Your privacy choices

Allow optional cookies for referral attribution, visit analytics, and Google Ads purchase measurement.

Назад к блогу

Обзор GPT-6.2 Sol: рабочая лошадка почти догнала флагман, но это не обновление по всем фронтам

GPT-6.2 SolOpenAIобзор моделиFrontierCodeLifeVal

На диаграмме FrontierCode 2.0, которую опубликовала OpenAI, у Sol 43.8%, у Astra 44.2%, разрыв всего 0.4 балла. В тот же день в индексе Artificial Analysis (AA) по кодинг-агентам Sol оказалась на 3 балла ниже предыдущей GPT-6.1 Sol.

Оба утверждения верны. GPT-6.2 Sol позиционируется OpenAI как модель для «повседневной работы и масштабных агентов»: в ряде задач она подбирается к Astra, а в нескольких конкретных направлениях откатывается. Назвать её «облегчённым флагманом» или «урезанной версией» одинаково неточно.

Статья составлена по открытым материалам и не является результатом тестов Guishu Intelligence. Цифры разнесены по источникам и условиям и не смешиваются.

Позиционирование и характеристики

Согласно записи OpenAI о релизе, Sol предназначена для повседневной работы и массового развёртывания агентов, и OpenAI сообщает, что многие сотрудники внутри компании используют её как модель по умолчанию. Характеристики из документации Sol:

  • API-идентификатор: gpt-6.2-sol.
  • Ввод: текст и изображения, вывод: текст; аудио и видео не поддерживаются.
  • Контекстное окно 1,050,000 токенов, максимальный ввод 922,000, максимальный вывод 128,000.
  • Поддерживается рассуждение, API отклоняет reasoning effort = none.
  • Поддерживаются Chat Completions, Responses, Batch; не поддерживаются Realtime, Assistants, дообучение, генерация изображений и видео. Вызов инструментов идёт через Responses API.
  • Дата отсечки знаний 2026-06-01, позже, чем у Astra (2026-05-18).

Контекст и модальности полностью совпадают с Astra. Различаются позиционирование, дата отсечки и распределение сильных сторон.

Доступность по ChatGPT Learn: ChatGPT Work, Codex и API. В ChatGPT нужно сначала включить Work. В Enterprise и Edu модель включает администратор. Ultrafast — название скоростного режима; он доступен в некоторых подписках Pro более высоких уровней и в корпоративных или образовательных пространствах, где его включил администратор.

Где Sol близка к Astra

Числа ниже взяты из материалов релиза OpenAI в обработке VentureBeat. Официальные диаграммы могут показывать «лучшую точку», и режимы рассуждения у разных тестов могут различаться.

Бенчмарк (официальная диаграмма OpenAI) Sol против GPT-6.1 Sol
FrontierCode 2.0 43.8% против 39.0%
LifeVal 83.8% против 79.5%
BenchCAD 2.1 Core 73.1% против 52.6%
Terminal-Bench-Science 68.0% против 57.0%
AutomationBench (официальная диаграмма) 41.2% против 36.1%
Harvey LAB-AA 11.1% против 6.9%
Agents' Last Exam 73.0% против 72.5%

Два пункта заслуживают отдельного замечания:

  • FrontierCode 2.0. У Sol 43.8%, у Astra 44.2%. OpenAI также заявляет, что в режиме max Sol отстаёт от Astra примерно на 0.5 балла.
  • LifeVal. У Sol 83.8%: это выше не только предыдущей версии, но и GPT-6 Astra с 79.8%.

В независимых оценках тоже есть подтверждения «близости». В стандартных условиях AA для FrontierCode 2.0, по обработке Handy AI, у Sol 44.4%, у Astra 45.4%, у Claude Fable 5.2 48.8%. В индексе интеллекта AA v5.0 (режим max) у Sol 57.3, это примерно на уровне GPT-6 Astra (56.9), тогда как у Astra 62.1. То есть Sol примерно соответствует флагману прошлого поколения, а не флагману нынешнего.

В общем индексе Vals (OfficeChai или The Decoder пересказывают Vals, общую таблицу Vals мы напрямую не проверяли) Sol на девятом месте с 66.06%, на 1.6 балла позади Astra (седьмое место, 67.66%).

Где она откатилась

Кодинг-агенты

Страница AA по кодинг-агентам использует harness Codex и режим max:

  • Индекс кодинг-агентов: Sol 49, GPT-6.1 Sol 52, падение на 3 балла; у Astra 53.
  • SWE-Atlas-QnA-AA: Sol 46, GPT-6.1 Sol 60. В статье AA основной причиной этого падения на 14 баллов названо то, что Sol чаще упускает ключевые факты.
  • Terminal-Bench 4.1: Sol 58, Astra 64.
  • Среднее время на задачу: Sol около 17.5 минуты, Astra около 25.1 минуты.

FrontierCode-AA 2.0 у Sol здесь равен 42, как у Astra. Один и тот же бенчмарк даёт 42 в harness Codex, 44.4% в стандартных условиях AA и 43.8% на официальной диаграмме. Это три числа при трёх условиях, и они не взаимозаменяемы.

Наука

В научном индексе Vals (обновлён 16 ноября) GPT-6.2 Sol на седьмом месте с 57.76%, ниже GPT-6.1 Sol с 59.63%. В материалах релиза OpenAI указано 58.5% против 59.6%, это немного расходится со страницей Vals; здесь за основу взята страница Vals. Вывод тот же: небольшое снижение.

Профессиональные задачи

Набор профессиональных задач Surge (11 заданий, составленных врачами, бухгалтерами, юристами и старшими инженерами) даёт смешанную картину:

  • Лучше: кодинг, графики и следование инструкциям агента. В Chartography Sol набрала 87.7%, выше GPT-6 Astra (71.0%) и чуть ниже Astra (90.7%).
  • Хуже: медицина, PDF, финансы. DAYJOB Healthcare: у Sol 17.2%, у GPT-6.1 Sol 25.2%, падение на 8 баллов, это самое сильное снижение, которое Surge зафиксировала в тот день. На этом же задании у Astra 34.4%.
  • В sudo L7 у Sol 36.1%, у Astra 38.3%, обе ниже Fable с 52.2%.

Галлюцинации и препятствия

В AA-Omniscience в режиме max доля галлюцинаций у Sol 55%, у Astra 59% (чем ниже, тем лучше). Набор очень сложный, не отражает частоту галлюцинаций в повседневной работе и не доказывает, что Sol надёжнее.

В системной карте отмечено, что обе модели при отчёте о работе чаще пропускают известные препятствия. Снижение SWE-Atlas, замеченное AA (Sol чаще упускает ключевые факты), — это другой показатель, но вместе они служат напоминанием: перед сдачей результата нужна человеческая проверка.

Личный тест: проверка кода у Kazike

Kazike и AIZ小朱 в статье на WeChat на собственном наборе для проверки кода в режиме xhigh сравнили три модели: GPT-6.1 Sol нашла 65% проблем, GPT-6.2 Sol 84%, GPT-6.2 Astra 96%. Это самодельный простой набор автора, задачи и размер выборки не раскрыты. В статье также сказано, что Astra работает примерно вдвое медленнее Sol и находит на десяток с лишним багов больше. На этом основании автор собирается использовать Sol xhigh как модель для проверки по умолчанию. Это решение автора, а не общая рекомендация.

Оно не противоречит выводам AA: проверка кода — это «прочитать код и указать на проблемы», тогда как индекс кодинг-агентов измеряет способность довести длинную задачу до конца в Codex. Это два разных вида работы.

«Близко» по-разному: где именно разрыв

«Sol близка к Astra» означает разное в разных бенчмарках. По официальным диаграммам, использованным в статье, разрыв можно разделить на три группы.

Первая группа, разрыва почти нет: FrontierCode 2.0 (43.8% против 44.2%) и LifeVal (83.8% против 86.1%, разница 2.3 балла). Это задачи более общего характера, и дополнительный бюджет на рассуждение даёт ограниченный выигрыш.

Вторая группа, разрыв заметный: в BenchCAD 2.1 Core у Sol 73.1%, у Astra 82.5%; в Terminal-Bench-Science 68.0% против 77.1%; в AutomationBench (официальная диаграмма) 41.2% против 52.4%; в Harvey LAB-AA 11.1% против 15.0%. В науке, CAD и сложной автоматизации, то есть в «самых трудных проектах», преимущество Astra около 9 баллов, и именно на этом основано разделение ролей двух моделей у OpenAI.

Третья группа, где Sol вообще не продвинулась: научный индекс Vals ниже, чем у предыдущей версии, SWE-Atlas QnA у AA упал на 14 баллов, медицинский набор Surge на 8 баллов.

Итог: сила Sol в том, что она быстрая и её хватает для большинства задач, а не в том, что она улучшилась по всем направлениям. Косвенно «быстро» подтверждает страница научного индекса Vals: на этом индексе Sol в среднем тратит около 19 минут, Astra около 22 минут 15 секунд, а токенов у Sol около 3.21 млн, у Astra около 3.48 млн. Это среднее Vals по трём научным заданиям, на все задачи оно не распространяется.

Почему важно сравнение с предыдущей версией

Многие спрашивают, стоит ли переходить с GPT-6.1 Sol на 6.2 Sol. Официальные диаграммы отвечают скорее положительно: из семи официальных сравнений Sol выше предыдущей версии в каждом, а по GDPval v2 добавляет +5.3 балла. Независимые оценки отвечают неоднозначно: по индексу интеллекта AA Sol близка к GPT-6 Astra, но индекс кодинг-агентов упал, научный индекс Vals чуть снизился, у Surge в нескольких направлениях спад.

Оба ответа могут быть верны одновременно, потому что набор бенчмарков, режим рассуждения и способ подсчёта в официальных диаграммах отличаются от независимых. Переходить или нет, зависит от того, к какому краю ближе ваша нагрузка: если задачи похожи на FrontierCode, LifeVal, BenchCAD, доводов в пользу перехода больше; если это медицинские документы, извлечение из PDF или вопросы-ответы по поиску, сначала сравните старую и новую версии на своей выборке.

Минимальный чек-лист перед запуском

  1. Возьмите около 30 реальных задач, прогоните старую и новую Sol, зафиксировав один режим рассуждения.
  2. По каждой задаче отмечайте, не пропущен ли ключевой факт: именно здесь AA заметила регресс Sol.
  3. Медицину, финансы и PDF считайте отдельно, не усредняя с общими задачами.
  4. Требуйте, чтобы модель при сдаче результата перечисляла встреченные препятствия, и выборочно проверяйте, системная карта предупреждает, что обе модели чаще их пропускают.
  5. Если вы работаете через API, вызывайте инструменты через Responses и задавайте режим рассуждения по документации, значение none использовать нельзя.

Кому Sol подходит по умолчанию

По изложенным данным Sol подходит для:

  • повседневных вопросов, обработки документов, бытовых и офисных задач (направление LifeVal);
  • проверки кода, построения графиков и пакетных агентов, где важна низкая задержка;
  • команд, которые хотят оставить Astra для сложных задач, а остальное отдавать более быстрой модели.

Осторожность нужна:

  • в медицинских, финансовых и насыщенных PDF процессах, где у Surge Sol хуже предыдущей версии;
  • в вопросах-ответах по поиску с жёстким требованием «не упускать факты», здесь снижение SWE-Atlas у AA служит предупреждением;
  • в научных бенчмарках: в научном индексе Vals Sol немного ниже предыдущей версии.

Две частые ошибки интерпретации

Первая: не переносите выводы режима xhigh на режим по умолчанию. Сравнение проверки кода у Kazike сделано в xhigh, индекс кодинг-агентов AA в max, официальные диаграммы показывают «лучшую точку». В Work или Codex вы можете использовать более низкий режим. Чем ниже режим, тем обычно заметнее разрыв Sol и Astra на трудных задачах, это нужно проверять самостоятельно.

Вторая: не описывайте модель одним рейтингом. То, что Sol приблизилась к Astra в FrontierCode, не отменяет её 17.2% в медицинской задаче Surge; то, что она чуть ниже предыдущей версии в научном индексе Vals, не мешает ей обгонять GPT-6 Astra в LifeVal. Каждое число отвечает только на один вопрос.

Что говорили о Sol в первый день

Первичное обсуждение в основном касалось Astra. О Sol прямых отзывов меньше: Kazike рассматривает её как кандидата для ежедневной проверки; сама OpenAI говорит, что внутри многие используют её по умолчанию; вывод Surge — «есть и плюсы, и минусы». Эти высказывания разной природы: слова OpenAI — позиция производителя, Kazike — личный самодельный набор, Surge — независимый набор. Достаточного числа отчётов о длительном использовании Sol с конкретными сценариями мы не видели, поэтому общую оценку «хороша ли Sol» здесь не даём, а лишь показываем, в каких публичных данных она сильна и в каких слаба.

Один из вариантов разделения ролей

Если в команде доступны обе модели, открытые данные поддерживают осторожную схему: повседневные запросы, пакетную проверку, графики и обычную офисную работу отдавать Sol, а к Astra переходить, когда задача относится к научным расчётам, CAD или сложной автоматизации либо когда выборочная проверка показывает, что Sol часто что-то упускает. Оснований три: именно так OpenAI разделила модели; в FrontierCode и LifeVal разрыв очень мал; а в BenchCAD и Terminal-Bench-Science он сосредоточен около 9 баллов.

И наоборот, не стоит по умолчанию передавать Sol медицину, финансы и вопросы-ответы по поиску лишь потому, что она «догнала флагман» в одном бенчмарке. Именно в этих областях Surge и AA зафиксировали спад, и их сначала нужно проверить на своих данных. Эта схема — лишь одно из прочтений открытых данных, а не вывод, проверенный Guishu Intelligence.

Ограничения

С релиза прошёл один день. Часть заданий Surge в тот день ещё выполнялась, а другие таблицы Epoch и Vals ещё обновятся. Всё здесь — сторонние данные и личные тесты, а не результаты Guishu Intelligence. О том, как выбирать между Sol и Astra, см. статью о выборе.

Одной фразой

Sol — эффективная модель OpenAI для повседневной работы и масштабных агентов. В FrontierCode и LifeVal она приближается к флагману прошлого поколения или обходит его, а в кодинг-агентах, научном индексе Vals и медицине Surge откатилась. Её стоит воспринимать как «модель по умолчанию, которой хватает для большинства задач», а не как «обновление по всем направлениям».

Источники

Данные актуальны на 2026-11-18.