# GPT-6.2 Astra vs Sol: цена, скорость и стоимость задачи

> Сравниваем Astra и Sol в программировании, уровне рассуждений, времени ответа и стоимости одной задачи. Где флагман оправдан, а где хватает Sol.

- Canonical HTML: https://omniakey.com/ru/blog/gpt-6-2-astra-vs-sol
- Markdown: https://omniakey.com/ru/blog/gpt-6-2-astra-vs-sol.md
- Published: 2026-11-19 (updated 2026-11-19)
- Author: Kiki, COO at OmniaKey
- Language: ru
- Category: Comparison
- Reading time: 10 min
- All posts: https://omniakey.com/blog/llms.txt

---

Сравнение GPT-6.2 Astra vs Sol начинается с цены: [Astra](https://omniakey.com/ru/gpt-6-2-astra) берёт $8 за миллион входных токенов и $40 за миллион выходных, то есть вчетверо больше, чем $2 и $10 у [Sol](https://omniakey.com/ru/gpt-6-2-sol). В трёх небольших заданиях по коду, которые мы прогнали 19 ноября 2026 года, обе модели прошли все проверки; по тарифам Standard от OpenAI Sol обошёлся примерно в четверть.

Sol стоит пробовать первым на короткой и хорошо описанной работе. Аргумент Astra — более сложные и открытые задачи: в [независимых тестах по коду](https://artificialanalysis.ai/models/comparisons/gpt-6-2-astra-vs-gpt-6-2-sol) она впереди при одинаковой пометке medium, на 2.5 балла в Terminal-Bench 4.0 и на 5.2 в FrontierCode. Выигрыш зависит от того, убирают ли эти баллы переделку, поэтому сначала прогоните сложные задачи, на которых Sol ошибается, и только потом платите за Astra.

- **GPT-6.2 Sol** (Рутинный код, большие объёмы): Прошла все три наших небольших задания примерно за четверть стоимости Astra по тарифам Standard от OpenAI. $2 на входе и $10 на выходе за миллион токенов.
- **GPT-6.2 Astra** (Сложная открытая работа): Впереди в независимых тестах по коду при той же пометке medium. $8 на входе и $40 на выходе за миллион токенов.

## GPT-6.2 Astra vs Sol: чем они различаются

На [странице Astra](https://developers.openai.com/api/docs/models/gpt-6.2-astra), [странице Sol](https://developers.openai.com/api/docs/models/gpt-6.2-sol) и [странице цен](https://developers.openai.com/api/docs/pricing) OpenAI указаны одинаковые окно контекста, предел вывода, уровни рассуждений и лимиты запросов. Реально различаются ID модели, цена за токен и дата отсечки знаний.

|Пункт|Astra|Sol|
|-|-|-|
|ID модели|`gpt-6.2-astra`|`gpt-6.2-sol`|
|Выпуск|17 ноя 2026|17 ноя 2026|
|Окно контекста|1,050,000 токенов|1,050,000 токенов|
|Максимум входа|922,000 токенов|922,000 токенов|
|Максимум выхода|128,000 токенов|128,000 токенов|
|Отсечка знаний|18 мая 2026|1 июн 2026|
|Уровни рассуждений|от low до max|от low до max|
|Вход|$8|$2|
|Вход из кэша|$0.40|$0.10|
|Запись в кэш, 30 мин|$10|$2.50|
|Выход|$40|$10|
|Выход при входе свыше 272K|$60|$15|

Тарифы Standard у Astra ровно вчетверо выше, чем у Sol, в каждой строке, включая запись в кэш и строки для длинного контекста.

Обе модели вышли в одной [записи журнала изменений от 17 ноября 2026 года](https://developers.openai.com/api/docs/changelog). В [анонсе запуска](https://openai.com/index/introducing-gpt-6-2-astra-sol/) OpenAI говорит, что пользователи Plus, Pro, Enterprise и Edu получают обе модели в ChatGPT Work и Codex; в рабочих пространствах Enterprise и Edu их должен включить администратор. В API оба ID работают на одних и тех же эндпоинтах, а на тарифах Pro модель Pro 200 начинает с Sol, тогда как Pro 500 может использовать обе.

Две детали легко пропустить. Оба эндпоинта, Responses и Chat Completions, работают с обоими ID; для вызова инструментов нужен API Responses. Обе модели принимают текст и изображения, а возвращают текст, поэтому ни одна не создаёт аудио или видео. Лимиты запросов тоже совпадают на каждом уровне: от 5,000 запросов и 1 миллиона токенов в минуту на Build до 15,000 и 40 миллионов на Grow.

У каждой модели есть и отдельный материал: [подробности выпуска GPT-6.2 Astra](https://omniakey.com/ru/blog/gpt-6-2-astra) и [разбор GPT-6.2 Sol](https://omniakey.com/ru/blog/gpt-6-2-sol).

## Сколько стоит один запрос по тарифам OpenAI

$0.16 у Astra и $0.04 у Sol за промпт на 10,000 токенов и 2,000 токенов вывода, по [тарифам Standard от OpenAI](https://developers.openai.com/api/docs/pricing).

Арифметика для Astra: 10,000 × $8 ÷ 1,000,000 = $0.08 за вход и 2,000 × $40 ÷ 1,000,000 = $0.08 за выход. Для Sol: 10,000 × $2 ÷ 1,000,000 = $0.02 плюс 2,000 × $10 ÷ 1,000,000 = $0.02. Сто таких запросов стоят $16 у Astra и $4 у Sol.

Токены рассуждений считаются выходными и отдельной строки в тарифах не имеют, поэтому высокий уровень поднимает счёт за счёт более длинного вывода, а не другого счётчика. На длинных промптах разрыв тот же. Свыше 272,000 входных токенов OpenAI удваивает тарифы на вход и кэш и берёт 1.5 от тарифа вывода для короткого контекста на весь запрос. При 300,000 входных токенов и 2,000 выходных Astra платит 300,000 × $16 ÷ 1,000,000 = $4.80 плюс 2,000 × $60 ÷ 1,000,000 = $0.12, то есть $4.92. Sol платит $1.20 плюс $0.03, то есть $1.23. Sol стоит ровно четверть. Пакетная обработка вдвое снижает тарифы обеих моделей, так что разрыв сохраняется и там.

## Что получилось в трёх небольших заданиях по коду

Обе модели прошли все проверки во всех трёх заданиях. Astra была быстрее в двух заданиях на Python, Sol — в задании на SQL.

19 ноября 2026 года мы отправили каждый промпт по одному разу каждой модели через эндпоинт Responses в OmniaKey: рассуждения medium, предел вывода 4,096 токенов, потоковая передача, без инструментов. Порядок моделей чередовали, повторов не делали, всего шесть вызовов. OmniaKey продаёт доступ к обеим моделям, и тесты шли через него. Каждый доллар в этом разделе пересчитан из сообщённых токенов по тарифам Standard от OpenAI, а не взят из счёта OmniaKey.

Задания были такие: выбрать последнее событие, объединить интервалы и посчитать возвраты. Каждое проверялось на фиксированных крайних случаях и на 100 детерминированных псевдослучайных случаях с зерном 20261119: 104 случая для последнего события, 106 для интервалов и 102 для SQL. Это число тестовых случаев, а не отдельных запусков модели. Ожидаемое поведение: одно выбранное событие на ID, минуты интервалов не считаются дважды, а возвраты вычитаются один раз на платёж.

Три промпта, ровно как отправляли:

### Промпт 1: последние события

> 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.

### Промпт 2: объединение интервалов

> 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.

### Промпт 3: возвраты на 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.

|Задание|Astra|Sol|
|-|-|-|
|Последнее событие на ID|104/104, 4.2 с|104/104, 5.0 с|
|Объединение интервалов|106/106, 4.4 с|106/106, 6.5 с|
|Возвраты на SQL|102/102, 6.0 с|102/102, 4.9 с|
|Итого|3 задания, 14.6 с|3 задания, 16.4 с|

Токены, из которых сложились эти суммы, и стоимость по официальным тарифам Standard:

|Задание|Вход|Выход Astra|Выход Sol|
|-|-|-|-|
|Последнее событие на ID|4,558|81|93|
|Объединение интервалов|4,532|81|149|
|Возвраты на SQL|4,550|113|128|
|Итого|13,640|275|370|

|Задание|Astra|Sol|
|-|-|-|
|Последнее событие на ID|$0.0397|$0.0100|
|Объединение интервалов|$0.0395|$0.0106|
|Возвраты на SQL|$0.0409|$0.0104|
|Три вызова на модель|$0.1201|$0.0310|

Каждый запрос сообщал около 4,380 токенов инструкций сверх видимого промпта, одинаково у обеих моделей. В расчёт мы взяли все 13,640 входных токенов, а не оценку по длине промпта. Попаданий в кэш и записей в кэш не было. Sol потратила 10, 47 и 13 токенов рассуждений внутри своих сумм вывода; Astra не сообщила ни одного.

Код вёл себя одинаково. Обе модели оставляют событие с наибольшей версией на каждый ID и при равенстве версий берут более поздний элемент, обе не меняют вход, и обе сначала суммируют успешные возвраты, а потом соединяют их с платежами, чтобы несколько возвратов не размножили платёж.

Всего вызовов шесть, поэтому времена читайте как одно наблюдение на модель, а не как рейтинг скорости. Доли пройденных проверок показывают, что обе модели справляются с ограниченными заданиями в один ход; о долгой сессии агента с репозиторием, инструментами и повторами они говорят мало.

## Где независимые тесты показывают разницу

Artificial Analysis ставит Astra вперёд в обоих тестах по коду при одинаковой пометке medium: на 2.5 балла в Terminal-Bench 4.0 и на 5.2 балла в FrontierCode.

|Показатель|Astra|Sol|
|-|-|-|
|Intelligence Index|57|53|
|Terminal-Bench 4.0|58.6%|56.1%|
|FrontierCode-AA2.0|46.6%|41.4%|
|Время на задачу|4.5 мин|3.3 мин|
|Стоимость задачи|$1.62|$0.41|

Это [текущие цифры сравнения Artificial Analysis](https://artificialanalysis.ai/models/comparisons/gpt-6-2-astra-vs-gpt-6-2-sol), проверенные 19 ноября 2026 года. Intelligence Index версии v5.0.1 охватывает девять оценок, программирование даёт 25% от результата. Страница сравнения — снимок в реальном времени и не указывает отдельную дату прогона, так что числа стоит считать текущими, а не фиксированными. Обе строки помечены medium, это настройка OpenAI; сама пометка не показывает, что модели потратили одинаковое число токенов. Эти тесты — длинные задачи в стиле агента, поэтому одна задача там стоит доллары, а в нашем прогоне в один ход — центы.

На уровне max та же страница даёт Astra 62 и Sol 57 по индексу, 13.9 и 8.7 минуты на задачу и $4.00 и $1.01 за задачу. Astra на high и Sol на max обе доходят до 60.1% в Terminal-Bench 4.0. У Astra результат FrontierCode выше на xhigh (49.0%), чем на max (45.4%), так что повышение уровня улучшает не каждый показатель. Сравнивать Astra на max с Sol на low значило бы льстить Astra; честнее сопоставлять одинаковые пометки, хотя одна и та же пометка не значит, что модели потратили одинаковое число токенов.

## Какой уровень рассуждений выбрать

Начинайте с medium на любой из моделей. Именно эта настройка стоит за независимыми результатами выше, и [руководство по выбору модели](https://developers.openai.com/api/docs/guides/model-selection) от OpenAI советует Sol на medium для большинства сценариев с API.

Обе модели принимают low, medium, high, xhigh и max, а `none` отвергают обе. OpenAI предлагает начинать новую интеграцию с medium и использовать low вместо `none` или `minimal`. Более высокие уровни обычно пишут больше выходных токенов и в опубликованных прогонах в среднем шли дольше, но поднимают не каждый результат. Высокие уровни нужны задачам, где требуется больше проверок, а не каждому вызову.

Список OpenAI по типам задач — разумное значение по умолчанию. Там Sol на medium стоит на исправлении ошибок и доработке функций в существующем коде, Sol на extra high — на многошаговых задачах с тестами и правками, а Astra на extra high — на открытых проблемах, где нужно взвешивать компромиссы. Эти оценки примерные, и в руководстве нет результатов, на которых они построены.

## Какую модель брать для повседневного кода

Начинайте с Sol. Переходите на Astra, когда ваши собственные сложные задачи снова и снова проваливаются на Sol: преимущество Astra в независимых тестах — несколько баллов, а цена за токен вчетверо выше.

На рутинной и хорошо описанной работе, как три задания выше, Sol не уступила Astra ни в одной проверке при примерно четверти стоимости. В независимых тестах преимущество Astra при пометке medium — 2.5 балла в Terminal-Bench 4.0 из 100 и 5.2 балла в FrontierCode.

Сопоставьте разницу в цене с работой, которую она убирает. При 10,000 входных и 2,000 выходных токенов 100 вызовов Astra стоят на $12 больше, чем 100 вызовов Sol. Сравните это с ценой повтора, лишнего круга проверки или неверного ответа; измерить её могут только ваши задачи.

Практичный способ измерить: возьмите 20 недавних сложных задач, где Sol понадобился второй заход, прогоните их на Astra с high или xhigh и сравните лишние расходы с убранной работой. Если Astra меняет только ответы, которые вы и так приняли бы, оставайтесь на Sol.

## Как попробовать обе через один API

Направьте SDK OpenAI на базовый URL OmniaKey `https://api.omniakey.com/v1`, держите ключ в `OMNIAKEY_API_KEY` и меняйте одну строку, чтобы переключить модель. Оба семейства эндпоинтов работают с обоими ID; берите Responses, если планируете вызывать инструменты.

```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="")
```

Это та форма запроса, что использовалась в трёх заданиях, с полным промптом про объединение интервалов. Блок `usage` в ответе показывает входные и выходные токены, а сумма вывода включает токены рассуждений.

Оба эндпоинта работают с обоими ID. Берите Responses, когда нужны инструменты; Chat Completions обслуживает запросы без них. Старое [руководство по настройке GPT-6 Astra](https://omniakey.com/ru/blog/gpt-6-astra-setup) описывает тот же эндпоинт, Codex и исправление ошибок; подставьте `gpt-6.2-astra` или `gpt-6.2-sol` там, где названа модель.

Текущие тарифы OmniaKey на обе модели — на [странице модели GPT-6.2 Astra](https://omniakey.com/ru/gpt-6-2-astra) и [странице модели GPT-6.2 Sol](https://omniakey.com/ru/gpt-6-2-sol).

## Частые вопросы

### Хватает ли GPT-6.2 Sol для программирования

На трёх наших небольших заданиях она не уступила Astra ни в одной проверке. Artificial Analysis по-прежнему ставит Astra на 2.5 балла впереди в Terminal-Bench 4.0 при пометке medium, так что Sol — разумный выбор по умолчанию, а Astra — запас на более сложную работу.

### Насколько GPT-6.2 Sol дешевле Astra

Sol стоит четверть, то есть на 75% меньше по каждому тарифу Standard: $2 за вход и $10 за выход за миллион токенов против $8 и $40. Наши три задания разошлись в 3.7–4.0 раза, а 100 запросов по 10,000 входных и 2,000 выходных токенов стоят $4 против $16.

### Какой уровень рассуждений брать для GPT-6.2

Medium на любой из моделей. Обе отвергают `none`, и OpenAI советует medium для новой интеграции. Повышайте его для многошаговой работы с тестами и правками. Высокие уровни не становятся автоматически медленнее или лучше: у Astra результат FrontierCode на xhigh выше, чем на max.

### Принимают ли модели изображения и вызывают ли инструменты

Обе принимают текст и изображения и возвращают текст; аудио и видео не поддерживаются. Оба эндпоинта работают, а для вызова инструментов нужен API Responses.

## Проверенные источники

- [OpenAI: представление GPT-6.2 Astra и Sol](https://openai.com/index/introducing-gpt-6-2-astra-sol/) (17 ноября 2026)
- [OpenAI: журнал изменений API](https://developers.openai.com/api/docs/changelog) (запись от 17 ноября 2026)
- [OpenAI: страница модели GPT-6.2 Astra](https://developers.openai.com/api/docs/models/gpt-6.2-astra)
- [OpenAI: страница модели GPT-6.2 Sol](https://developers.openai.com/api/docs/models/gpt-6.2-sol)
- [OpenAI: цены API](https://developers.openai.com/api/docs/pricing)
- [OpenAI: руководство по выбору модели](https://developers.openai.com/api/docs/guides/model-selection)
- [OpenAI: руководство по новейшей модели](https://developers.openai.com/api/docs/guides/latest-model)
- [Artificial Analysis: GPT-6.2 Astra vs GPT-6.2 Sol](https://artificialanalysis.ai/models/comparisons/gpt-6-2-astra-vs-gpt-6-2-sol)
- [Artificial Analysis: методика Intelligence Index](https://artificialanalysis.ai/methodology/intelligence-benchmarking)

Цены и лимиты проверены 19 ноября 2026 года.

## История обновлений

- 19 ноября 2026: первая версия. Три задания прогнаны через OmniaKey в тот же день; цены, лимиты и независимые результаты проверены тогда же.
