|---|---|---|---|
| GPT-6.2 Sol | $2.00 | $0.10 | $2.50 | $10.00 |
| GPT-6.2 Astra | $8.00 | $0.40 | $10.00 | $40.00 |
Jeder Preis in der Tabelle ist exakt 4× so hoch. Bei gleicher abgerechneter Token-Anzahl in jeder Kategorie und derselben Preisstufe bleibt die Token-Rechnung daher 4× so hoch. Bei mehr als 272,000 Input-Token verdoppeln sich die Preise für Input und Cache, während die Output-Preise für die gesamte Anfrage auf das 1,5-Fache steigen; das Verhältnis bei gleicher Token-Anzahl bleibt bestehen. Tatsächliche Agenten können unterschiedlich viele Token verwenden, daher müssen die Kosten pro Aufgabe gesondert belegt werden.
Beide Modelle haben ein Kontextfenster von 1,050,000 Token, ein Output-Limit von 128,000 Token, unterstützen Text- und Bildeingaben und geben Text aus. Wer für Astra bezahlt, erhält kein größeres Kontextfenster.
Repository-Änderungen nach dem Merge-Prinzip: Beginnen Sie mit Sol
OpenAIs Einführungsdiagramme weisen für FrontierCode 2.0 bei maximaler Einstellung folgende Werte aus: Astra 44.2% bei 5,97 $ pro Aufgabe; Sol 43.8% bei 1,29 $. Bewertet wird, ob Änderungen an realen Codebasen die Merge-Standards der Maintainer erfüllen. Der ausgewiesene Abstand beträgt 0,4 Prozentpunkte; das Verhältnis der Aufgabenkosten liegt bei 5,97 $ / 1,29 $ ≈ 4,63×. Das erklärt die Formulierungen in der Ankündigung: „innerhalb von 0,5 Punkten“ und „etwa ein Fünftel der Kosten“. Dies sind vom Anbieter gemeldete Ergebnisse; das Verhältnis der Aufgabenkosten unterscheidet sich vom exakten 4×-Verhältnis der Token-Preise.
FrontierCode-AA 2.0 von Artificial Analysis liefert ein separates, unabhängiges Ergebnis: Astra max 45.38%; Sol max 44.38%. AA verwendet einen eigenen Stirrup-Testaufbau mit 132 privaten Repository-Aufgaben und drei Durchläufen pro Aufgabe. Das ergibt in einem anderen Testaufbau einen Abstand von 1,00 Prozentpunkten, ist aber keine Reproduktion der OpenAI-Werte oder -Kosten.
Beide Ergebnisse machen Sol zu einer sinnvollen ersten Vergleichsbasis für Fehlerbehebungen und Refactorings mit überprüfbaren Abnahmekriterien. Keines der Ergebnisse belegt eine universelle Gleichwertigkeit für alle Repositories, Architekturentscheidungen oder Prüfaufwände.
Sicherheitskritische Programmierung: Astra ist ein Kandidat, den man testen sollte
Dieselben offiziellen Einführungsdiagramme weisen für SecureSWE bei maximaler Einstellung folgende Werte aus: Astra 65.7% bei 5,26 $ pro Aufgabe; Sol 55.6% bei 0,99 $. Ein Abstand von 10,1 Prozentpunkten liefert einen konkreteren Grund, Astra bei sicherheitskritischen Änderungen zu testen, als die allgemeine Behauptung, das Flaggschiff sei besser.
SecureSWE ist eine interne OpenAI-Evaluierung. Die zitierten Cybersicherheitsergebnisse stammen aus internen Testkonfigurationen, in denen Cybersicherheits-Schutzmaßnahmen und Klassifizierer deaktiviert waren. Sie belegen nicht, was jede veröffentlichte Route bereitstellt: Veröffentlichte Modelle schränken Unterstützung bei Cybersicherheit mit höherem Risiko ein. Betrachten Sie dies als Anlass, zulässige Sicherheitsaufgaben über die von Ihnen vorgesehene Route zu evaluieren, nicht als Zusicherung, dass jeder Sicherheits-Workflow verfügbar ist.
Visuelle Frontend-Arbeit: Prüfen Sie das gerenderte Ergebnis
Bei AA-3D erreicht Astra max ein Elo von 1318 (95%-Intervall 1286–1349), Sol max ein Elo von 1259 (1231–1288). AA führt über Stirrup 55 Offline-Aufgaben mit three.js aus; anschließend bewerten Menschen die resultierenden interaktiven Szenen in verblindeten Paarvergleichen.
Das ist ein Beleg für die Präferenz bei visueller Frontend-Arbeit innerhalb dieser Aufgaben. Die Intervalle überschneiden sich, daher belegen die Punktschätzungen keinen eindeutigen allgemeinen Vorteil. Astra lohnt sich, wenn das Ergebnis eine interaktive Szene ist, deren gerenderte Qualität zählt. Prüfen Sie die tatsächliche Ausgabe, bevor Sie für alle Frontend-Aufgaben den höheren Preis zahlen.
Beide oben genannten AA-Ergebnisse basieren auf Snapshots, die am 18. November 2026, etwa zwischen 02:30 und 02:40 UTC abgerufen wurden. Für diesen Artikel wurde keine Inferenz ausgeführt.
Machen Sie aus den Ergebnissen eine Routing-Entscheidung
Für neue Integrationen empfiehlt OpenAI, mit „medium“ zu beginnen. Die oben genannten Ergebnisse bei maximaler Einstellung sind Belege für diese Einstellung, kein Grund, „max“ als Standard festzulegen.
- Legen Sie eine Sol-Vergleichsbasis fest: Wählen Sie repräsentative Fehlerbehebungen oder Refactorings mit Tests und klaren Merge-Kriterien aus.
- Fügen Sie einen Astra-Vergleich hinzu: Nehmen Sie eine zulässige sicherheitskritische Änderung oder eine visuelle Frontend-Aufgabe auf. Repository, Anweisungen, Tools und Reasoning effort müssen dabei gleich bleiben.
- Behalten Sie das Upgrade nur bei, wenn es sich lohnt: Erfassen Sie akzeptierte Patches, Prüfrunden, gegebenenfalls die gerenderte Qualität sowie die tatsächlichen Aufgabenkosten. Leiten Sie diese Aufgabengruppe nur dann an Astra weiter, wenn der Qualitätsgewinn oder der geringere Prüfaufwand den Preisunterschied rechtfertigt.
Sowohl Sol auf AIHubMix als auch Astra auf AIHubMix sind jetzt verfügbar. Öffentliche Modellseiten, llms-Dokumente und Schemas wurden am 18. November 2026, etwa zwischen 15:04 und 15:06 UTC (23:04–23:06 Uhr Pekinger Zeit) geprüft. Beide exakten IDs sind im Parameter-Schemaindex aufgeführt; die dokumentierte Unterstützung umfasst Chat Completions, Responses und Anthropic Messages. Messages verwendet eine Gateway-Übersetzung statt eines nativen OpenAI-Endpunkts. Die aktuellen öffentlichen Preise für kurze Kontexte entsprechen der obigen offiziellen Tabelle.
Nutzen Sie AIHubMix Compare, um Spezifikationen und Preise der beiden Modelle zu prüfen. Starten Sie anschließend unter denselben Bedingungen einen tatsächlichen Vergleich mit einer kleinen, repräsentativen Aufgabe. Für diesen Artikel wurde keine Gateway-Anfrage gesendet, und es wurden weder tatsächliche Gateway-Aufgabenkosten noch eine Rechnung gemessen.
FAQ
Kostet GPT-6.2 Sol ein Viertel so viel wie GPT-6.2 Astra?
Bei den offiziellen Standard-Token-Preisen für kurze Kontexte: ja. Sie betragen 2 $/10 $ gegenüber 8 $/40 $, und auch die Cache-Preise stehen im Verhältnis 4×. Die von OpenAI gemeldeten FrontierCode-Aufgabenkosten von 1,29 $ und 5,97 $ ergeben hingegen ein Verhältnis von etwa 4,63.
Haben sie dasselbe Kontextfenster?
Ja. Beide haben offiziell ein Kontextfenster von 1,050,000 Token und ein Output-Limit von 128,000 Token.
Bedeuten die Coding-Ergebnisse, dass Sol und Astra austauschbar sind?
Nein. OpenAI meldet bei maximaler Einstellung 43.8% für Sol und 44.2% für Astra. AA meldet unabhängig davon in seinem eigenen Testaufbau 44.38% und 45.38%. Diese Ergebnisse sprechen dafür, Sol als Vergleichsbasis für Coding-Aufgaben nach dem Merge-Prinzip zu testen, nicht für eine universelle Gleichwertigkeit.
Sollte ich beide Modelle mit maximaler Einstellung ausführen, weil der Benchmark so berichtet wurde?
Nicht standardmäßig. OpenAIs Migrationsleitfaden empfiehlt für neue Integrationen den Start mit „medium“. Wenn Sie die beiden vergleichen, verwenden Sie für beide dieselbe Einstellung und wechseln Sie nur dann zu „max“, wenn Ihre eigenen Evaluierungen dies rechtfertigen.
Bei welchen Aufgaben gibt es einen konkreten Grund, Astra auszuprobieren?
Bei sicherheitskritischer Programmierung und visueller Frontend-Arbeit. Im zitierten SecureSWE-Durchlauf waren Cybersicherheits-Schutzmaßnahmen und Klassifizierer deaktiviert; für veröffentlichte Routen gelten Einschränkungen. AA-3D misst Präferenzen bei Offline-Tests mit interaktiven Szenen, und die Intervalle überschneiden sich. Behalten Sie Astra nur bei, wenn sich die Qualität oder der Prüfaufwand in Ihren eigenen Tests ausreichend verbessert.
Kann ich die beiden heute auf AIHubMix vergleichen?
Ja. Beide Modelle sind jetzt verfügbar. Ihre öffentlichen Schemas dokumentieren Chat Completions, Responses und Anthropic Messages; Messages wird über eine Gateway-Übersetzung bereitgestellt. Beginnen Sie mit einer kleinen, repräsentativen Aufgabe und derselben Einstellung. Für diesen Artikel wurde keine Gateway-Anfrage gesendet, und es wurden weder tatsächliche Gateway-Aufgabenkosten noch eine Rechnung gemessen.
Lesen Sie weiter: die GPT-6.2-Serie
- Wenn Sie noch GPT-6 Astra verwenden, geht es zunächst um die 20%ige Preissenkung und die noch stärkere Senkung beim Lesen aus dem Cache: GPT-6.2 Astra vs. GPT-6 Astra: Lohnt sich das Upgrade nach der Preissenkung um 20%?
- Bevor Sie einen Agenten auf eine der beiden 6.2-IDs ansetzen, lesen Sie, wie sich eine Änderung des Präfixes jetzt auf das Reasoning auswirkt: GPT-6.2-Migration: Präfixänderungen verwerfen das Reasoning, und „none“ wird abgelehnt
- Wenn die Alternative ein anderer Anbieter zum selben Listenpreis von 8 $ / 40 $ ist, sollten Sie sich Fable 5.2 ansehen: GPT-6.2 Astra vs. Claude Fable 5.2: Welches Modell sollten Sie verwenden?
Quellen
- Introducing GPT-6.2 Astra and Sol und GPT-6.2 System Card – vom Anbieter gemeldete Ergebnisse für FrontierCode und SecureSWE sowie Kontext zu Evaluierungen und Schutzmaßnahmen der veröffentlichten Modelle.
- FrontierCode-AA 2.0 und AA-3D – unabhängige AA-Evaluierungen, abgerufen am 18. November 2026, etwa zwischen 02:30 und 02:40 UTC.
- OpenAI API pricing, Sol-Spezifikationen und Astra-Spezifikationen – offizielle Preise und gemeinsame Limits.
- Using GPT-6.2 – „medium“ als anfängliche Einstellung für neue Integrationen.
- Sol auf AIHubMix, Astra auf AIHubMix und Parameter-Schemaindex – Verfügbarkeit, öffentliche Preise und dokumentierte Protokolle wurden anhand öffentlicher Seiten, llms-Dokumente und aufgelöster Schemas am 18. November 2026, etwa zwischen 15:04 und 15:06 UTC (23:04–23:06 Uhr Pekinger Zeit), geprüft; beide Modelle sind verfügbar und beide IDs aufgeführt.



