先说结论:这次降价是真金白银地省,但别闭眼选贵的那款。Astra 和 Sol 不是强与弱的关系,是专业档与日常档的关系,选错档才是真的亏钱。
据 The Decoder 报道,OpenAI 这次一口气放了两款新模型:GPT-6.2 Astra 和 GPT-6.2 Sol,前者面向专业场景,后者主打日常。
两款都已经上了 ChatGPT Work 和 Codex,向 Plus、Pro、Enterprise、Edu 用户开放,API 也能直接调。消息出来当天我就把定价翻了个遍,今天给你算一笔能落到手里的账。

一、这次降的到底是什么价
先看数字。据 Artificial Analysis 和 OpenRouter 的数据,Astra 的 API 定价是:每百万输入 token 约 10 美元,输出 50 美元,缓存读取 1 美元,缓存写入 12.5 美元。四个数字先别急着比,我一条一条拆给你听。
注意输出端 50 美元没动,说明这轮降价主要砍在输入侧。输入是什么?就是你喂给模型的上下文——代码库、产品文档、聊天记录。跑量应用里,输入 token 往往比输出大好几倍,这次砍的正好是你账单里最重的那一刀。
缓存的价差更狠:读取 1 美元,写入 12.5 美元,差了 12 倍多。意思是把稳定的系统提示词第一次写进缓存,之后每次读取都是白菜价。如果你在做长期运行的应用,缓存命中率上去了,实际均价会明显往下掉。
二、Astra 还是 Sol?我这样选
一句话分工:要交付、要上生产、要专业输出,用 Astra;自己用、跑量、试错,用 Sol。我写代码的习惯就是这样——让模型读完整个代码库再动手改,上下文一大坨起步,这种任务切到便宜档,省下的钱是实打实的。
但我要生成一段交付前端的组件,或者写一份要给人看的分析,我会切到更强的档。不是因为便宜档不够聪明,而是返工一次的时间成本,永远比 token 贵。选型的本质不是比智商,是算总账。
再补一条:据 Rohan Paul 转述,Sam Altman 称两款模型能力强且 token 效率高,还特别推荐 6.2 Sol 的 ultrafast 版本。
这个 ultrafast 已经扩展到了 Sol 的 Pro 200 套餐里。如果你订阅的是 Pro 档,建议优先把 ultrafast 拉出来跑几个真实任务,看看速度和质量的平衡点。

三、普通用户到底能省多少
这里先泼盆冷水:API 降价降的是开发者和应用方的账单,ChatGPT 订阅本身并没有降价。所以“能省多少”这个问题,得分两种人来看,答案差得很远,别拿开发者的账单去套自己的订阅。
订阅党:同样的订阅费,拿到的模型更强。Altman 说 Sol 的 token 效率高,同样一段回答,花的 token 更少,你的额度就更耐用。这相当于单位订阅费的性价比变高了,只是账单上看不出来,得靠自己的体感。
开发者党:拿一组假设数字算。每天 100 万输入 token,按 10 美元/百万算,一天约 10 美元,一个月 300 美元上下;每天 20 万输出 token,按 50 美元/百万算,又是 10 美元。这是裸价,没算缓存。
缓存命中率越高,实际账单就越靠近 1 美元/百万那个读取价。你真实能省多少,取决于缓存打得干不干净。

四、给三个场景的选型建议
个人日常问答、写周报、跑批处理,用 Sol,够用还便宜。生产级 API、要交付的代码、专业分析,上 Astra,贵一点但稳。又赶时间又要质量,直接试 Sol ultrafast,Altman 都点名推荐了。
工具链这边也有消息:据 @openclaw 宣布,OpenClaw 已支持 ChatGPT Business 套餐,并且兼容 Astra 和 Sol 两款新模型。如果你在用 OpenClaw 这类工具,现在就能切过去,不用等适配,切换成本基本就是改一行配置的事。
最后一个实测派的习惯:新模型上线第一周,拿你旧模型上一个稳定任务做 A/B,同一批 prompt 两边各跑一遍,对比质量和 token 消耗。榜单和宣传都可以信一半,自己的账单骗不了人。
五、我接下来怎么试
我自己的计划:这周把日常跑批任务切到 Sol,盯一周的 token 消耗和输出质量;下周找一两个交付级任务用 Astra 跑,和旧模型对比。重点记两个数——单任务实际花费、需要人工返工的比例。另外顺手把缓存打开,看看命中率能吃到多少,这部分省钱最隐蔽也最实在。
为什么盯返工率?因为模型便宜但输出要人工修,总花费可能反而更贵。token 单价降了,不等于项目总账降了。这笔账我打算替你们跑一遍,有结果就更新。