GPT-6.2 Astra w pierwszych testach. W czym wygrywa z Claude’em?

Spis treści

    W jednym z pierwszych pokazów GPT-6.2 Astra odtworzyła z dwóch klatek filmu studio nagrań, po którym można się przejść jak w grze. Znacznie mniej przekonująco Astra wypadła za to w przedpremierowym teście redakcji serwisu Every, która poprosiła ją o pomoc w dopracowaniu wstępu do artykułu. Redaktorzy wyżej ocenili propozycję poprzedniej GPT -6.1, poprzedniej wersji. Skąd tak różny odbiór nowego modelu OpenAI? I jak wytłumaczyć wynik testu, w którym Astra wyprzedziła Claude’a Fable 5.2, a wykonanie zadania kosztowało średnio zaledwie 5% tego, co u konkurenta?

    1. Co GPT-6.2 Astra robi lepiej od poprzedniej wersji?

    17 listopada 2026 roku OpenAI udostępniło dwa modele. GPT-6.2 Astra rozwija możliwości wrześniowego modelu GPT-6 Astra w trudniejszych pracach, takich jak analiza danych z wielu źródeł czy wprowadzanie zmian w rozbudowanej aplikacji. Wydany razem z nią GPT-6.2 Sol to tańszy model przeznaczony do codziennych zadań.

    Jedną ze zmian widocznych na pierwszy rzut oka jest chociażby większa samodzielność Astry w przygotowywaniu prezentacji. Model potrafi na podstawie zrzutu ekranu jednego slajdu przygotować kolejne, zachowując układ, kolory i wielkość pisma. W prezentacji wyników kwartalnych pokazanej przez OpenAI Astra ujęła główny wniosek z wykresu w tytule slajdu „Sprzedaż wzrosła o 5,3%”. Taki nagłówek od razu mówi odbiorcy, co wynika z danych. Osoby testujące model przed premierą zauważyły, że dzięki takim tytułom prezentacje wymagały mniej poprawek.

    Prezentacje to jeden z przykładów pracy, do której OpenAI przygotowało nową Astrę. Żeby sprawdzić, jak model radzi sobie także z innymi zadaniami zawodowymi, firma wykorzystała w swoim teście GDPval v2 projekty z takich dziedzin jak finanse i doradztwo. Astra poprawiła wynik poprzedniej wersji o 6,2 punktu procentowego, zużywając o 22% mniej tokenów wyjściowych.

    We wstępie przywołaliśmy pokaz, w którym Astra pomogła odtworzyć studio nagrań z dwóch klatek filmu. Studio powstało w Blenderze jako edytowalna scena 3D, więc prowadzący mógł później wymienić obraz na ścianie albo zmienić oświetlenie. OpenAI pokazało też, jak podobna praca nad projektem może doprowadzić do powstania fizycznego przedmiotu. Zespół zaprojektował z pomocą Astry papierową lampę inspirowaną balkonami wieżowców Marina City w Chicago. Po kilku poprawkach złożył ją ręcznie.

    2. GPT-6.2 Astra, Claude Fable 5.2 i Gemini 4 Carbon. Kto wygrywa w testach?

    Czy przewaga nowej Astry utrzymuje się, gdy model ma wykonać całe zadanie zawodowe od początku do końca? Taką pracę sprawdza Agents’ Last Exam 1.1. Zadania składają się z kilku etapów, a model zbiera punkty także za częściową realizację. W wynikach opublikowanych przez OpenAI GPT-6.2 Astra zdobyła 78,3% możliwych punktów. Najbliżej tego wyniku był Gemini 4 Carbon firmy Google (77,4%). Poprzednia Astra uzyskała 73,1%, a Claude Fable 5.2 firmy Anthropic – 72,8%. Szczególnie duża różnica pojawiła się w kosztach. Według OpenAI średni koszt zadania w GPT-6.2 Astra wyniósł około 5% średniego kosztu zadania w Claude Fable 5.2 i mniej niż jedną trzecią kosztu w poprzedniej Astrze. Przy odczytywaniu tego porównania warto pamiętać, że z wyniku Claude’a wyłączono dziewięć zadań, w których system przełączył się na model rezerwowy.

    Agents’ Last Exam ocenia wykonanie złożonych zadań jako całość. Żeby zobaczyć, jak Astra i Claude wypadają w konkretnych dziedzinach, warto sięgnąć po niezależne testy Artificial Analysis. W tabeli zestawiamy wyniki GPT-6.2 Astra i Claude Fable 5.2 w zadaniach takich jak tworzenie interaktywnych scen 3D czy wprowadzanie zmian w kodzie. W obu modelach wybrano najwyższy dostępny poziom rozumowania, czyli ustawienie pozwalające przeznaczyć na zadanie najwięcej obliczeń.

    GPT-6.2 Astra i Claude Fable 5.2 w testach Artificial Analysis, 17 listopada 2026 r.
    Test i oceniana umiejętność GPT-6.2 Astra Claude Fable 5.2
    Intelligence Index v5.0.1 – łączny wynik zestawu testów 62 pkt 65 pkt
    Terminal-Bench-Science 0.1 – praca naukowa z użyciem narzędzi obliczeniowych 78,1% 73,3%
    FrontierCode-AA 2.0 – zmiany w kodzie spełniające kryteria przyjęcia do projektu 45,4% 48,8%
    Harvey LAB-AA v1.1 – zadania prawnicze oceniane według wszystkich wymagań 15,0% 7,2%
    AA-3D – interaktywne sceny 3D oceniane przez ludzi 1318 pkt Elo 1271 pkt Elo

    W ogólnym rankingu Astra uplasowała się na drugim miejscu, za Fable, a przed Gemini 4 Carbon (60 pkt) i Claude Opus 5.5 (59 pkt). Pierwsze miejsce zajęła w AA-3D, gdzie uczestnicy oglądali po dwie sceny stworzone na podstawie tego samego opisu i wskazywali lepszą, nie znając autora. Punkty Elo odzwierciedlają te wybory. Z kolei w teście prawniczym nawet wynik 15% wystarczył, żeby wyraźnie wyprzedzić Fable. Pełną ocenę można tam uzyskać dopiero po spełnieniu wszystkich kryteriów, a zmyślenie istotnego faktu zeruje wynik zadania.

    3. Ile kosztuje GPT-6.2 Astra i skąd biorą się oszczędności?

    W standardowym cenniku API, czyli interfejsu, przez który aplikacje korzystają z modelu, GPT-6.2 Astra kosztuje 8 USD za milion tokenów wejściowych i 40 USD za milion wyjściowych. Obie stawki spadły o 20% względem GPT-6 Astra. Jeszcze bardziej, bo o 60%, potaniał odczyt danych z pamięci podręcznej. Ta stawka ma znaczenie np. wtedy, gdy aplikacja wielokrotnie przekazuje modelowi tę samą obszerną instrukcję.

    Podstawowe stawki API w USD za milion tokenów, 17 listopada 2026 r.
    Model Nowe dane wejściowe Odczyt z pamięci podręcznej Dane wyjściowe
    GPT-6.2 Astra 8,00 0,40 40,00
    GPT-6 Astra 10,00 1,00 50,00
    GPT-6.2 Sol 2,00 0,10 10,00
    Claude Fable 5.2 8,00 0,20 40,00

    Załóżmy, że przygotowanie raportu wymaga 100 tys. nowych tokenów wejściowych i 10 tys. tokenów wyjściowych. Przy takim zużyciu raport kosztowałby 1,20 USD w nowej Astrze i w Fable, 1,50 USD w poprzedniej Astrze oraz 0,30 USD w Solu. Obliczenie dotyczy standardowego zapytania bez dodatkowych płatnych narzędzi.

    W praktyce jeden model może wracać do pliku kilka razy, zanim znajdzie potrzebne dane, a drugi odszuka je za pierwszym razem. Różni się też liczba tokenów zużytych na przygotowanie odpowiedzi. W zestawie Intelligence Index średni ważony koszt zadania przy maksymalnym poziomie rozumowania wyniósł 4,00 USD dla Astry i 26,54 USD dla Fable, który uzyskał wyższy wynik ogólny. Znaczenie miało nawet pojedyncze ustawienie Astry. Po obniżeniu poziomu rozumowania z max do xhigh koszt zadania spadł do 2,52 USD, a zaokrąglony wynik utrzymał się na poziomie 62 punktów.

    4. Gdzie można korzystać z GPT-6.2 Astra?

    Z Astry można korzystać w ChatGPT Work, w narzędziu Codex oraz przez API OpenAI. Według dokumentacji ChatGPT Work dostęp do modelu obejmuje plany Plus, Pro, Business, Enterprise i Edu. W ChatGPT należy otworzyć tryb Work i w zaawansowanych ustawieniach wyboru modelu wskazać Astrę. W organizacjach korzystających z Enterprise i Edu dostęp włącza administrator. Plany Free i Go nie znalazły się na liście planów obsługujących Astrę w dniu premiery.

    W Codexie model można wybrać w aplikacji lub poleceniem /model w wierszu poleceń. Dla zespołu, który chce wbudować Astrę we własne oprogramowanie, identyfikator w API to gpt-6.2-astra. Tańszy model z tej samej serii jest dostępny jako gpt-6.2-sol.

    5. Co chwalą pierwsi testerzy GPT-6.2 Astra, a co im przeszkadza?

    • Zespół Every, serwisu publikującego analizy i testy narzędzi AI, przez kilka tygodni przed premierą korzystał z GPT-6.2 Astra w codziennej pracy. Żeby sprawdzić, czy nowy model lepiej pomaga w redagowaniu tekstu, testerzy dali obu wersjom Astry ten sam artykuł o wydatkach na AI i poprosili o uwagi do tytułu i wstępu. Starszy model najpierw wskazał najciekawszą myśl tekstu — firma może wydawać na AI za mało — i zaproponował tytuł „Twój rachunek za AI może być za niski”. GPT-6.2 Astra od razu podała przeredagowany wstęp pod tytułem „A jeśli zużywamy za mało tokenów?”, a uwagi zostawiła na koniec. Dan Shipper, współzałożyciel Every, wolał tytuł zaproponowany przez starszą Astrę. Zastrzeżenia do wstępu przygotowanego przez nowy model wyjaśnił w omówieniu przedpremierowych testów.
    • Zespół Every sprawdził też, jak Astra radzi sobie z zadaniami programistycznymi. Gdy model miał wybrać zadanie z listy, dokładnie sprawdzał, czy ktoś już go nie wykonał. Przy budowie całej aplikacji zdarzało mu się jednak kończyć pracę za wcześnie, a zmiany przygotowane przez Claude Fable 5.2 łatwiej było włączyć do projektu. W osobnym indeksie Artificial Analysis, poświęconym pracy agentów programistycznych, nowa Astra uzyskała wynik zbliżony do poprzedniej wersji.
    • Czy Astra potrafi dopasować wygląd projektu do jego tematu? Peter Gostev sprawdzał to dla serwisu Arena, zlecając modelowi tworzenie stron internetowych i interaktywnych scen 3D. W scenach zwrócił uwagę na szczegóły fasad i sposób, w jaki Astra oddała światło na wodzie. Przy stronach dostrzegł powtarzalność układów. Witryna promująca paradę i strona lokalu sushi wyglądały bardzo podobnie, choć powstały na podstawie różnych poleceń.
    • Ethan Mollick, profesor Wharton School, postawił przed Astrą bardziej złożone zadanie niż stworzenie samej sceny 3D. Poprosił model o zbudowanie w Blenderze i Unity symulacji przejażdżki windą kosmiczną, którą można samodzielnie wypróbować. Efekt ocenił dobrze. Z jego pozostałych prób wynikało jednak, że trudniej było mu pokierować Astrą, gdy zależało mu na uzyskaniu konkretnego rezultatu.

    6. Czy GPT-6.2 Astra to przełom dla firm?

    W pierwszych testach GPT-6.2 Astra wykonywała złożone, wieloetapowe zadania taniej niż jej poprzedniczka. Ta różnica może mieć znaczenie dla firmy, która co tydzień zbiera dane z kilku arkuszy, opracowuje raport i przenosi wnioski do prezentacji według stałego wzoru. Przy takiej częstotliwości nawet niewielka oszczędność na jednym raporcie może dać zauważalny efekt w skali roku. Żeby ocenić, ile firma rzeczywiście zyskuje, trzeba uwzględnić także czas potrzebny na sprawdzenie i poprawienie wyniku. Ta sama zasada dotyczy tworzenia oprogramowania. Jeśli programista musi kilkakrotnie prosić model o dokończenie zmiany, jego czas może pochłonąć część oszczędności.

    Ten dodatkowy czas ma znaczenie, gdy wybór sprowadza się do Astry i tańszego GPT-6.2 Sol. W teście FrontierCode 2.0 firmy Cognition, który sprawdza, czy zmiana w kodzie spełnia wymagania projektu, Sol uzyskał wynik o mniej niż pół punktu procentowego niższy od Astry. Przy najwyższym poziomie rozumowania obu modeli zadanie kosztowało w Solu średnio około jednej piątej tego, co w Astrze. W firmowym projekcie warto więc porównać koszt całej zmiany, aż do jej przyjęcia przez zespół. Dopiero po doliczeniu czasu na sprawdzenie kodu i poprawki widać, ile z tej oszczędności zostaje.

    Przy wyborze modelu do codziennych zadań programistycznych warto porównać Astrę także z tańszym GPT-6.2 Sol. W teście FrontierCode 2.0 firmy Cognition Sol uzyskał wynik niższy o mniej niż pół punktu procentowego, a średni koszt zadania wyniósł około jednej piątej kosztu Astry. Oba modele pracowały przy najwyższym poziomie rozumowania. W firmowym pilotażu można pójść o krok dalej i policzyć, ile kosztuje zmiana, która przeszła testy i została przyjęta do projektu. Taka miara uwzględnia również czas programisty poświęcony na sprawdzenie kodu i poprawki. Takie porównanie pomaga ocenić, gdzie warto wykorzystać agentów AI w tworzeniu oprogramowania.

    7. Sprawdź, który model AI sprawdzi się w Twojej firmie

    Zacznij od zadania, które Twój zespół wykonuje regularnie i którego koszt już znasz, na przykład przygotowania miesięcznego raportu sprzedaży. W TTMS pomożemy porównać modele na tym samym zadaniu i policzyć pełny koszt uzyskania raportu gotowego do wysłania. Uwzględnimy zarówno koszt pracy modelu, jak i czas zespołu potrzebny na sprawdzenie danych i wprowadzenie poprawek. Taki pilotaż możemy zaplanować wspólnie w ramach doradztwa AI w TTMS.

    Czy abonament ChatGPT Plus obejmuje dostęp do GPT-6.2 Astra przez API?

    OpenAI rozlicza abonament ChatGPT i korzystanie z API osobno. W ramach Plus możesz wybrać Astrę w ChatGPT Work i korzystać z limitów swojego planu. Jeżeli używasz Astry we własnej aplikacji, na przykład do automatycznego przygotowywania raportów, opłaty za wywołania modelu trafiają na konto API. Oba rozliczenia są oddzielne także wtedy, gdy logujesz się tym samym adresem e-mail.

    Jak długi dokument może przeanalizować GPT-6.2 Astra?

    W API Astra może przyjąć do 922 tys. tokenów wejściowych w jednym zapytaniu. Do tego limitu wlicza się tekst dokumentu, polecenie i wcześniejsze wiadomości przekazane modelowi. Przy dużych zestawach materiałów znaczenie ma też próg cenowy. Po przekroczeniu 272 tys. tokenów wejściowych stawki za wejście i pamięć podręczną rosną dwukrotnie, a stawka za tokeny wyjściowe o połowę. Wyższe stawki dotyczą całego zapytania.

    Czy tryb Ultrafast przyspiesza całe zadanie w GPT-6.2 Astra?

    Według OpenAI Astra w trybie Ultrafast może generować tokeny do 4,5 raza szybciej niż w trybie standardowym. Różnica będzie najbardziej widoczna, gdy model poświęca dużą część czasu na generowanie odpowiedzi. Jeśli po drodze musi otworzyć pliki albo poczekać na wynik zewnętrznego narzędzia, całe zadanie może przyspieszyć w mniejszym stopniu. W ChatGPT Work i Codexie Ultrafast szybciej zużywa też limit planu lub dostępne kredyty.

    Czy GPT-6.2 Astra może stworzyć scenę 3D na podstawie zdjęcia?

    Tak, jeśli ma dostęp do środowiska, w którym może zbudować lub wyrenderować scenę. Astra przyjmuje obrazy jako materiał odniesienia, a w API zwraca tekst, w tym kod. W pokazie ze studiem nagrań wykorzystano Codex do pracy z Astrą, a scena powstała w Blenderze. Dzięki temu prowadzący mógł później zmienić oświetlenie i obejrzeć pomieszczenie z innej perspektywy.

    Jak sprawdzić, czy Astra uwzględniła wszystkie pliki w analizie?

    Jeśli raport ma powstać z kilku arkuszy, poproś Astrę o listę wykorzystanych plików i wskazanie tych, których nie udało się otworzyć. Możesz też poprosić o podanie nazwy arkusza przy każdej kluczowej liczbie. W specjalnie przygotowanym teście OpenAI nowa Astra częściej niż poprzedniczka pomijała informację o przeszkodzie, którą napotkała podczas pracy. Lista plików i wskazanie źródeł danych pozwalają sprawdzić, na czym model oparł wnioski.

    Wiktor Janicki

    Transition Technologies MS świadczy usługi informatyczne terminowo, o wysokiej jakości i zgodnie z podpisaną umową. Polecamy firmę TTMS jako godnego zaufania i rzetelnego dostawcę usług IT oraz partnera wdrożeniowego Salesforce.

    Czytaj więcej
    Julien Guillot Schneider Electric

    TTMS od lat pomaga nam w zakresie konfiguracji i zarządzania urządzeniami zabezpieczającymi z wykorzystaniem różnych technologii. Ueługi świadczone przez TTMS są realizowane terminowo, i zgodnie z umową.

    Czytaj więcej

    Już dziś możemy pomóc Ci rosnąć

    Porozmawiajmy, jak możemy wesprzeć Twój biznes

    TTMC Contact person
    Monika Radomska

    Sales Manager