GPT-Image 2.6 Flare e Sunburst sono disponibiliDa $0.025 per immagine

GPT-6.2 Astra vs Sol: prezzo, velocità e costo per attività

Tre attività di coding identiche, due modelli, una sola API: fin dove arriva il più economico e cosa aggiunge il modello di punta sul lavoro difficile.

Kiki, OmniaKey COO10 min di lettura
In questa pagina

Il confronto GPT-6.2 Astra vs Sol si decide prima sul prezzo: Astra costa $8 per milione di token in ingresso e $40 per milione in uscita, quattro volte i $2 e $10 di Sol. Nelle tre piccole attività di coding che abbiamo eseguito il 19 nov 2026 entrambi hanno superato ogni controllo; con le tariffe Standard di OpenAI, Sol è costato circa un quarto.

Sol è il modello da provare per primo sul lavoro breve e ben specificato. Il caso di Astra sono le attività più difficili e aperte: nei test di coding indipendenti è avanti con la stessa etichetta medium, 2.5 punti su Terminal-Bench 4.0 e 5.2 su FrontierCode. Il guadagno dipende dal fatto che quei punti eliminino lavoro da rifare, quindi prova prima le attività complesse su cui Sol sbaglia, poi valuta se pagare Astra.

Coding di routine, volumi alti

GPT-6.2 Sol

Ha superato tutte e tre le nostre attività con circa un quarto del costo di Astra alle tariffe Standard di OpenAI. $2 in ingresso e $10 in uscita per milione di token.

Lavoro difficile e aperto

GPT-6.2 Astra

Avanti nei test di coding indipendenti con la stessa etichetta medium. $8 in ingresso e $40 in uscita per milione di token.

GPT-6.2 Astra vs Sol: cosa cambia tra i due?

La pagina di Astra, la pagina di Sol e la pagina dei prezzi di OpenAI elencano la stessa finestra di contesto, lo stesso limite di uscita, gli stessi livelli di ragionamento e gli stessi limiti di richieste. A cambiare davvero sono l'ID del modello, il prezzo per token e la data di taglio delle conoscenze.

VoceAstraSol
ID modellogpt-6.2-astragpt-6.2-sol
Uscita17 nov 202617 nov 2026
Finestra di contesto1,050,000 token1,050,000 token
Ingresso massimo922,000 token922,000 token
Uscita massima128,000 token128,000 token
Taglio conoscenze18 mag 20261 giu 2026
Livelli di ragionamentoda low a maxda low a max
Ingresso$8$2
Ingresso in cache$0.40$0.10
Scrittura cache, 30 min$10$2.50
Uscita$40$10
Uscita oltre 272K in ingresso$60$15

Le tariffe Standard di Astra sono esattamente il quadruplo di quelle di Sol su ogni riga, comprese la scrittura in cache e le righe per il contesto lungo.

I due modelli sono usciti nella stessa voce di changelog del 17 nov 2026. L'annuncio di lancio di OpenAI dice che gli utenti Plus, Pro, Enterprise ed Edu li hanno entrambi in ChatGPT Work e Codex; nei workspace Enterprise ed Edu deve attivarli un amministratore. Nell'API i due ID sono attivi sugli stessi endpoint, e nei piani Pro il Pro 200 parte con Sol mentre il Pro 500 può usare entrambi.

Due dettagli sfuggono facilmente. Entrambi gli endpoint, Responses e Chat Completions, funzionano con i due ID; per chiamare i tool serve l'API Responses. Entrambi i modelli accettano testo e immagini in ingresso e restituiscono testo, quindi nessuno produce audio o video. Anche i limiti di richieste coincidono a ogni livello, dalle 5,000 richieste e 1 milione di token al minuto di Build fino a 15,000 e 40 milioni di Grow.

Ogni modello ha anche un suo testo: i dettagli di rilascio di GPT-6.2 Astra e l'analisi di GPT-6.2 Sol.

Quanto costa una richiesta alle tariffe di OpenAI?

$0.16 su Astra e $0.04 su Sol per un prompt da 10,000 token e 2,000 token in uscita, con le tariffe Standard di OpenAI.

Il conto per Astra: 10,000 × $8 ÷ 1,000,000 = $0.08 di ingresso e 2,000 × $40 ÷ 1,000,000 = $0.08 di uscita. Per Sol: 10,000 × $2 ÷ 1,000,000 = $0.02 più 2,000 × $10 ÷ 1,000,000 = $0.02. Cento richieste di quella forma costano $16 su Astra e $4 su Sol.

I token di ragionamento contano come token di uscita e non hanno una riga di prezzo separata, quindi alzare l'impegno aumenta la spesa perché si scrive più uscita, non perché cambi il contatore. Sui prompt lunghi il divario resta lo stesso. Oltre 272,000 token in ingresso, OpenAI raddoppia le tariffe di ingresso e cache e applica 1.5 volte la tariffa di uscita per contesto breve all'intera richiesta. Con 300,000 token in ingresso e 2,000 in uscita, Astra paga 300,000 × $16 ÷ 1,000,000 = $4.80 più 2,000 × $60 ÷ 1,000,000 = $0.12, cioè $4.92. Sol paga $1.20 più $0.03, cioè $1.23. Sol costa esattamente un quarto. L'elaborazione batch dimezza le tariffe di entrambi i modelli, quindi il divario resta anche lì.

Cosa è successo nelle nostre tre piccole attività di coding?

Entrambi i modelli hanno superato ogni controllo in tutte e tre le attività. Astra è stato più veloce nelle due attività Python, Sol in quella SQL.

Abbiamo inviato ogni prompt una volta a ciascun modello tramite l'endpoint Responses di OmniaKey il 19 nov 2026, con ragionamento medium, limite di 4,096 token in uscita, streaming e nessun tool. Abbiamo alternato l'ordine dei modelli e non fatto nuovi tentativi, per sei chiamate in totale. OmniaKey vende l'accesso a entrambi i modelli e i test sono passati da lì. Ogni dollaro in questa sezione è ricalcolato dai token riportati con le tariffe Standard di OpenAI, non da una fattura OmniaKey.

Le attività erano un selettore dell'ultimo evento, un'unione di intervalli e una query sui rimborsi. Ognuna girava su casi limite fissi più 100 casi pseudocasuali deterministici con seme 20261119: 104 casi per l'ultimo evento, 106 per gli intervalli e 102 per SQL. Quei numeri sono casi di test, non esecuzioni separate del modello. Comportamento atteso: un solo evento scelto per ID, minuti di intervallo mai contati due volte e rimborsi sottratti una volta per pagamento.

I tre prompt, esattamente come inviati:

Prompt 1: ultimi eventi

Return ONLY Python 3 code defining total_paid(events). Do not import modules or print. Each event is a dict with id (string), version (integer), status (string) and cents (integer). Select the event with the largest version per id; when versions tie, the later item in the input wins. Return the sum of cents only for selected events whose status is "paid". Input may be empty. Do not mutate the list or its dicts. The algorithm must run in O(n) time and support negative cents. Example: [{"id":"a","version":2,"status":"paid","cents":50},{"id":"a","version":1,"status":"paid","cents":200},{"id":"b","version":1,"status":"void","cents":20}] returns 50. Do not include tests or explanations.

Prompt 2: unione di intervalli

Return ONLY Python 3 code defining union_minutes(intervals). Do not import modules or print. intervals is a list of two-integer [start,end] pairs representing half-open ranges in minutes, with start <= end. Values can be negative and pairs can be unsorted. Return the total length of their union. Adjacent, overlapping, nested and duplicate intervals must not be double-counted. Zero-length ranges add nothing. Empty input returns 0. Do not mutate the list or any pair. Use O(n log n) time and O(n) extra space or better. Example: [[5,10],[1,6],[10,12],[3,3]] returns 11. Do not include tests or explanations.

Prompt 3: rimborsi in SQL

Return ONLY one SQLite SELECT query, optionally with WITH common table expressions. No explanation or Markdown. Tables: payments(id INTEGER PRIMARY KEY, customer_id INTEGER NOT NULL, amount_cents INTEGER NOT NULL, status TEXT NOT NULL); refunds(id INTEGER PRIMARY KEY, payment_id INTEGER NOT NULL, amount_cents INTEGER NOT NULL, status TEXT NOT NULL). Return customer_id, net_cents for each customer with at least one payment whose status is 'paid', including customers whose net is zero or negative. net_cents is the sum of their paid payment amounts minus only refunds with status 'succeeded' attached to those paid payments. Exclude unpaid payments and refunds on them. A payment can have zero or multiple refunds. Do not multiply payment amounts when joining refunds. Sort by customer_id ascending. Use only these two tables.

AttivitàAstraSol
Ultimo evento per ID104/104, 4.2 s104/104, 5.0 s
Unione di intervalli106/106, 4.4 s106/106, 6.5 s
Rimborsi in SQL102/102, 6.0 s102/102, 4.9 s
Totale3 attività, 14.6 s3 attività, 16.4 s

I token dietro quei costi, e il costo alle tariffe Standard ufficiali:

AttivitàIngressoUscita AstraUscita Sol
Ultimo evento per ID4,5588193
Unione di intervalli4,53281149
Rimborsi in SQL4,550113128
Totale13,640275370
AttivitàAstraSol
Ultimo evento per ID$0.0397$0.0100
Unione di intervalli$0.0395$0.0106
Rimborsi in SQL$0.0409$0.0104
Tre chiamate per modello$0.1201$0.0310

Ogni richiesta ha riportato circa 4,380 token di istruzioni oltre il prompt visibile, uguali per i due modelli. Abbiamo tenuto tutti i 13,640 token in ingresso nel calcolo invece di stimare dalla lunghezza del prompt. Non sono tornati né cache hit né scritture in cache. Sol ha speso 10, 47 e 13 token di ragionamento dentro i suoi totali di uscita; Astra non ne ha riportato nessuno.

Il codice si è comportato allo stesso modo. Entrambi tengono la versione più alta per ID e risolvono un pareggio con l'elemento successivo nell'ordine di input, nessuno modifica l'ingresso, ed entrambi sommano i rimborsi riusciti prima di unire i pagamenti, così più rimborsi non moltiplicano un pagamento.

Sono sei chiamate in tutto, quindi leggi i tempi come una singola osservazione per modello, non come una classifica di velocità. I tassi di superamento mostrano che entrambi i modelli chiudono attività delimitate in un solo turno; dicono poco su una lunga sessione ad agente con repository, tool e nuovi tentativi.

Dove i test indipendenti mostrano una differenza?

Artificial Analysis mette Astra davanti in entrambi i test di coding con la stessa etichetta medium: 2.5 punti su Terminal-Bench 4.0 e 5.2 punti su FrontierCode.

MisuraAstraSol
Intelligence Index5753
Terminal-Bench 4.058.6%56.1%
FrontierCode-AA2.046.6%41.4%
Tempo per attività4.5 min3.3 min
Costo per attività$1.62$0.41

Sono i dati attuali del confronto di Artificial Analysis, controllati il 19 nov 2026. Il suo Intelligence Index v5.0.1 copre nove valutazioni e il coding vale 25% del punteggio. La pagina di confronto è un'istantanea live e non riporta una data di esecuzione separata, quindi prendi i numeri come attuali e non come fissi. Etichetta medium le righe di entrambi i modelli, che è l'impostazione di OpenAI; l'etichetta da sola non dimostra che i due modelli abbiano speso gli stessi token. Questi test sono attività lunghe in stile agente, per questo lì un'attività costa dollari e nella nostra esecuzione a un solo turno costa centesimi.

All'impegno max la stessa pagina dà 62 ad Astra e 57 a Sol sull'indice, con 13.9 e 8.7 minuti per attività e $4.00 e $1.01 per attività. Astra su high e Sol su max arrivano entrambi a 60.1% su Terminal-Bench 4.0. Il punteggio FrontierCode di Astra è più alto su xhigh (49.0%) che su max (45.4%), quindi alzare l'impostazione non migliora ogni punteggio. Confrontare Astra su max con Sol su low favorirebbe Astra; allineare le etichette è il confronto più pulito, anche se la stessa etichetta non significa che i due modelli abbiano speso gli stessi token.

Quale impegno di ragionamento conviene usare?

Parti da medium su entrambi. È l'impostazione dietro i punteggi indipendenti qui sopra, e la guida alla scelta del modello di OpenAI consiglia Sol su medium per la maggior parte dei flussi di lavoro con l'API.

Entrambi i modelli accettano low, medium, high, xhigh e max, e entrambi rifiutano none. OpenAI suggerisce di iniziare una nuova integrazione su medium e di usare low al posto di none o minimal. Le impostazioni più alte di solito scrivono più token in uscita e nelle esecuzioni pubblicate hanno richiesto più tempo in media, ma non alzano ogni punteggio. I livelli alti servono alle attività che richiedono più controlli, non a ogni chiamata.

L'elenco di OpenAI per tipo di attività è un valore predefinito ragionevole. Mette Sol su medium per correggere bug e aggiungere funzioni in codice esistente, Sol su extra high per attività a più passaggi che richiedono test e revisione, e Astra su extra high per problemi aperti in cui vanno pesati compromessi. Quelle valutazioni sono stime e la guida non fornisce punteggi a supporto.

Quale modello usare per il coding di tutti i giorni?

Parti da Sol. Passa ad Astra quando le tue attività difficili continuano a fallire su Sol, perché il vantaggio indipendente di Astra è di pochi punti mentre il prezzo per token è quattro volte quello di Sol.

Sul lavoro di routine e ben specificato, come le tre attività qui sopra, Sol ha tenuto testa ad Astra controllo per controllo con circa un quarto del costo. Nei test indipendenti il vantaggio di Astra con etichetta medium è di 2.5 punti su Terminal-Bench 4.0 su 100 e di 5.2 punti su FrontierCode.

Metti il prezzo del divario accanto al lavoro che risparmia. Con 10,000 token in ingresso e 2,000 in uscita, 100 chiamate ad Astra costano $12 più di 100 chiamate a Sol. Confronta quella cifra con quanto ti costa un nuovo tentativo, un giro di revisione o una risposta sbagliata; solo le tue attività possono quantificarlo.

Un modo pratico per misurarlo: prendi 20 attività complesse recenti in cui Sol ha avuto bisogno di un secondo passaggio, eseguile su Astra con high o xhigh e confronta la spesa extra con il lavoro che elimina. Se Astra cambia solo risposte che avresti accettato comunque, tieni Sol.

Come provare entrambi con la stessa API?

Punta l'SDK di OpenAI sull'URL di base di OmniaKey https://api.omniakey.com/v1, tieni la chiave in OMNIAKEY_API_KEY e cambia una sola stringa per passare da un modello all'altro. Entrambe le famiglie di endpoint funzionano con i due ID; usa Responses se prevedi di chiamare i tool.

python
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["OMNIAKEY_API_KEY"],
    base_url="https://api.omniakey.com/v1",
)

prompt = (
    "Return ONLY Python 3 code defining union_minutes(intervals). Do not import "
    "modules or print. intervals is a list of two-integer [start,end] pairs "
    "representing half-open ranges in minutes, with start <= end. Values can be "
    "negative and pairs can be unsorted. Return the total length of their union. "
    "Adjacent, overlapping, nested and duplicate intervals must not be "
    "double-counted. Zero-length ranges add nothing. Empty input returns 0. Do not "
    "mutate the list or any pair. Use O(n log n) time and O(n) extra space or better. "
    "Example: [[5,10],[1,6],[10,12],[3,3]] returns 11. Do not include tests or "
    "explanations."
)

response = client.responses.create(
    model="gpt-6.2-sol",  # or "gpt-6.2-astra"
    reasoning={"effort": "medium"},
    max_output_tokens=4096,
    input=prompt,
    stream=True,
)
for event in response:
    if event.type == "response.output_text.delta":
        print(event.delta, end="")

È la forma di richiesta usata per le tre attività, con il prompt sull'unione di intervalli qui sopra per intero. Il blocco usage della risposta riporta i token in ingresso e in uscita, e il totale in uscita include i token di ragionamento.

Entrambi gli endpoint funzionano con i due ID. Usa Responses quando ti servono tool; Chat Completions serve le richieste senza. La vecchia guida alla configurazione di GPT-6 Astra copre lo stesso endpoint, Codex e la correzione degli errori; sostituisci con gpt-6.2-astra o gpt-6.2-sol dove è nominato il modello.

Le tariffe attuali di OmniaKey per entrambi sono sulla pagina del modello GPT-6.2 Astra e sulla pagina del modello GPT-6.2 Sol.

Domande frequenti

GPT-6.2 Sol basta per il coding?

Nelle nostre tre piccole attività ha tenuto testa ad Astra controllo per controllo. Artificial Analysis mette ancora Astra 2.5 punti avanti su Terminal-Bench 4.0 con etichetta medium, quindi Sol è una scelta predefinita sensata e Astra la copertura per il lavoro più difficile.

Quanto è più economico GPT-6.2 Sol rispetto ad Astra?

Sol costa un quarto, cioè 75% in meno su ogni tariffa Standard: $2 in ingresso e $10 in uscita per milione di token contro $8 e $40. Le nostre tre attività sono risultate distanti da 3.7 a 4.0 volte, e 100 richieste da 10,000 in ingresso e 2,000 in uscita costano $4 contro $16.

Quale livello di impegno usare con GPT-6.2?

Medium su entrambi. Entrambi rifiutano none, e OpenAI raccomanda medium per una nuova integrazione. Alzalo per il lavoro a più passaggi che richiede test e revisione. I livelli alti non sono automaticamente più lenti o migliori: il punteggio FrontierCode di Astra è più alto su xhigh che su max.

Qualcuno dei due accetta immagini o chiama tool?

Entrambi accettano testo e immagini e restituiscono testo; audio e video non sono supportati. Entrambi gli endpoint funzionano, e la chiamata ai tool richiede l'API Responses.

Fonti verificate

Prezzi e limiti verificati il 19 nov 2026.

Cronologia aggiornamenti

  • 19 nov 2026: prima versione. Tre attività eseguite su OmniaKey lo stesso giorno; prezzi, limiti e punteggi indipendenti verificati quel giorno.

Modelli citati in questo articolo

GPT-6.2 AstraGPT-6.2 Solconfronto tra modelliprezzi APIcoding

Articoli correlati

Articoli recenti

Guide popolari