以一次“非缓存 10 万输入 + 1 万输出、输入不超过 272K”的标准请求为例:按官方标准单价计算,GPT-6 Astra 约需 $1.50,GPT-6.2 Astra 约需 $1.20,每次少花 $0.30,正好是 20%。同样的 token 量换成 GPT-6.2 Sol 只需约 $0.30。需要注意,这是“单价下降 20%”。缓存、长上下文阶梯、推理输出量、工具调用等因素都会影响最终费用,实际账单不一定按 20% 同比例下降。
您读完此文能了解到什么?
- OpenAI 于 2026 年 11 月 17 日发布的 GPT-6.2 Astra 与 Sol,官方标准价格各是多少。
- 一次 API 请求的费用怎么算:每一步乘法、换算单位和前提假设。
- 缓存读取、超过 272K 的长上下文、输出 token 变化,会让实际成本偏离“降价 20%”多少。
- 开发者和预算负责人应该怎样重新估算自己的调用成本。
索引:本文先用一张概念表和一份影响速览交代背景;第一部分“客观事实”整理官方发布信息、价格表和官方评测,并给出三组基于官方单价的自算示例;第二部分“分析判断”说明单价下降和账单下降之间的差距,给出不同角色的应对建议,并附一段可直接运行的成本估算代码。

GPT-6.2 Astra 降价相关概念 To Know
| 概念 | 简要解释 |
|---|---|
| Token | 模型计费和处理文本的基本单位,API 按“每百万 token”定价 |
| 非缓存输入 | 本文指既未按缓存读取计费、也未按缓存写入计费的普通输入部分 |
| 缓存读取 | 请求中命中提示词缓存的部分,单价远低于非缓存输入 |
| 缓存写入 | 写入 token 使用独立的总费率;同一 token 不再叠加普通输入费 |
| 长上下文阶梯 | 输入超过 272K token 时,整次请求的输入和缓存费率变为 2 倍,输出费率变为 1.5 倍 |
| 推理档位 | 模型在回答前投入的推理强度,档位越高,通常消耗的 token 越多 |
| GDPval v2 / ALE / FrontierCode 2.0 | OpenAI 在发布中引用的三项评测,评测对象和口径各不相同,结果不能互相换算 |
GPT-6.2 Astra 降价 20% 影响速览
| 人群 | 主要影响 |
|---|---|
| API 开发者 | 在常规长度请求下,Astra 的输入和输出单价都下降 20%,同样的调用量费用随之下降;超长上下文请求需要单独计算 |
| 预算负责人 | 可以按 20% 重新评估 Astra 的单价预算,但真实降幅要结合缓存命中率、上下文长度和输出量,用账单数据核对 |
| 选型中的团队 | Sol 的标准单价约为 Astra 的 1/4,对成本敏感的任务多了一个值得评估的选项 |
| ChatGPT 普通用户 | 本轮主要面向 ChatGPT Work、Codex 和 API 逐步开放,普通 Chat 不在本轮上线范围内 |
一、GPT-6.2 Astra 降价 20% 的客观事实
以下内容来自 OpenAI 官方发布页、模型文档和定价页,核实日期为 2026 年 11 月 18 日。所有评测数据都是官方报告,不是本团队的实测结果。
1.1 GPT-6.2 Astra 与 Sol 发布基本信息
OpenAI 于 2026 年 11 月 17 日发布 GPT-6.2 Astra 与 GPT-6.2 Sol。两款模型的输入支持文字和图片,输出为文字,不能原生生成视频。
上线范围方面,官方说明新模型将逐步开放给 ChatGPT Work、Codex 和 API 用户,普通 Chat 不在本轮上线范围内。具体开放节奏以 OpenAI 帮助文档为准。
1.2 GPT-6.2 Astra 官方 API 标准价格
下表为 OpenAI 官方 Standard 档、输入不超过 272K token 时的价格,单位是美元/每百万 token,不是 API易报价。输出量按 usage 中的计费输出总量计算,包含推理 token,不等于可见正文长度。
| 模型 | 非缓存输入 | 缓存读取 | 输出 | 数据来源 |
|---|---|---|---|---|
| GPT-6 Astra(前代) | $10 | $1.00 | $50 | OpenAI 模型页 |
| GPT-6.2 Astra | $8 | $0.4 | $40 | OpenAI 模型页 / 定价页 |
| GPT-6.2 Sol | $2 | $0.1 | $10 | OpenAI 模型页 / 定价页 |
官方还有两条计费规则需要注意:
- 缓存写入按独立总费率计费:Standard 短上下文的 Astra 写入费为 30 分钟 $10/百万 token、12 小时 $20/百万 token,不是在普通输入 $8 上再加这笔费用。同一输入 token 应归入普通输入、缓存读取或对应寿命的缓存写入之一,不能重复计费。
- 输入超过 272K token 时,整次请求的输入费率和缓存费率按 2 倍计算,输出费率按 1.5 倍计算。
对比前代,Astra 的非缓存输入从 $10 降到 $8,输出从 $50 降到 $40,两项都下降 20%。这就是“降价 20%”的准确含义:标准单价下降 20%。
1.3 GPT-6.2 Astra 官方评测数据(非本团队实测)
OpenAI 在发布中给出了几项评测结果。不同评测的口径不同,不能混在一起解读:
- GDPval v2:GPT-6.2 Astra 比 GPT-6 Astra 高 6.2 个百分点,输出 token 少 22%;GPT-6.2 Sol 比 GPT-6.1 Sol 高 5.3 个百分点。
- ALE:GPT-6.2 Astra 提升 5.2 分。这是另一项评测,不能和 GDPval 的百分点相加或对比。
- FrontierCode 2.0:在 max 推理档位下,Sol 的得分比 Astra 低 0.5 分,任务成本约为 Astra 的 1/5。这只适用于该测试和该档位,不能当作通用的成本结论。
1.4 GPT-6.2 Astra 单次请求费用自算示例
以下三组算例是我们按官网标准单价做的算术,不是 API 实测,也不代表任何账户的实际账单。计算公式为:
费用 = token 数 ÷ 1,000,000 × 每百万 token 单价

算例一:标准请求,新旧 Astra 与 Sol 对比
前提假设:非缓存输入 100,000 token,输出 10,000 token,输入不超过 272K,没有缓存读写,没有工具调用,按标准价计费。
| 项目 | GPT-6 Astra | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|---|
| 输入费用 | 0.1 × $10 = $1.00 | 0.1 × $8 = $0.80 | 0.1 × $2 = $0.20 |
| 输出费用 | 0.01 × $50 = $0.50 | 0.01 × $40 = $0.40 | 0.01 × $10 = $0.10 |
| 单次合计 | $1.50 | $1.20 | $0.30 |
| 相对 GPT-6 Astra | 基准 | 少 $0.30(-20%) | 少 $1.20(-80%) |
表中“0.1”指 100,000 ÷ 1,000,000,“0.01”指 10,000 ÷ 1,000,000。如果每月发出 10,000 次同样的请求,按这组假设,GPT-6 Astra 约 $15,000,GPT-6.2 Astra 约 $12,000。这个结果只是线性外推,不构成任何费用承诺。
算例二:命中缓存的 GPT-6.2 Astra 请求
前提假设:总输入 100,000 token,其中 80,000 token 命中缓存读取,20,000 token 为不写入缓存的普通输入,输出 10,000 token;本次缓存写入量设为零,历史缓存建立成本不计入本次算例。
- 非缓存输入:0.02 × $8 = $0.16
- 缓存读取:0.08 × $0.4 = $0.032
- 输出:0.01 × $40 = $0.40
- 合计:约 $0.592
前代 GPT-6 Astra 的缓存读取价为 $1.00/百万 token,新版为 $0.40,降幅为 60%。按同一组 token 数,前代费用为 $0.20 + $0.08 + $0.50 = $0.78;新版 $0.592,少 $0.188,约下降 24.1%。两者都未计缓存写入、工具和其他费用,不能视为完整账单。
算例三:超过 272K 的 GPT-6.2 Astra 长上下文请求
前提假设:普通输入 300,000 token(超过 272K),输出 10,000 token,缓存读取与写入量均为零。
- 输入:0.3 × ($8 × 2) = $4.80
- 输出:0.01 × ($40 × 1.5) = $0.60
- 合计:$5.40
请注意,阶梯是按整次请求计算的。输入一旦超过 272K,这次请求的全部输入都按 2 倍费率计费,并不是只对超出部分加价。
缓存寿命配置使用 Responses API 的 prompt_cache_options.ttl:默认 "30m",可选择 "12h",单个显式断点可用 prompt_cache_breakpoint.ttl 覆盖。它表示最低缓存寿命,不是数据删除时限,不应与旧模型的 prompt_cache_retention 参数混用。
输入超过 272K 时,Standard 档 Astra 的普通输入、缓存读、30 分钟写入、12 小时写入、输出分别为 $16、$0.80、$20、$40、$60/百万 token;倍率作用于整次请求,不只超出部分。
1.5 GPT-6.2 Astra 官方来源
-
OpenAI 发布公告: openai.com/index/introducing-gpt-6-2-astra-sol/
- GPT-6 Astra 模型文档:官方旧模型价格
- GPT-6.2 Astra 模型文档:官方新模型价格与费率条件
- GPT-6.2 Sol 模型文档: developers.openai.com/api/docs/models/gpt-6.2-sol
- OpenAI API 定价页: developers.openai.com/api/docs/pricing
- ChatGPT Work 与 Codex 帮助文档: help.openai.com/en/articles/20001275-chatgpt-work-and-codex
二、GPT-6.2 Astra 降价 20% 的分析判断
以下为编辑基于上述事实做的解读,属于分析和判断,不是官方结论。
2.1 单价降 20%,为什么账单不一定降 20%
算例一之所以能得出严格的 20%,是因为它只包含非缓存输入和标准输出两项,而这两项都恰好降了 20%。真实业务的账单通常由多种费用构成,任何一项的比例变化都会让整体降幅偏离 20%。

| 成本因素 | 对实际账单的可能影响 | 判断依据 |
|---|---|---|
| 缓存读取与写入 | 缓存读取单价下降 60%,不同于非缓存输入的 20%;须按各自 token 数核算,不能预设整体降幅;缓存写入使用独立总费率,不叠加普通输入费 | 官方价格表 |
| 长上下文阶梯 | 超过 272K 时整次请求的费率上浮,长文档场景的单次费用可能明显高于算例一 | 官方计费规则 |
| 输出 / 推理 token 数量 | 官方在 GDPval v2 中报告输出 token 少 22%,如果你的任务也有类似变化,节省可能超过 20%;如果推理档位更高,也可能更贵 | 官方评测(特定任务) |
| 工具调用与速度档位 | GPT-6.2 Astra 的 Fast 为同上下文 Standard 费率的 2 倍,Batch 为 50%;工具费用按所用工具另核算 | 官方模型页与定价页 |
| 调用渠道 | 通过 API易 apiyi.com 等第三方平台调用时,以平台公布的实际计费为准,不能直接套用官方价 | 渠道差异 |
一个容易被忽视的地方是“输出少 22%”。这个数字来自 GDPval v2 这一项评测,如果直接把它套到所有业务上,得出“实际省 30% 以上”的结论,就把官方在特定评测中的结果当成了通用规律。更稳妥的做法是用自己的真实请求做小样本测试,记录 usage 字段中的 token 数,再做判断。
2.2 GPT-6.2 Astra 与 Sol 的选型判断
从标准单价看,Sol 的每一项价格都约为 Astra 的 1/4。在算例一中,Sol 的单次费用只有 Astra 的四分之一。FrontierCode 2.0 的结果显示,Sol 在 max 推理档位下与 Astra 的分差很小,但官方并没有说明这一结论能推广到其他任务。
因此我们的判断是:对成本敏感、任务难度中等的场景,Sol 值得优先评估;对质量要求高或任务复杂的场景,Astra 降价后的门槛也降低了。最终选择哪一个,应该用自己的任务集做 A/B 对比来决定。
💡 选型建议:如果需要在同一套代码里对比多个模型的 token 消耗和输出质量,可以考虑通过 API易 apiyi.com 这类 OpenAI 兼容的聚合接口切换模型。GPT-6.2 系列在平台上是否已上线、价格多少,请以平台模型列表和计费页为准。
2.3 GPT-6.2 Astra 成本估算代码
下面的脚本只做本地算术,不调用接口。将输入拆成互不重叠的普通输入、缓存读取、30 分钟写入与 12 小时写入四类;总输入量用于判断 272K 阶梯。写入费率是总费率,不再给写入 token 叠加普通输入费。
# OpenAI Standard 费率,美元/百万 token;不含工具、税及其他档位费用
PRICES = {
"gpt-6-astra": {"input": 10.0, "cached": 1.0, "output": 50.0},
"gpt-6.2-astra": {"input": 8.0, "cached": 0.4, "output": 40.0},
"gpt-6.2-sol": {"input": 2.0, "cached": 0.1, "output": 10.0},
}
def estimate_cost(model, ordinary_input, output_tokens, cached_read=0,
write_30m=0, write_12h=0):
counts = (ordinary_input, output_tokens, cached_read, write_30m, write_12h)
if any(n < 0 for n in counts):
raise ValueError("token 数不得为负")
p = PRICES[model]
total_input = ordinary_input + cached_read + write_30m + write_12h
im, om = (2.0, 1.5) if total_input > 272_000 else (1.0, 1.0)
input_cost = (ordinary_input * p["input"] + cached_read * p["cached"]
+ write_30m * p["input"] * 1.25
+ write_12h * p["input"] * 2.5) * im
return round((input_cost + output_tokens * p["output"] * om) / 1e6, 6)
print(estimate_cost("gpt-6-astra", 100_000, 10_000)) # 1.5
print(estimate_cost("gpt-6.2-astra", 100_000, 10_000)) # 1.2
print(estimate_cost("gpt-6.2-sol", 100_000, 10_000)) # 0.3
print(estimate_cost("gpt-6.2-astra", 20_000, 10_000, cached_read=80_000)) # 0.592
# 同样10万输入全部按30分钟写入计费:不是1.2再加1.0
print(estimate_cost("gpt-6.2-astra", 0, 10_000, write_30m=100_000)) # 1.4
对 Responses 的 usage,应先识别缓存读取量与写入量,再用总输入减去二者得到普通输入。混合 30 分钟与 12 小时寿命时,还需按实际计费明细分配写入量;不能把所有写入都套用一种费率。若渠道缺少写入明细或计费口径不同,就用该渠道账单核对,不应默认写入量为零。计费输出包含推理 token 时,不要再次叠加推理量。本文没有实际调用 API;第三方平台是否支持这些配置及如何收费,以其文档为准。
2.4 GPT-6.2 Astra 降价后的应对建议
对开发者:先统计现有请求的输入长度分布,看有多少请求接近或超过 272K。如果长上下文请求占比高,可以通过检索切片、摘要压缩等方式把输入控制在阶梯以内,这样节省的费用可能比 20% 的降价还多。同时,把固定的系统提示词放在请求前部,以提高缓存命中率。
对预算负责人:可以把“Astra 标准单价下降 20%”作为同等非缓存输入与输出量下的预算基准参考,而不是实际降幅上限或确定的节省额。建议用迁移前后各一段时间的真实账单做对比,并把缓存、长上下文和输出 token 的变化分别列出来。通过 API易 apiyi.com 等平台调用的团队,还要以平台账单的计费口径为准。

仍需关注的后续变化:官方价格更新、渠道开放进度,以及第三方独立评测能否复现官方数据。官方已列明缓存写入与速度档位费率,估算时应核对所选档位,不应把它们当作尚未公布。新 Astra 在 Standard 短上下文下,30 分钟保留期的缓存写入为 $10/百万 token,12 小时为 $20/百万 token;本文三组主算例均假设本次缓存写入量为零,不代表默认 API 请求必然没有写入。
如果想先跑通计费核对流程,可以在 API易 apiyi.com 用同一套代码对比不同模型的 usage 数据。等 GPT-6.2 系列在你使用的渠道上线后,就能直接把真实 token 数代入上面的估算函数。
降价 20% 是一个清楚的信号,但账单上的数字取决于每一次请求里输入多长、缓存命中多少、输出多少。把每一笔乘法都算清楚,比记住一个百分比更有用。
“Beware of little expenses; a small leak will sink a great ship.”
——本杰明·富兰克林《穷理查年鉴》
(留意小开销,一个小漏洞足以让大船沉没。)
