OpenAI ha reso disponibili GPT-6.2 Astra, il modello destinato ai progetti professionali più complessi, e GPT-6.2 Sol, pensato per le attività quotidiane di analisi, scrittura e programmazione. I due modelli arrivano in ChatGPT Work e Codex per gli abbonati Plus, Pro, Enterprise ed Edu, oltre che tramite API. Il messaggio centrale del lancio non riguarda solo le prestazioni, ma il costo: secondo OpenAI entrambi i modelli ottengono risultati migliori generando meno token in uscita e Astra ha un listino API più basso del 20% rispetto al predecessore.

Per le aziende la metrica che OpenAI mette in primo piano è il costo per attività completata, più che il prezzo per milione di token. È un’impostazione sensata per chi usa i modelli in flussi agentici, dove un compito può richiedere decine di passaggi.

Astra, il modello per i progetti complessi

OpenAI indica come casi d’uso tipici di Astra la costruzione di un modello finanziario o l’interpretazione di dati sperimentali. Su Agents’ Last Exam, benchmark che valuta attività professionali in più fasi, Astra supera di 5,2 punti GPT-6 Astra con un costo API stimato per attività inferiore a un terzo. Rispetto a Claude Fable 5.2 di Anthropic il vantaggio dichiarato è di 5,5 punti, a fronte di un costo pari al 5% di quello del concorrente.

Quest’ultimo dato va però letto con cautela. In teoria, il listino API di Astra è allineato a quello di Fable 5.2: la differenza di costo dipende quindi dalla quantità di token consumati nella configurazione di test scelta da OpenAI, e non è detto che si riproduca sui carichi di lavoro abituali di un’azienda.

OpenAI definisce inoltre Astra come il miglior modello al mondo per gli scienziati, sulla base dei risultati in Terminal Bench Science 0.1, che misura flussi di lavoro scientifici eseguiti da terminale (77,1% contro il 68,1% di GPT-6 Astra), e nel Vals Science Index. Sul benchmark interno GDPval v2, che misura la qualità di elaborati professionali su compiti lunghi, Astra guadagna 6,2 punti percentuali sul predecessore usando il 22% di token in uscita in meno.

Sol per il lavoro di tutti i giorni

GPT-6.2 Sol è rivolto ad attività in più passaggi ma meno impegnative, come trasformare gli appunti di una riunione in un piano di progetto o individuare e correggere bug nel codice. Sul benchmark FrontierCode 2.0 di Cognition, che valuta se le modifiche al codice verrebbero effettivamente accettate dai manutentori di un progetto, Sol si ferma a soli 0,5 punti da Astra (43,8% contro 44,2%) con un costo stimato per attività di circa un quinto. Entrambi i modelli sono stati testati al massimo livello di sforzo di ragionamento.

I risultati dichiarati dai primi clienti

OpenAI cita alcuni clienti che hanno avuto accesso anticipato, tra cui Harvey, IMC, Higgsfield, Replit e ClickUp. I dati provengono dai loro test interni e sono stati diffusi da OpenAI.

  • Harvey, piattaforma di AI per studi legali, riferisce che Astra ha completato oltre il triplo delle attività del proprio benchmark Legal Agent rispetto a GPT-6 Astra, con il 34,5% di token in uscita in meno, individuando più punti deboli nella posizione del cliente e concedendo meno errori nelle bozze degli atti.
  • ClickUp ha confrontato Astra con il modello in uso nei test alla cieca su applicazioni, dashboard e presentazioni: circa il 40% di token in meno e il 30% di cicli di revisione in meno.
  • Replit ha misurato su Sol, nello sviluppo software da zero, più test superati, il 62% di token in uscita in meno e una velocità quasi tripla rispetto a GPT-6.1 Sol.

Prezzi, disponibilità e modalità Ultrafast

Nell’utilizzo attraverso le API, Astra costa 8 dollari per milione di token in entrata, 0,40 dollari per i token in entrata già memorizzati nella cache e 40 dollari per milione di token in uscita. GPT-6 Astra era prezzato rispettivamente a 10 e 50 dollari. Il costo di Sol resta invariato rispetto a GPT-6.1 Sol: 2 dollari in entrata, 0,10 dollari in cache e 10 dollari in uscita.

La novità per gli abbonati è la modalità Ultrafast, che per la prima volta arriva anche sul piano Pro 200, limitatamente a Sol. Gli abbonati Pro 500 e gli sviluppatori API possono usarla con entrambi i modelli, mentre nei piani Enterprise ed Edu deve essere abilitata dall’amministratore dello spazio di lavoro. Il comunicato non indica di quanto Ultrafast acceleri la generazione né quale sia il sovrapprezzo: per GPT-6 Astra la modalità veloce costava il doppio della tariffa standard.

Le valutazioni indipendenti

I primi test di terze parti ridimensionano in parte il quadro idilliaco dipinto da OpenAI. Nell’Intelligence Index di Artificial Analysis Astra ottiene 62 punti, secondo dietro Claude Fable 5.2 (65) e leggermente avanti rispetto a Gemini 4 Carbon (60) e Claude Opus 5.5 (59); Sol sale a 57. Sul fronte della programmazione con agenti, però, Astra non migliora e Sol perde 3 punti rispetto a GPT-6.1 Sol, soprattutto per un calo su SWE-Atlas-QnA-AA, dove omette più spesso informazioni chiave nelle risposte sui codebase. Resta alto anche il tasso di allucinazioni su domande molto difficili: 59% per Astra e 55% per Sol.

Nel Vals Index Astra è settimo e Sol nono, con un costo per attività di 10,68 dollari per il primo e 3,18 per il secondo, il più basso tra i primi dieci. Epoch AI assegna ad Astra lo stesso punteggio di Fable 5.2 nel proprio indice di capacità.

Tiepide anche le prime reazioni di chi usa questi strumenti in modo intensivo. Ethan Mollick, docente alla Wharton School, ha descritto Astra come discontinuo e più difficile da guidare dei concorrenti, e il primo modello di frontiera di OpenAI dopo GPT-4.5 che non percepisce come un chiaro passo avanti. Lo sviluppatore Theo Browne ne ha criticato le prestazioni nel lavoro delegato di lunga durata, pur riconoscendone i punti di forza nella revisione del codice e nel 3D.

Sicurezza, soglia critica per la cybersecurity

Secondo la documentazione tecnica di OpenAI, entrambi i modelli raggiungono il livello “Critical” per le capacità di cybersecurity previsto dal Preparedness Framework, il sistema con cui l’azienda classifica i rischi dei propri modelli. OpenAI ha quindi introdotto salvaguardie più restrittive, che potranno bloccare anche richieste legittime di ricerca sulle vulnerabilità. I ricercatori verificati potranno accedere tramite il programma Daybreak. Astra è inoltre il primo modello rilasciato a raggiungere la soglia “High” nella categoria dell’auto-miglioramento dell’AI.

Per i team IT e di sicurezza il lancio conferma una tendenza: il confronto tra modelli si gioca sempre più sul costo effettivo per attività e sull’affidabilità nei flussi agentici, più che sui punteggi di vertice. Prima di migrare da GPT-6 Astra o GPT-6.1 Sol conviene misurare consumo di token e qualità sui propri casi d’uso, in particolare nello sviluppo software, dove le valutazioni indipendenti non registrano progressi sostanziali. Maggiori dettagli sono disponibili nel post ufficiale di OpenAI.