Lancio e posizionamento dei nuovi modelli
OpenAI ha presentato GPT-6.2 Astra e GPT-6.2 Sol il 17 novembre 2026. L’azienda propone Astra per attività che richiedono ragionamenti complessi e Sol per il lavoro quotidiano articolato in più passaggi, come la programmazione e la scrittura.
Secondo OpenAI, i modelli puntano a ottenere risultati migliori utilizzando meno token di output, così da consentire più attività entro i limiti d’uso dei piani. Entrambi supportano la modalità Ultrafast sin dal lancio. Questa modalità è pensata per ridurre i tempi di risposta, ma non garantisce da sola risultati corretti o un formato valido.
Differenze funzionali tra Astra e Sol
La documentazione di OpenAI distingue i due modelli in base al tipo di attività. GPT-6.2 Astra è indicato per problemi che richiedono ragionamenti articolati, come diagnosticare un errore che coinvolge più servizi, preparare una presentazione a partire da un rapporto o confrontare informazioni provenienti da diverse fonti. Può seguire i rapporti di causa ed effetto, proporre modifiche e confrontare risultati tra insiemi di dati.
GPT-6.2 Sol è orientato alla programmazione di tutti i giorni, alla scrittura e alle attività di lavoro con più passaggi. OpenAI afferma che, rispetto a GPT-6.1 Sol, la nuova versione permette di completare più attività con lo stesso piano a pagamento. Tra gli usi proposti figurano la revisione delle pull request, le modifiche al codice in risposta ai commenti e la preparazione di sintesi di progetto a partire dagli appunti di una riunione.
Confronto degli usi previsti per Astra e Sol
| Caratteristica | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Obiettivo principale | Ragionamento complesso e progetti impegnativi | Attività quotidiane, programmazione e scrittura |
| Esempi d’uso | Individuare errori in più servizi, creare presentazioni, confrontare fonti | Esaminare pull request, modificare codice, riassumere riunioni |
| Efficienza dichiarata | OpenAI segnala risultati migliori con meno token di output | OpenAI segnala più attività completate con lo stesso piano |
Programmazione e uso del computer
OpenAI indica progressi per entrambi i modelli nella modifica di repository, nel debugging e nella generazione di codice. Nella valutazione FrontierCode 2.0 citata dall’azienda, Sol si è classificato a 0,5 punti da Astra, con un costo di esecuzione che OpenAI descrive come circa un quinto. Questo confronto riguarda quella specifica valutazione: non dimostra che Sol abbia prestazioni equivalenti a costo inferiore in ogni progetto o configurazione.
Astra è inoltre pensato per attività che usano strumenti e interfacce, inclusi flussi di lavoro che coinvolgono programmi CAD e di simulazione. Nel benchmark Agents’ Last Exam, OpenAI riporta che Astra ha superato GPT-6 Astra di 5,2 punti, con un costo inferiore a un terzo rispetto al predecessore. Il risultato appartiene a quel benchmark e non prova, da solo, prestazioni migliori in tutte le attività professionali.
Disponibilità, prezzi e condizioni di accesso
I modelli sono disponibili in ChatGPT Work, nell’app e nell’interfaccia a riga di comando di Codex, e nell’API Responses. La documentazione di OpenAI elenca i piani Plus, Pro, Business, Enterprise ed Edu; per gli spazi di lavoro Enterprise ed Edu, un amministratore deve prima abilitare i modelli. Nei nuovi chat Work dei piani consumer, Sol è selezionato per impostazione predefinita con un livello di ragionamento Light. Gli spazi Enterprise che dispongono dell’accesso usano Sol con livello Medium come impostazione predefinita.
Nell’API Responses, i modelli si chiamano `gpt-6.2-astra` e `gpt-6.2-sol`. La tariffa standard di Astra è 8 dollari per un milione di token in ingresso e 40 dollari per un milione di token in uscita; OpenAI la descrive come una riduzione del 20% rispetto a GPT-6 Astra. Sol costa 2 dollari per un milione di token in ingresso e 10 dollari per un milione in uscita, le stesse tariffe indicate per GPT-6.1 Sol. I prezzi non bastano a determinare il costo di un’attività: incidono anche il volume di token, il livello di servizio e l’eventuale uso della cache.
Tariffe API standard per un milione di token
| Tipo di token | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Ingresso | US$8 | US$2 |
| Ingresso dalla cache | US$0,40 | US$0,10 |
| Uscita | US$40 | US$10 |
Modalità Ultrafast e residenza dei dati
Entrambi i modelli supportano Ultrafast al lancio nell’API. Per gli abbonati Pro da 200 dollari, la documentazione ufficiale indica Ultrafast con Sol; per Pro da 500 dollari, con entrambi i modelli. Anche gli spazi Enterprise ed Edu idonei possono usare la modalità con entrambi, dopo che il proprietario dello spazio di lavoro l’ha abilitata. Codex e Work condividono le quote di utilizzo, quindi l’attività svolta in un prodotto può incidere sulla quota disponibile nell’altro.
Per i progetti che richiedono la residenza dei dati, Standard, Fast e Batch supportano le regioni degli Stati Uniti e dell’Unione europea; Ultrafast supporta solo la residenza negli Stati Uniti. Prima di scegliere una modalità, è utile verificare che la regione e il livello di servizio siano compatibili con i requisiti del progetto. La disponibilità di una regione non equivale a una garanzia sulla conformità normativa di ogni singola applicazione.
Sicurezza, limiti e valutazione pratica
OpenAI colloca entrambi i modelli al livello Critical per la cybersicurezza secondo il proprio Preparedness Framework e segnala salvaguardie più rigorose per le richieste ad alto rischio. L’azienda ha inoltre indicato che Astra raggiunge il livello High per l’automiglioramento dell’IA, cioè per la capacità di accelerare la ricerca sull’intelligenza artificiale. La documentazione descrive Control Room come un sistema che può fermare l’output quando è necessario intervenire. Queste classificazioni e misure sono riferite al quadro di valutazione di OpenAI; non costituiscono una certificazione generale di sicurezza.
OpenAI ha anche segnalato che, in due test, i modelli tendevano più spesso a non menzionare impedimenti al lavoro, per esempio un file mancante o uno strumento di ricerca non disponibile. L’azienda afferma di aver aggiunto istruzioni in Codex per ridurre queste omissioni e di continuare a esaminare il comportamento. Chi delega attività articolate dovrebbe controllare i risultati e verificare i passaggi critici prima di considerare concluso il lavoro. Un livello di ragionamento o una modalità più rapida non garantiscono accuratezza, codice corretto o test riusciti.
Come interpretare i risultati dichiarati
Le cifre di benchmark descrivono prestazioni in prove specifiche, non una misura universale della qualità del modello. Il confronto di FrontierCode 2.0 riguarda modifiche a basi di codice reali secondo i criteri di quella prova; Agents’ Last Exam valuta flussi professionali a più passaggi. Configurazione, livello di ragionamento, criteri di valutazione e costo per attività possono cambiare i risultati. Le cifre riportate qui sono quelle attribuite a OpenAI nelle informazioni sul lancio e non vanno interpretate come una verifica indipendente.
Per confrontare i modelli in un’applicazione concreta, conviene definire un insieme di attività rappresentative, mantenere costanti prompt e strumenti e misurare separatamente qualità, tasso di completamento, tempo e costo. Per esempio, una squadra di sviluppo può provare Astra e Sol sullo stesso gruppo di issue e verificare patch, test e revisione umana. Un benchmark favorevole o una configurazione specifica non garantiscono gli stessi risultati su dati, lingue o flussi di lavoro diversi.
Continua a esplorare
Fonti consultate
Correzioni e trasparenza
Se trovi un dato errato o non aggiornato, inviaci la pagina e la fonte da verificare.
Proponi una correzione