Az OpenAI 2026. november 17-én kiadta a GPT-6.2 Astra és a GPT-6.2 Sol modellt. A tokenár csak mérsékelten változott: az Astra bemeneti és kimeneti ára 20%-kal lett alacsonyabb, a Solé maradt a régi. A bejelentés mégis azt emeli ki, hogy az Astra egy ügynökteszten az előző Astra feladatköltségének harmadánál is kevesebből dolgozott. A kettő közötti rés jól mutatja, miért félrevezető modellt választani a tokenárlista alapján.
A számok a cikkben hivatkozott nyilvános forrásokból származnak – nem Devertix-eredmények.
Mit jelentett be az OpenAI
A bejelentés szerint az Astra millió tokenenként 8 dollár bemenetre és 40 dollár kimenetre, a gyorsítótárazott bemenet (cached input) 0,40 dollár. A Sol ára 2, illetve 10 dollár, ugyanannyi, mint az elődjéé. Az OpenAI azt írja, hogy az Astra az Agents' Last Exam nevű ügynökteszten 5,2 ponttal jobb a GPT-6 Astránál, a feladatonkénti költség harmadánál is kevesebbért. Egy másik teszten (GDPval v2) 22%-kal kevesebb kimeneti tokent használt, mint az elődje.
A független méréseket végző Artificial Analysis összefoglalója hasonló irányt mutat: a Sol az összesített indexükön nagyjából a régi Astra szintjén teljesít, a feladatonkénti költség kb. 15%-áért.
A számtan egyszerű. Ha a tokenár 20%-kal csökken, a feladat ára ezen a teszten pedig több mint kétharmadával, a különbség zöme nem az árlistából jön, hanem abból, hogy a modell kevesebb tokent használ, illetve hogy a mérésben milyen gondolkodási szinten (reasoning effort) futott. Ez a saját következtetésünk; az OpenAI a jobb tokenhatékonyságot nevezi meg okként.
Ami a tesztekből kimarad
A gyártói és a független teszt is szabványos feladatsoron mér. Az Önök munkája ettől két ponton tér el. Az egyik, hogy hányszor kell egy feladatot újrafuttatni vagy kézzel kijavítani, mire használható lesz. A másik az ellenőrzés: amíg egy szakember átnézi az eredményt, az ő ideje is a feladat ára.
Erre maga az OpenAI ad példát. A bejelentés szerint két biztonsági (alignment) teszten mindkét új modell nagyobb eséllyel hallgatta el, ha valami akadályozta a munkáját, például hiányzott egy fájl, vagy nem működött a keresőeszköz. A Codexben ezt utasításokkal jelentősen csökkentették, a jelenséget pedig tovább vizsgálják. Ha egy ügynök nem jelzi, hogy félbemaradt a feladat, a hibát később, drágábban veszik észre.
Egy szemléltető számítás (nem mért adat): 30 ezer bemeneti és 4 ezer kimeneti tokennel, mindkét modellre azonos tokenszámot feltételezve, az Astrával 0,40 dollár, a Sollal 0,10 dollár. A Sol akkor is jóval olcsóbb marad, ha minden második esetben újra kell futtatni: átlagosan 0,15 dollár. Ha viszont minden harmadik eredményét valakinek tíz percig javítania kell, a modellköltség mellékes tétel lesz. Ezt a konkrét feladaton elsőre jó válaszok aránya dönti el.
Mi szól a mérés ellen
Véleményünk szerint a saját feladatokon végzett mérés megéri a ráfordítást, de nem ingyenes. Kell hozzá néhány tucat valódi, ismert jó megoldású eset, és valaki, aki értékeli az eredményt. A modellek ráadásul gyorsan cserélődnek: amit most lemérnek, azt fél év múlva újra kell mérni. Ha a havi modellköltség néhány száz dollár, az alapos összevetés többe kerülhet, mint amennyit megtakarít. Ott elég a legolcsóbb modellel indulni, és csak a gyenge eredményeknél feljebb lépni.
Nagy volumenű, ismétlődő folyamatnál, például szerződések előszűrésénél vagy ügyféllevelek osztályozásánál, más a helyzet. Ott a gyorsítótárazás is számít: ha ugyanaz a hosszú szabályzat minden kérés elején ott van, az Astránál a gyorsítótárazott bemenet huszadannyiba kerül, mint a normál bemenet.
Négy kérdés a következő modellváltás előtt
- Mi a mértékegység? Egy elfogadott, kész eredmény ára, nem a millió token ára.
- Milyen beállítással mért a gyártó? A gondolkodási szint nagyban változtatja a tokenszámot, ezért ugyanazzal a beállítással kell összevetni.
- Jelzi-e az ügynök, ha elakadt? Kérjenek kötelező állapotjelentést, és ellenőrizzék is, hogy a hiányzó bemenetet tényleg jelzi-e.
- Mennyi az ellenőrzés ideje? Ha nem mérik, a legolcsóbb modell könnyen a legdrágább lesz.
A modellválasztást érdemes a folyamattal együtt eldönteni: milyen feladat, mekkora volumen, ki ellenőrzi az eredményt. Ebben segít az AI-stratégia kialakítása, a méréshez és az éles futtatáshoz pedig az AWS-alapú generatív AI-környezet, ahol több gyártó modellje ugyanazon a felületen vethető össze. Ha a cél egy konkrét folyamat gépesítése, a munkafolyamat-automatizálás oldalunkon találnak kiindulópontot.
Források
- OpenAI: Introducing GPT-6.2 Astra and Sol
- Artificial Analysis: GPT-6.2 Astra és Sol az Intelligence Indexen (2026. november 17.)
- Decrypt: GPT-6.2 Astra – ár és tesztek összefoglalója
Mennyibe kerül Önöknél egy kész AI-feladat?
Egy valódi folyamatukon lemérjük az újrafuttatást és az ellenőrzés idejét, és ennek alapján javaslunk modellt.