← 返回 AI 前沿速递

AI前沿速递 · 第14期 · 2026年11月18日中学生与医生都能读懂的 AI 新闻

天平一端是代表 Astra 的星,另一端是硬币与代表 Sol 的太阳,下方出租车行驶在弯路上(AI 生成示意图)

AI前沿速递 · 第14期

更聪明,还是更划算?

OpenAI 发布 GPT-6.2 Astra 与 Sol:哥哥啃最难的项目,弟弟包揽日常工作

AI 生成示意图

本期涉及机构

  • OpenAI
  • ChatGPT
  • Anthropic
  • Claude
  • Google Gemini
  • UC Berkeley 校徽UC Berkeley RDI · Agents' Last Exam 出品方
  • Artificial Analysis(第三方测评)

第一章

快讯:两兄弟上岗

2026 年 11 月 17 日,OpenAI 同时推出两个新模型。这次的关键词不只是“更聪明”,更是“更划算”。

视频:NiceKate AI《9分钟看懂 GPT-6.2 Astra 和 GPT-6.2 Sol,它能接手哪些工作?》约9分钟(需联网播放)

token 是什么?

AI 读写文字的计量单位。好比出租车按公里计价,AI 按 token 计价。下面的价格都是“每百万 token”,大约是几本书的文字量。

API 和缓存

API:程序直接向模型“点单”的后厨窗口,按用量付费。缓存:同一段内容再次发送,按“回头客价”收费,便宜很多。

智能体考试

智能体是能自己分步骤把事办完的 AI,像能独立管床的住院医。Agents' Last Exam 是 UC Berkeley RDI 出的多步骤专业工作考试。

①认识两兄弟(点卡片翻面)

②四个数字看懂这次发布(点数字翻面)

跑分(基准测试)就像统一的模拟考卷。以上均为 OpenAI 自报成绩,相当于“自己批卷”。

③视频说 vs 官方说

    视频字幕里的 Soul / SOLE 即 Sol,Hurry 即 Harvey,Cloud 即 Claude(语音识别错字)。

    第二章

    为什么“省字”就是省钱

    总花费 = 单价 × 用量。GPT-6.2 不只降了单价,还学会了少走弯路。

    ①什么是 token?

    AI 读和写都按 token 计费。token 可以理解成一个个按字数计费的小格子:1 个英文单词约 1–2 个 token,1 个汉字约 1–2 个 token(不同模型切法不同,仅为直观估计)。总花费 = 单价 × 用量。就像打车:单价便宜固然好,但司机绕一大圈,车费照样高。

    起点 目的地

    计价器¥3.00

    ②算一算:一次请求要花多少钱?

    试试看:270K 输入 + 10K 输出 → Astra $2.56、Fable $2.56;只多 5K,275K 输入 → Astra $5.00、Fable $2.60。

    GPT-6.2 长上下文规则:输入超过 272,000 token 时,整单的输入和缓存单价翻倍、输出单价 ×1.5。上一代长上下文规则未核实,按标准价计。Fable 缓存价未纳入计算(按普通输入价算),Fable 在 1M 上下文内统一价。

    价格为每百万 token 的标准档美元价,来源 OpenAI / Anthropic 官方,2026-11-17。实际账单还受推理档位、批处理等影响。

    ③Agents' Last Exam v1.1:分数 vs 每任务花费

    Agents' Last Exam:UC Berkeley RDI 出品,用真实的多步骤专业工作流程考 AI 代理,有可核验的成功标准。

    ↖ 越靠左上越好:分高又省钱 点或悬停圆点看具体数字

    全部为 OpenAI 自报、按其发布图表数值。这张图是 OpenAI 按自己的测试框架跑出来的;Fable 的成绩排除了 9 道用了备用模型的题,不同框架下结果会变。Claude Opus 5.5 得 71.6%,成本未公布(图右侧空心点)。

    档位:思考越久 ≠ 越好

    同一个模型还能选思考深度(low / medium / high / xhigh / max)。Astra 在 xhigh 最好(78.3%,$2.89),开到 max 反而 77.6%、$4.47。更多思考 ≠ 更好。但低档位退步明显:日常任务测试 LifeVal 里,Sol 低档只有 25.3%(上一代 66.8%)。OpenAI 建议新接入从 medium 开始。

    来源:OpenAI 图表,经 llm-stats.com 读数,2026-11-17。

    第三章

    它能接手哪些工作

    从 Excel 估值到纸灯、从赛车游戏到生活难题:看看 GPT-6.2 实际做出了什么。

    ①八个案例,左右滑动看

    以上为 OpenAI 发布页展示的案例,由厂商挑选,并非随机抽查。

    ②专业测试里的成绩

    ③早期测试公司反馈墙

      均为厂商发布页引用的客户说法,未独立验证。

      第四章

      Claude 擂台:谁更强?

      Anthropic 九天前(2026-11-09)刚发布 Claude Fable 5.2,标价和 GPT-6.2 Astra 一模一样:每百万 token 输入 $8、输出 $40。同价位,谁更值?

      ①价签一览(输入 / 输出,每百万 token,美元)

        Sol 与 Sonnet 5.5 也同价。

        ②擂台记分牌

        OpenAIGPT-6.2 AstraClaudeClaude Fable 5.2灰字:其他模型参考分

          怎么选?(编辑观点)

          • 要复杂长流程、在意成本:Astra 更划算。
          • 要写进真实代码库、做精密 CAD:Fable 仍稍强。
          • 日常任务:Sol 和 Sonnet 5.5 同价,各有千秋,先拿自己的真实任务试。
          • 跑分多为厂商自测,测试框架不同,分数不能直接横比。

          来源:OpenAI 发布页(2026-11-17)、Anthropic 发布页(2026-11-09)、Artificial Analysis(2026-11-17)、VentureBeat 价格表。

          第五章

          核查台 + 课堂

          视频里的说法,逐条盖章;再用三道题检验你看懂了没有。

          ①核查台:点卡片看结论

          属实属实但要打折视频没说

          核查依据:OpenAI 发布页与系统卡(2026-11-17)、Anthropic 发布页(2026-11-09)、Artificial Analysis(2026-11-17)。

          三问判断法

          1. 这个分数是谁测的?
          2. 跟谁比、用什么条件比?
          3. 视频没说的是什么?

          ②课堂小测

          ③课堂讨论

          讨论一

          如果一个模型分数更高但更贵,另一个便宜但稍弱,你写作业会怎么选?为什么?

          讨论二

          厂商自己发布的跑分,你会信几成?还需要看什么?

          编辑观点

          对医学研究意味着什么(麻醉医生视角)

          系统卡里有个值得细看的数字:在 HealthBench Professional 医学测试上,Astra 和 Sol 的原始分(66.0 / 65.5)低于上一代 GPT-6 Astra(68.2);但把回答长度的影响校正后,分数又反超(66.3 / 65.9 vs 64.7)。这就像麻醉交班:话说得短不等于漏了信息,但也可能真漏了关键一句。评估医学 AI,要同时看“说得准不准”和“有没有少说”。

          另一个数字:在模拟自伤相关对话的安全合规测试中,Astra 91.7%、Sol 95.1%,都低于上一代的 98.9%。

          还有前面提到的“遇到障碍不主动说”——放在临床就是“不报告异常”。用 AI 处理临床数据时,应要求它明确列出做不到、没做完的地方,并由人复核。

          更聪明,还是更划算?这一次,OpenAI 的答案是“用更少的字,干更多的活”。但聪明不等于可靠——看懂跑分,才是我们这一代人的必修课。