GPT-6.2 Astra и Claude Fable 5.2 получили по 174 балла в индексе возможностей Epoch AI. В открытых рабочих задачах той же организации средняя оценка Astra составила 65%, а Fable 5.2 — 82%. При этом GPT-6.2 Sol приблизился к Astra в двух тестах разработки. Весь набор заданий в терминале обошёлся с Sol примерно в пять раз дешевле. Решение трудной задачи, проверяемый результат и выбор того, что вообще следует исследовать, требуют разных навыков. Профиль Epoch · Рабочие задачи Epoch · Terminal-Bench 4.0
OpenAI выпустила модели 17 ноября 2026 года. Обзор Folkbench основан на открытых данных на 18 ноября. Результаты принадлежат авторам оценок, характеристики и сравнения производителя — OpenAI. Folkbench не запускал модели повторно. Анонс OpenAI
| Оценка и условия | 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, стандартная среда, max | 70.3% | 54.9% |
| Terminal-Bench 4.0, Codex, max | 62.1% ± 2.3% | 61.5% ± 2.8% |
| Epoch Automation Reports, Codex | 65% | Без оценки |
Artificial Analysis · ARC Prize · Terminal-Bench · Epoch Automation Reports
Интеллект, перенос навыков и сохранение состояния
Результат Astra у Artificial Analysis, 62, на 5 баллов выше предыдущего Astra и ниже 65 у Fable 5.2. Sol повторяет прежний результат Astra в 57 баллов примерно за 15% взвешенной стоимости модели на задачу. Epoch использует другую шкалу. Байесовская модель теории ответов на задания учитывает их трудность и способность различать уровни систем. Для прогноза на конкретной работе следует изучить близкие наборы заданий и условия запуска. Artificial Analysis · Методика ECI
ARC-AGI-2 проверяет вывод правил из примеров с сетками. Astra опережает Sol на 10.0 процентного пункта при max. Стандартная среда ARC-AGI-3 требует учиться на отклике после действий, и разрыв там составляет 15.4 пункта. В публичной демонстрации стандартная среда переносит заметки, выбранные моделью. Provider Adapter дополнительно сохраняет скрытое состояние рассуждения и сжимает длинные взаимодействия. В адаптере Astra и Sol достигают 99.8% и 98.2% при max. У Astra 100.0% при xhigh с адаптером и 56.5% при том же уровне в стандартной среде. Передача сведений о прошлых попытках меняет и результат, и разрыв между моделями. Результаты и среды ARC Prize
Инженерная и профессиональная работа
В Terminal-Bench 4.0 с Codex при max оценки отличаются на 0.6 процентного пункта, а опубликованные интервалы заметно перекрываются. Стоимость всего набора составляет около 1 400 долларов у Astra и 300 долларов у Sol. FrontierCode 2.0 содержит 132 задания от сопровождающих открытых проектов. Оценка учитывает правильность, тесты и границы изменений. OpenAI сообщает о разрыве в пределах 0.5 процентного пункта при max и расходах Sol около одной пятой от Astra. В Coding Agent Index от Artificial Analysis Astra остаётся на уровне предшественника, а Sol уступает GPT-6.1 Sol 3 балла. В вопросах о репозиториях из SWE-Atlas-QnA-AA падение составляет 14 баллов и связано с пропусками существенных фактов. Готовый патч и полное объяснение кода требуют разных проверок. Terminal-Bench · Cognition · OpenAI · Artificial Analysis
В Agents’ Last Exam OpenAI сообщает о преимуществе Astra над Fable 5.2 на 5.5 балла при 5% указанной стоимости Fable. Из сравнения исключены девять задач, где Fable использовал резервную модель. Ручная оценка Epoch меняет порядок с разницей в 17 процентных пунктов, хотя Astra улучшает прежние 56%. Выборка мала, на задачу был один запуск каждой модели, а агентные среды отличались. При оценке отчётов важно отдельно проверять отбор фактов, учёт аудитории и качество доработки. OpenAI · Ограничения исследования Epoch
Академические знания и исследовательская самостоятельность
При запуске Astra уступает только Fable 5.2 в HLE-Diamond и на трудном физическом поднаборе CritPt v2. В AA-Omniscience при max доля галлюцинаций составляет 59% у Astra и 55% у Sol. В числителе ошибочные ответы, в знаменателе ошибочные, частично верные и пропущенные ответы. Это показатель ответов при недостаточной уверенности. Библиографию нужно проверять по оригиналам. Artificial Analysis · Определение AA-Omniscience
В FrontierMath Tier 4 v2 Epoch показывает 100% Astra и 98% предыдущего Astra в опубликованном округлении. В FrontierMath Erdős — 10% и 3%. Все 68 задач были открыты, когда составляли набор. Lean проверяет формальные доказательства или опровержения. Отдельно нужно установить, совпадает ли формулировка с исходным вопросом и представляет ли результат новый вклад. Результаты Epoch · FrontierMath Erdős
На 70 проверяемых задачах Terminal-Bench-Science 0.1 Astra получает 78.6% при xhigh и 78.1% при max. В открытой задаче Epoch на экспериментальный дизайн Astra в основном переименовал шахматные фигуры, оставив эквивалентные правила. Такой эксперимент плохо отличает знакомство с шахматами от обобщения на новые правила. Epoch также заметила, что первые решения редко пересматривались. В системной карте OpenAI способность Astra к самоулучшению ИИ достигает порога High, Sol остаётся ниже. Оценка относится к заданной исследовательской среде. Terminal-Bench-Science · Качественные наблюдения Epoch · Системная карта
Цена принятого результата
У обеих моделей окно в 1 050 000 токенов, до 922 000 входных и 128 000 выходных. При стандартном коротком контексте расценки за миллион токенов для ввода без кэша, чтения кэша и вывода составляют 8 / 0.40 / 40 долларов у Astra и 2 / 0.10 / 10 долларов у Sol. Выше 272K входных токенов ставки ввода и кэша удваиваются, а вывода увеличиваются в 1.5 раза на весь запрос. Пример со 100 000 входных токенов без кэша и 10 000 оплачиваемых выходных стоит 1.20 доллара на Astra и 0.30 доллара на Sol до оплаты инструментов и записи в кэш. При фиксированном соотношении 1:4 сначала запустить Sol и один раз перейти на Astra дешевле, если переход нужен менее чем в 75% случаев. Затем следует учесть приёмку, задержки и ручную проверку. Для проверяемых задач разумно оценивать Sol первым, для трудных доказательств и открытия правил есть более сильные данные в пользу Astra. В открытой науке обе модели требуют проверки источников и качества замысла эксперимента. API Astra · API Sol



