GPT-6.2 Astra 与 Sol 接入 Codex:API 定价、配置与迁移指南
GPT-6.2 Astra 与 Sol 已支持 Codex、ChatGPT Work 和 OpenAI API。本文介绍模型 ID、Codex 切换方法、API 费用计算,以及 reasoning、工具调用和请求参数的迁移要求,帮助开发者安全完成升级。
本文内容

如果你使用 Codex,或者通过 OpenAI API 构建编程 Agent,现在可以使用 GPT-6.2 Astra 和 GPT-6.2 Sol。两个模型于 2026 年 11 月 17 日发布,对应的 API 模型 ID 分别是 gpt-6.2-astra 和 gpt-6.2-sol。日常编码和 Agent 工作流建议先试 Sol;复杂实现、测试和推理任务则更适合 Astra。
迁移时有几项必须处理的限制。两个模型都不接受 reasoning effort 为 none 的请求,工具调用必须使用 Responses API,常见的采样参数和对数概率参数也不再受支持。此外,输入超过 272K tokens 的请求会采用更高费率,缓存写入也包括在内。
编码任务应该选择 GPT-6.2 的哪个模型?
日常编码建议优先选择 GPT-6.2 Sol。如果需要修改现有代码库中的复杂功能、排查疑难问题,或者希望通过更好的结果减少昂贵的审查和返工,则应考虑 GPT-6.2 Astra。
OpenAI 将 Astra 定位为面向高难度专业工作的前沿模型。Sol 则主要面向日常编码和 Agent 工作流。如果能力更强的模型能够减少 token 消耗或修改次数,那么完成同一任务的总成本也可能更低。不过,这取决于你的实际工作负载。
| 模型 | API 模型 ID | 建议优先使用的场景 | Standard 输入 / 缓存输入 / 输出(每 1M tokens) |
|---|---|---|---|
| GPT-6.2 Sol | gpt-6.2-sol | 日常编码、Agent 工作流、成本敏感型任务 | $2 / $0.10 / $10 |
| GPT-6.2 Astra | gpt-6.2-astra | 复杂实现、调试、高难度推理 | $8 / $0.40 / $40 |
两个模型的 API 上下文窗口均为 1,050,000 tokens,最大输入为 922,000 tokens,最大输出为 128,000 tokens。
Codex 还提供独立的 model_context_window 配置项,需要在 config.toml 中设置,以请求更长的上下文。根据官方文档,该配置最多可以使用两个模型支持的 100 万 tokens 上下文容量。API 上下文上限与 Codex 会话中配置的上下文是两项独立设置。
编码基准测试实际说明了什么?
OpenAI 的发布公告提供了两组回答不同问题的对比结果。
在 Cognition 的 FrontierCode 2.0 测试中,当两个模型都使用 max 时,Sol 的得分仅比 Astra 低 0.5 分左右,但成本约为 Astra 的五分之一。FrontierCode 评估模型对真实代码库进行修改后,能否达到维护者的合并标准。因此,在为代码仓库任务选择模型时,这组结果更有参考价值。
在 Agents’ Last Exam 测试中,Astra 的得分比 Claude Fable 5.2 高 5.5 分。OpenAI 报告称,在这项评估中,Astra 的成本约为 Fable 的 5%。不过,公开的 Fable 5.2 排行榜排除了 9 个使用备用模型完成的任务。应将这些数字视为 OpenAI 公布的基准测试结果,而不是自己的编程 Agent 也能达到相同比例的成本保证。
OpenAI 还表示,早期测试者反馈 Astra 的代码风格更整洁、测试更有针对性,而且需要的修改轮次更少。这些反馈说明,值得在需要实现和测试复杂变更的任务中评估 Astra。但它们不能证明 Astra 在所有编程语言、代码仓库和编程环境中都会带来同样的提升。
开发者的早期反馈并不完全一致。Simon Willison 分享了一个使用两个模型生成 Three.js 和 OpenStreetMap 演示的案例。Theo 则在早期评论中表达了对另一款模型行为方式的偏好,但没有提供可复现的任务或评估结果。这些帖子反映的是不同开发者的使用预期,并不是可以直接比较的基准测试结果。
选择模型之前,建议让两个模型分别执行同一个代码仓库任务。保持提示词、上下文、工具、reasoning effort 和验收标准一致。比较最终采纳的代码变更、测试覆盖率、修改轮次、输出 token 数量和 API 总费用。
如果 Sol 能达到你的代码审查标准,就继续使用 Sol。如果 Astra 带来的质量提升能够改变最终结果,再切换到 Astra。
GPT-6.2 Astra 和 Sol 的 API 价格是多少?
Standard API 价格按每 100 万文本 tokens 计算。输入、缓存输入、缓存写入和输出分别计费。缓存输入价格不包含写入缓存的费用。
| 计费项目 | GPT-6.2 Sol | GPT-6.2 Astra |
|---|---|---|
| 输入 | $2.00 | $8.00 |
| 缓存输入 | $0.10 | $0.40 |
| 缓存写入,保留 30 分钟 | $2.50 | $10.00 |
| 缓存写入,保留 12 小时 | $5.00 | $20.00 |
| 输出 | $10.00 | $40.00 |
以上是截至 2026 年 11 月 18 日文档公布的短上下文请求 Standard 费率,单位为每 100 万 tokens。Astra 的输入和输出价格比 GPT-6 Astra 低 20%,缓存输入价格低 60%。Sol 则延续 GPT-6.1 Sol 已公布的 token 价格。
输入超过 272K tokens 后,费用有什么变化?
当单次请求的输入超过 272K tokens 时,OpenAI 会对整个请求应用长上下文费率:
- 输入费用变为短上下文费率的 2 倍。
- 缓存输入费用也变为短上下文费率的 2 倍。
- 缓存写入费用同样变为短上下文费率的 2 倍。
- 输出费用变为短上下文费率的 1.5 倍。
调整后的价格如下:
| 长上下文计费项目 | GPT-6.2 Sol | GPT-6.2 Astra |
|---|---|---|
| 输入 | $4.00 | $16.00 |
| 缓存输入 | $0.20 | $0.80 |
| 缓存写入,保留 30 分钟 | $5.00 | $20.00 |
| 缓存写入,保留 12 小时 | $10.00 | $40.00 |
| 输出 | $15.00 | $60.00 |
例如,假设一次请求包含 300,000 输入 tokens 和 10,000 输出 tokens,没有缓存输入。按照 Standard 价格计算,预计费用为:
- Sol:
0.3 × $4 + 0.01 × $15 = $1.35 - Astra:
0.3 × $16 + 0.01 × $60 = $5.40
这里的估算对整个请求应用了长上下文费率,不包括缓存写入、其他费用和服务等级倍率。如果请求包含缓存输入,需要将对应部分按照适用的缓存输入价格单独计算。
Batch、Fast 和 Ultrafast 如何影响费用?
模型卡记录了三种处理选项:
| 处理选项 | 相对于 Standard 的价格 | 适用场景 |
|---|---|---|
| Batch | 0.5× | 可以异步执行的任务 |
| Fast | 2× | 值得支付额外费用以加快处理速度的任务 |
| Ultrafast | 截至 2027 年 2 月 28 日为 3×;从 2027 年 3 月 1 日起为 6× | 符合使用条件且需要最高处理等级的任务 |
Ultrafast 的价格调整从 Pacific time 2027 年 3 月 1 日开始生效。调整的是处理倍率,不是模型的基础 token 价格。
Ultrafast 仅支持美国数据驻留。Standard、Fast 和 Batch 支持美国和欧盟数据驻留。如果工作负载要求欧盟数据驻留,就不要选择 Ultrafast。
例如,短上下文的 Astra 请求使用 Ultrafast 时,截至 2027 年 2 月 28 日,费用是 Standard 价格的 3 倍。输入、缓存输入和输出价格分别变为每 100 万 tokens $24、$1.20 和 $120。
从 2027 年 3 月 1 日起,6 倍倍率生效,上述价格将变为 $48、$2.40 和 $240。缓存写入费用也应用相同倍率。Sol 则按照其 Standard 基础价格进行同样计算。
更高的处理等级会同时放大输入、缓存输入、缓存写入和输出费用。处理速度更快,并不意味着应用消耗的 tokens 会自动减少。
如何在 Codex 中切换到 GPT-6.2?
你可以在启动 Codex 时选择模型,也可以在交互式会话中切换,或者在 config.toml 中设置默认模型。下面的示例使用 Sol。如果要使用 Astra,将模型 ID 替换为 gpt-6.2-astra 即可。
启动 Codex 时指定模型
在终端中执行:
codex --model gpt-6.2-sol
也可以使用简写参数 -m。对于非交互式任务,可以通过 codex exec 指定模型:
codex exec -m gpt-6.2-sol "Review the current changes"
这些命令只会为当前执行过程选择模型,不会修改持久化的默认设置。
在交互式会话中切换模型
Codex 运行期间,输入:
/model
在模型选择器中选择 GPT-6.2 Sol 或 GPT-6.2 Astra。同一个界面也可以调整 reasoning effort。当普通任务逐渐变成复杂的实现问题时,可以直接在会话中切换模型。
在 config.toml 中设置默认模型
如果希望默认使用 Sol,设置:
model = "gpt-6.2-sol"
如果希望默认使用 Astra,设置:
model = "gpt-6.2-astra"
Codex 模型参考文档介绍了这些模型选择命令。如果使用自定义 API 提供商,还需要遵循对应提供商的配置要求。仅指定模型 ID,并不能自动配置 API 端点或身份验证。
如何将现有 API 集成迁移到 GPT-6.2?
将 model 设置为 gpt-6.2-astra 或 gpt-6.2-sol,然后检查 reasoning effort、工具调用、不支持的参数和提示词缓存。GPT-6.2 官方迁移指南详细说明了这些变化。
修改 reasoning effort
对于新的 API 集成,建议从 medium 开始。如果现有请求使用 none 或 minimal,则应改为 low。
具体字段名称取决于 API 端点:
- Responses API:
reasoning.effort - Chat Completions:
reasoning_effort
两个模型都会拒绝 reasoning effort 为 none 的请求。迁移时不要保留旧的 none 设置。
Responses API 的最简请求体如下:
{
"model": "gpt-6.2-sol",
"reasoning": {
"effort": "medium"
},
"input": "Explain what this function does."
}
如果使用 Chat Completions,则改用 reasoning_effort:
{
"model": "gpt-6.2-sol",
"reasoning_effort": "medium"
}
发送完整的 Responses API 请求
下面的 Bash 示例通过环境变量传递 OpenAI API Key。首先在 OpenAI API 控制台创建 API Key,然后在终端提示输入时提供密钥。
read -rs OPENAI_API_KEY && export OPENAI_API_KEY
response=$(curl -sS https://api.openai.com/v1/responses \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-d '{
"model": "gpt-6.2-sol",
"reasoning": {
"effort": "medium"
},
"input": "Reply with exactly: GPT-6.2 API is working."
}')
printf '%s\n' "$response" | jq -e '.status == "completed"' >/dev/null &&
printf '%s\n' "$response" | jq -r '.output[] | select(.type == "message") | .content[] | select(.type == "output_text") | .text'
该请求通过 v1/responses 发送文本,并使用 Bearer Token 进行身份验证。最后一条命令检查响应状态是否为 completed,然后提取模型生成的文本。成功时,终端应显示请求中指定的确认信息。
这个示例根据官方文档编写,并未实际执行测试。如果请求失败,请检查 HTTP 响应和错误内容。如果参数被拒绝,通常意味着请求中仍然保留了旧字段。如果模型不可用或账户权限不足,则需要检查 API 组织、模型访问权限和账单设置。成功登录 Codex 订阅,并不能证明 API 账单或 API 模型访问权限已经配置完成。
将工具调用迁移到 Responses API
两个模型都支持 Responses API 和 Chat Completions,但工具调用必须使用 Responses API。
如果你的集成使用函数或工具调用,需要将请求流程迁移到 v1/responses。支持 Chat Completions,并不意味着它也支持相同的工具调用功能。
对于不使用工具的基础请求,Chat Completions 仍然是受支持的端点。应在代码中明确区分两种接口,避免后续增加工具调用时依赖不受支持的请求路径。
删除不支持的参数
迁移时,需要删除以下不受支持的字段:
| 请求类型 | 需要删除的参数 |
|---|---|
| Chat Completions | temperature、top_p、logprobs、top_logprobs |
| Responses | temperature、top_p、top_logprobs;从 include 中删除 message.output_text.logprobs |
不要直接复制旧请求体,只修改模型 ID。保留不支持的参数可能导致新请求失败。
更新提示词缓存配置
如果你从 GPT-5.5 或更早的模型迁移,需要将 prompt_cache_retention 替换为 prompt_cache_options.ttl,并设置为 "30m"。
不同轮次之间应保持提示词前缀不变。添加新指令时,应将内容追加到对话末尾,而不是修改之前的对话内容。
GPT-6.2 在检测到以下变化时,可能会丢弃 reasoning items:对话历史发生变化、模型降级、最终用户发生变化,或者组织发生变化。丢失这些内容可能降低回答质量,也可能导致模型重复之前已经完成的工作。
保持前缀稳定,也能让之前的输入继续符合提示词缓存条件。当应用重复发送相同的系统提示词或对话前缀时,这有助于减少重复输入费用和延迟。
检查数据保留和数据驻留要求
对于获得批准的组织,两个模型都支持在符合条件的端点和功能中使用 Zero Data Retention (ZDR)。启用 ZDR 后,Responses API 会将 store 视为 false。
两个模型在 Standard、Fast 和 Batch 处理模式下支持美国和欧盟数据驻留。Ultrafast 仅支持美国数据驻留。部署之前,请确认组织、API 端点和处理等级都符合你的要求。
应该选择哪种接入方式?
如果希望直接在 OpenAI 的 Codex 或 ChatGPT Work 中工作,选择托管服务。如果正在开发应用程序或 Agent,并且需要直接控制 API 请求,则选择 API。
| 接入方式 | 所需条件 | 适用场景 |
|---|---|---|
| ChatGPT Work | Plus、Pro、Business、Enterprise 或 Edu。Enterprise 和 Edu 管理员必须在工作区设置中启用模型。 | 希望在托管版 Work 环境中使用 Astra 或 Sol。 |
| Codex | 符合条件的 ChatGPT 订阅计划,以及受支持的 Codex 客户端。 | 希望在 Codex 应用或 CLI 中使用模型。 |
| OpenAI API | API 组织、API Key、API 账单或符合条件的 API Credits,以及受支持的 API 端点。 | 正在开发需要直接控制 API 的应用程序或 Agent。 |
| 等待订阅使用额度重置 | 符合条件的订阅,以及额度重置后仍然可用的计划权限。 | 不想将工作负载转移到 API 计费,希望继续使用托管版 Codex 或 Work。 |
| 第三方 API 网关 | 独立的网关账户、单独的 API Key 和账单,以及对所选模型和工具的文档化支持。 | 需要更换 API 接入方式或付款渠道。 |
ChatGPT Work 和 Codex 支持的客户端及订阅计划并不完全相同。官方文档明确列出了 Business 对 ChatGPT Work 的支持。规划部署之前,应检查最新的 Codex 模型参考文档,以及账户实际支持的客户端。
Ultrafast 的使用资格也取决于订阅计划:
- Pro 500 支持 Astra 和 Sol 的 Ultrafast。
- Pro 200 支持 Sol 的 Ultrafast。
- 符合条件的 Enterprise 和 Edu 工作区,在管理员启用后可以使用 Ultrafast。
不要认为 Pro 200 也包含 Astra 的 Ultrafast。模型和处理等级都必须符合使用资格。
ChatGPT 订阅与 API 账单属于两个独立的计费系统。API Key 不会授予订阅专属功能,ChatGPT 订阅也不会自动支付 API 请求费用。
符合条件的 Pro 和 Business 订阅用户可以根据激活状态和组织要求,领取单独的 API Credits。在规划生产环境集成预算之前,请阅读 OpenAI 账单指南。
是否可以改用第三方 API 网关?
API 网关是独立的接入方式,并不是 ChatGPT 订阅的扩展功能。更换提供商之前,应检查实时模型目录,以及目标工具的配置文档。
根据 2026 年 11 月 18 日获取的 BetterToken 模型目录,gpt-6.2-astra 和 gpt-6.2-sol 均未出现在当时返回的目录中。同一份结果列出了 gpt-6-astra。这只是特定日期的目录查询结果,并不代表未来也无法使用。如果旧模型的能力符合要求,可以单独评估它。
对于文档记录的 Codex 集成方式,BetterToken 使用兼容 OpenAI 的端点 https://www.bettertoken.ai/v1 和 Responses API。其配置指南指定了 model_provider = "bettertoken"、wire_api = "responses",并通过 auth.json 进行 API Key 身份验证。你需要自行注册账户并创建 API Key。完整配置方法请参考 Codex 自定义 Provider 配置指南。
这条路线提供按使用量付费的 API 访问,不提供 ChatGPT 或 Codex 订阅。只有当所需模型出现在当前目录中,并且文档记录的 Provider 配置支持你的工作流时,才应选择这条路线。
切换生产流量之前应该测试什么?
在生产 Agent 中替换现有模型之前,应先进行受控评估。
选择一个具有明确验收测试的典型代码仓库任务。分别使用 Sol 和 Astra 执行,保持起始提交、提示词、工具权限、reasoning effort 和执行限制一致。检查两个模型是否都能生成可供审查的补丁,并通过相同的测试。
每次运行都应记录以下数据:
- 是否完成了要求的代码变更。
- 生成的测试是否覆盖重要的失败场景。
- 需要多少轮人工修正。
- 输入、缓存输入、缓存写入和输出 token 数量。
- 请求是否超过 272K 长上下文阈值。
- 使用的处理等级和总费用。
如果 Sol 能以更低的总成本满足验收标准,就使用 Sol。如果 Astra 能减少失败运行、代码审查工作量或错误修改风险,则应考虑使用 Astra。
还需要测试迁移过程中的失败场景。确认请求不再设置 reasoning effort 为 none,启用工具的请求使用 Responses API,并且已经删除所有不支持的参数。
长上下文请求也应单独测试。因为输入超过 272K 后,整个请求都会采用更高费率。
对于 Agent 工作流,还应明确记录阻碍任务完成的问题。OpenAI 表示,在两项测试中,新模型更容易遗漏工作障碍,例如缺少文件或搜索工具不可用。OpenAI 称已经在 Codex 中增加指令,以减少这类遗漏,并且仍在调查这一行为。即便如此,你的 Agent 仍应明确报告失败的工具调用和未完成的工作。
如果还需要了解模型选型和评估,可以阅读 GPT-6.1 Sol、GPT-6 Astra 与 Claude Opus 5.5 的对比,了解上一代模型的差异。Coding Agent Index v2.1:Claude Fable 5.2 与 Opus 5.5 的推理等级对比进一步解释了 reasoning effort 如何影响编程 Agent 的评估结果。如果你正在选择 Codex 使用界面,还可以参考 Codex CLI、桌面应用与 VS Code 扩展的对比。
对于日常编码和 Agent 工作流,GPT-6.2 Sol 是更合理的首选测试对象。如果任务需要更强的实现和测试能力,再评估 Astra。切换生产流量之前,务必比较完整任务成本,并确认 API 迁移要求已经满足。