GPT-6.2 Astra e Claude Fable 5.2 obtiveram 174 pontos no índice de capacidades da Epoch AI. Já nas tarefas abertas que a própria instituição extraiu do seu trabalho, Astra obteve média de 65%, e Fable 5.2, 82%. Em duas avaliações de engenharia de software, GPT-6.2 Sol ficou próximo de Astra. Rodar a bateria de terminal com Sol custou cerca de um quinto. Resolver um problema, entregar um artefato verificável e decidir quais evidências buscar são competências distintas. Perfil na Epoch · Tarefas de trabalho da Epoch · Terminal-Bench 4.0
A OpenAI lançou os modelos em 17 de novembro de 2026. A análise da Folkbench usa resultados públicos disponíveis em 18 de novembro. Os avaliadores produziram as medições, e a OpenAI publicou as especificações, os preços e suas comparações. A Folkbench não rodou novamente os benchmarks. Anúncio da OpenAI
| Avaliação e configuração | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Artificial Analysis Intelligence Index v5.0.1, max | 62 | 57 |
| ARC-AGI-2, max | 95.8% | 85.8% |
| ARC-AGI-3, ambiente padrão, max | 70.3% | 54.9% |
| Terminal-Bench 4.0, Codex, max | 62.1% ± 2.3% | 61.5% ± 2.8% |
| Epoch Automation Reports, Codex | 65% | Sem avaliação |
Artificial Analysis · ARC Prize · Terminal-Bench · Epoch Automation Reports
Inteligência, raciocínio abstrato e estado
O 62 de Astra na Artificial Analysis supera a geração anterior por 5 pontos e fica abaixo dos 65 de Fable 5.2. Sol iguala os 57 do Astra anterior por cerca de 15% do custo de modelo por tarefa na composição do índice. A Epoch calcula outra escala com um modelo bayesiano de resposta ao item, considerando a dificuldade e o poder de discriminação dos benchmarks. Para prever a qualidade em um trabalho específico, importam a família de tarefas, o orçamento e o ambiente usados. Artificial Analysis · Método do ECI
No ARC-AGI-2, Astra lidera por 10.0 pontos percentuais na indução de regras em grades. No ARC-AGI-3 padrão, que exige aprender com o retorno de ações sucessivas, a diferença cresce para 15.4 pontos. Na demonstração pública, o ambiente padrão preserva anotações escolhidas pelo modelo. O Provider Adapter preserva também um estado opaco de raciocínio e compacta interações longas. No adaptador, Astra e Sol chegam a 99.8% e 98.2% em max. Os 100.0% de Astra em xhigh nesse ambiente correspondem a 56.5% na configuração padrão. A forma de registrar tentativas e dar continuidade ao raciocínio afeta tanto a pontuação quanto a distância entre os modelos. Resultados e ambientes da ARC Prize
Engenharia e entrega profissional
No Terminal-Bench 4.0 com Codex em max, a diferença é de 0.6 ponto percentual, com ampla sobreposição dos intervalos publicados. A bateria custa cerca de US$ 1.400 para Astra e US$ 300 para Sol. O FrontierCode 2.0 reúne 132 tarefas propostas por mantenedores e considera correção, testes e escopo para julgar se a alteração pode ser integrada. A OpenAI relata distância de até 0.5 ponto percentual em max, com Sol custando aproximadamente um quinto. No Coding Agent Index da Artificial Analysis, Astra empata com a versão anterior e Sol perde 3 pontos em relação ao GPT-6.1 Sol. A queda é de 14 pontos em SWE-Atlas-QnA-AA, com mais omissões de fatos importantes sobre os repositórios. Terminal-Bench · Cognition · OpenAI · Artificial Analysis
No Agents’ Last Exam, a OpenAI relata que Astra superou Fable 5.2 em 5.5 pontos a 5% do custo divulgado para Fable. A comparação exclui nove tarefas em que Fable usou um modelo de contingência. A avaliação humana da Epoch inverte a ordem por 17 pontos percentuais, embora Astra supere os 56% do anterior. A amostra é pequena, com uma execução por modelo e tarefa e ambientes distintos entre sistemas. É importante saber se a avaliação recompensa escolha de evidências, adequação ao público e revisão. OpenAI · Método e limites da Epoch
Capacidade acadêmica e desenho de pesquisa
Astra fica atrás apenas de Fable 5.2 no HLE-Diamond e no subconjunto difícil de física do CritPt v2 na comparação de lançamento. A taxa de alucinação do AA-Omniscience em max é de 59% para Astra e 55% para Sol. Ela divide respostas erradas pela soma de erradas, parciais e omitidas. É uma medida de como o modelo responde quando não acerta plenamente. Uma revisão de literatura exige conferir as referências. Artificial Analysis · Definição do AA-Omniscience
A Epoch mostra 100% para Astra e 98% para o antecessor no FrontierMath Tier 4 v2, na precisão exibida. No FrontierMath Erdős os resultados são 10% e 3%. Os 68 problemas estavam em aberto na criação da prova. Lean verifica a demonstração ou refutação formal. A relevância acadêmica também exige que o enunciado formal corresponda à questão original e que haja contribuição nova. Resultados matemáticos da Epoch · FrontierMath Erdős
No Terminal-Bench-Science 0.1, Astra faz 78.6% em xhigh e 78.1% em max nas 70 tarefas com resultados verificáveis. Já no teste aberto da Epoch, deveria criar uma variante de xadrez com regras desconhecidas. Astra mudou principalmente os nomes das peças e manteve regras equivalentes, o que enfraqueceu o teste de generalização. A Epoch também observou pouca iteração após a primeira tentativa. O cartão de sistema da OpenAI coloca Astra no limiar High de capacidade de autoaperfeiçoamento de IA e Sol abaixo dele. A classificação se refere a um ambiente específico de pesquisa em IA. Terminal-Bench-Science · Estudo da Epoch · Cartão de sistema
Custo por resultado aceito
As APIs oferecem 1.050.000 tokens de contexto, até 922.000 de entrada e 128.000 de saída. Por milhão de tokens em contexto curto, entrada sem cache, leitura de cache e saída custam US$ 8 / 0.40 / 40 no Astra e US$ 2 / 0.10 / 10 no Sol. Acima de 272K tokens de entrada, os preços de entrada e cache dobram e o de saída recebe multiplicador 1.5 para toda a solicitação. Uma chamada curta com 100.000 tokens de entrada sem cache e 10.000 de saída faturada custa US$ 1.20 no Astra e US$ 0.30 no Sol, antes de ferramentas e gravação no cache. Com custo fixo em razão 1:4, começar por Sol e tentar Astra uma vez em caso de falha sai mais barato se menos de 75% das tarefas precisarem escalar. Taxa final de aprovação, tempo e revisão também entram na decisão. Sol é um bom candidato para trabalho verificável. Astra tem mais evidências em raciocínio formal difícil e descoberta de regras. Para pesquisa aberta, a aceitação passa pelo exame das fontes e do desenho experimental. API Astra · API Sol



