GPT-6.2 Astra kost vier keer zoveel als Sol. Kies standaard Sol, laat Astra zijn plek verdienen en lees de migratienotities voordat je overstapt

18 november 2026
8 min read

18 november 2026
8 min read
Een maand nadat OpenAI de oktoberrelease van GPT-6.1 Astra introk, kwam de volgende. Op 17 november verschenen GPT-6.2 Astra en GPT-6.2 Sol in ChatGPT Work, Codex en de API. De kop gaat over Astra: OpenAI noemt het een frontiermodel voor 'je zwaarste projecten'. Het nuttigere nieuws voor de meeste startups is Sol, dat per token een kwart kost en volgens de eigen cijfers van OpenAI dicht in de buurt blijft bij veel van het werk dat startups echt doen. Het tweede nuttige nieuws staat in de migratiegids, die meerdere dingen verandert die geen foutmelding geven als ze breken.
Twee modellen, met verschillende taken en verschillende prijzen:
gpt-6.2-astra, voor $8 per miljoen inputtokens en $40 per miljoen outputtokens.gpt-6.2-sol, voor $2 per miljoen inputtokens en $10 per miljoen outputtokens.Het prijsverschil is simpel: Astra kost per token vier keer zoveel als Sol, voor input en output. De interessante vraag is hoeveel je daarvoor terugkrijgt.
Volgens de eigen cijfers van OpenAI vaak niet veel. In de aankondiging: 'Sol evenaart Astra bijna op merge-klare wijzigingen in echte codebases, tegen ongeveer een vijfde van de kosten.' In de system card liggen de twee een punt uit elkaar op GPQA Diamond (Astra 97,0%, Sol 96,0%), en loopt Sol zelfs iets voor op SEC-Bench Pro (88,34% tegen 86,75%).
Bij het zwaarste langlopende werk wordt het verschil groter. In de tabellen van de system card lost Astra 36,4% van de Sandbox Bench-doelen op tegen 25,0% voor Sol, scoort het 74,79% op PostTrainBench Lite tegen 44,89%, en bespaart het 42,87% van de basistijd op NanoGPT tegen 14,59%. Dat zijn taken waarbij een model lang en zonder hulp aan een moeilijk technisch probleem moet werken.
Dat is het patroon om aan te houden. Het meeste wat een startup naar een model stuurt, is dagelijks werk: schrijven, extraheren, samenvatten, tools aanroepen, gewone code schrijven. Daarvoor is Sol de standaard. Astra is voor de paar taken waarbij je eigen tests laten zien dat het werk afmaakt dat Sol niet afmaakt.
Vier keer de prijs per token is een beslissing, geen standaard.
De model-string aanpassen is het makkelijke deel. De gids noemt wijzigingen die niet altijd luid falen:
Samplingparameters verdwijnen. 'Laat bij het migreren van Chat Completions-verzoeken temperature, top_p, logprobs en top_logprobs weg.' Laat in Responses temperature, top_p en top_logprobs weg, en haal message.output_text.logprobs uit include. Als je product leunt op temperature: 0 voor herhaalbare output, of op log-probabilities voor betrouwbaarheidsscores, moet dat ontwerp veranderen.
Toolaanroepen vereisen de Responses API. 'GPT-6.2 Astra en GPT-6.2 Sol ondersteunen Chat Completions, maar toolaanroepen vereisen Responses.' Een agent die op Chat Completions met tools is gebouwd, kan niet simpelweg de modelnaam omwisselen.
De geschiedenis bewerken kost je de redenering. 'Vanaf GPT-6.2 laat de Responses API redeneringsitems vallen na bewerkingen van de gespreksgeschiedenis midden in een gesprek (prefixbewerkingen) en bepaalde modelwissels (waaronder downgrades).' Als dat gebeurt, 'kan de kwaliteit van de antwoorden dalen en kan het model meer tokens gebruiken om eerder werk te herhalen'. Agents die eerdere beurten inkorten of herschrijven om tokens te besparen, of die een sessie op Astra beginnen en aan Sol overdragen, betalen daar hier voor.
Ook het gedrag verandert. Volgens de gids worden top-level instructions in Responses nu na input toegevoegd. Astra is 'standaard beknopter en directer', dus oude 'wees beknopt'-instructies kunnen nu doorschieten. En het model 'kan een volgende stap voorstellen en op bevestiging wachten', wat een agent zonder toezicht als stoppen opvat. De oplossing die OpenAI voorstelt, is het model te vragen 'redelijke, omkeerbare aannames te maken om het werk door te zetten en die te benoemen'. Voor de reasoning effort raadt de gids aan te beginnen met medium en, 'als je nu none of minimal gebruikt, in plaats daarvan low te gebruiken'.
Niets hiervan vraagt om een herschrijving. Het vraagt om een standaard, een test en een korte checklist.
# route.py — one place decides which model a task gets
from openai import OpenAI
client = OpenAI()
# Tasks promoted to Astra because your own evals showed a difference
ASTRA_TASKS = {"research_report", "long_refactor"}
def run(task_type: str, prompt: str, tools: list):
model = "gpt-6.2-astra" if task_type in ASTRA_TASKS else "gpt-6.2-sol"
return client.responses.create( # tool calling requires Responses
model=model,
input=prompt,
tools=tools,
reasoning={"effort": "medium"}, # was "none" or "minimal"? use "low"
# no temperature or top_p: not supported on GPT-6.2
)
Draai je eigen evals op beide. Neem vijftig echte taken uit je logs, draai ze op Sol en op Astra, en beoordeel de resultaten zoals een klant dat zou doen. Zet een taaktype alleen over naar Astra als het verschil zichtbaar is en vier keer de prijs waard. Al het andere blijft op Sol.
Verplaats toolaanroepen naar de Responses API. Gebruikt je agent tools via Chat Completions, dan is dat de eerste migratie, vóór elke modelwissel. Verwijder tegelijk temperature, top_p en de opties voor log-probabilities, en vervang logica die daarop leunde.
Bewerk de geschiedenis niet midden in een gesprek. Eerdere beurten inkorten of herschrijven, of midden in een sessie van model wisselen, laat nu de redenering vallen en kan meer tokens kosten dan het bespaart. Kies het model aan het begin van een sessie en houd het aan. Pas je tijdens de migratie de cache-instellingen aan, dan behandelt onze notitie over de prompt-cache van 12 uur van OpenAI de kosten.
Lees je prompts opnieuw. Haal 'wees beknopt' weg als antwoorden nu te kort zijn. Vraag het model bij agents die zonder toezicht draaien om redelijke, omkeerbare aannames te maken en die te benoemen, in plaats van te stoppen om iets te vragen. Draai daarna dezelfde evals opnieuw.
Als je product met security te maken heeft
De system card zegt dat beide modellen de Critical-drempel van OpenAI voor cybersecuritycapaciteiten halen, en dat OpenAI 'de standaardbeperkingen voor cybersecurityhulp met een hoger risico heeft aangescherpt en extra screening vereist voor ruimere toegang'. Bouw je securitytools, verwacht dan standaard meer weigeringen en plan die screening in. Capabelere modellen maken ook de scope van de agent belangrijker, en daarom hield OpenAI de vorige Astra tegen: we schreven over het scopeprobleem waardoor GPT-6.1 Astra werd geschrapt.
Het contextvenster of de maximale output. De aankondiging, de gids en de modellenlijst die ik las, noemen ze niet.
Dat Sol een vijfde van de prijs is. Per token is het een kwart. 'Ongeveer een vijfde van de kosten' is het cijfer per taak van OpenAI voor één code-evaluatie, geen prijs.
Dat de benchmarks onafhankelijk zijn. De cijfers hierboven komen van OpenAI zelf. Onafhankelijke indexen hebben hun eigen ranglijsten gepubliceerd; die heb ik niet gecontroleerd, dus ik heb ze weggelaten.
Wanneer oudere modellen verdwijnen. Ik vond in wat ik las geen uitfaseringsdatum voor GPT-6.1 Sol of Terra.
Op 17 november 2026 bracht OpenAI GPT-6.2 Astra uit, voor $8 en $40 per miljoen input- en outputtokens, en GPT-6.2 Sol, voor $2 en $10, in ChatGPT Work, Codex en de API. Volgens de eigen evaluaties van OpenAI zit Sol dicht bij Astra voor veel dagelijks werk en code, en loopt Astra duidelijk voor op de zwaarste langlopende technische taken. De migratiegids schrapt de samplingparameters, vereist de Responses API voor toolaanroepen en laat de redenering vallen na bewerkingen midden in een gesprek of modelwissels.
Voor founders ligt de standaard voor de hand. Gebruik Sol voor het meeste werk, zet specifieke taken alleen over naar Astra als je eigen tests het verschil laten zien, en los de API-wijzigingen op voordat je van model wisselt.
Draai deze week vijftig echte taken op beide modellen, verplaats toolaanroepen naar de Responses API, verwijder temperature en top_p, en kies het model op één plek in je code.
Bronnen: OpenAI Developer Community, GPT-6.2 Astra and Sol are now available (17 november 2026) — de beschrijvingen van beide modellen, beschikbaarheid, Ultrafast, de modelnamen en prijzen in de API en de codevergelijking tussen Sol en Astra; OpenAI, system card van GPT-6.2 Astra en Sol (17 november 2026) — de evaluatiecijfers, de cybersecurityclassificatie en de aangescherpte standaarden; OpenAI, Using GPT-6.2 — de migratiewijzigingen, reasoning effort, promptadvies en dataresidentie. De routeringscode in sectie 4 is mijn illustratie, en de lezing in secties 2 tot en met 5 is van mij.
IdeaToMVP Academy
4-week live cohort for founders. Learn to ship AI agents, scope MVPs, and automate your business — taught by the same team that writes these guides.