GPT-6.2 Sol vs. Astra para anotação automática: pontuações semelhantes, pontos fortes diferentes
GPT-6.2 Sol e Astra alcançam 0.551 e 0.546 mAP50 em 36 conjuntos de dados de deteção, mas Sol custa $8.10 por 1.000 imagens, contra $31.88. Vê qual deves usar.
Glenn Jocher13 min de leitura
A OpenAI lançou GPT-6.2 Astra e GPT-6.2 Sol em 17 de novembro de 2026, descrevendo Astra como o seu modelo mais capaz e Sol como o modelo de eleição para o trabalho diário. Quando lhes pedimos para desenhar caixas delimitadoras, a precisão foi semelhante. Os preços, não.
Testámos ambos no UL37, o nosso benchmark de deteção com 36 conjuntos de dados, no dia do lançamento. GPT-6.2 Sol obteve 0.551 mAP50 e GPT-6.2 Astra 0.546, ficando em quarto e quinto lugar entre 50 modelos no nosso VLM Leaderboard. Sol fê-lo por $8.10 por 1.000 imagens. Astra custou $31.88, quase quatro vezes mais.
Ambos são agora as opções OpenAI Sol e Astra para anotação automática na Ultralytics Platform, substituindo GPT-6.1 Sol e GPT-6 Astra. Abaixo, comparamos os modelos, indicamos em que aspetos cada um se destaca, quanto custa um lote de rotulagem e quando GPT-6.1 Terra, da própria OpenAI, continua a ser a melhor opção.
GPT-6.2 Sol e Astra têm uma diferença de cerca de 0.005 no UL37#
O UL37 mede o grau de correspondência entre as caixas de um modelo e as etiquetas humanas em 360 imagens: 10 de cada um dos 36 conjuntos de dados reais de deteção de objetos, desde exames médicos e imagens aéreas a prateleiras de lojas, desporto, documentos e placas de circuito. Todas as imagens passam pelo mesmo pipeline de produção que os utilizadores da Platform usam, com os nomes das classes do próprio conjunto de dados e SAM 3.1 a refinar cada caixa. Assim, as pontuações descrevem esse pipeline de produção refinado, e não a saída bruta do modelo. A metodologia é pública.
Resultados UL37 da Ultralytics VLM Leaderboard, atualizados em 17 de novembro de 2026.
Neste teste, os dois têm uma precisão semelhante. As pontuações mAP50-95, que recompensam caixas bem ajustadas, diferem em 0.001, e a precisão difere em 0.003. Sol encontra um pouco mais dos objetos etiquetados: a sua revocação de 0.643 é a mais alta entre os 50 modelos da tabela, ligeiramente acima dos 0.642 de Gemini 4 Carbon. É também o mais rápido dos sete melhores modelos, com 3.4 segundos por imagem.

Os oito modelos com as pontuações mais altas no UL37, com o custo do fornecedor por 1.000 imagens.
Para que a OpenAI criou GPT-6.2#
A OpenAI destina os dois modelos a tipos diferentes de trabalho. O seu registo de alterações recomenda GPT-6.2 Astra «para tarefas exigentes de raciocínio e programação» e GPT-6.2 Sol «para programação quotidiana e fluxos de trabalho com agentes». Ambos aceitam texto e imagens e devolvem texto, e estão disponíveis na Responses API e na Chat Completions.
Os preços seguem essa divisão. De acordo com as páginas dos modelos da OpenAI, GPT-6.2 Sol custa $2 por milhão de tokens de entrada e $10 por milhão de tokens de saída, e GPT-6.2 Astra custa $8 e $40. O preço dos tokens de Astra é exatamente quatro vezes superior ao de Sol.
Ambos são modelos de uso geral, não detetores especializados, por isso medimos o seu desempenho nessa tarefa. A Platform chama ambos com o nível de raciocínio predefinido da OpenAI e usa o mesmo pedido de caixas que envia a todos os modelos OpenAI.
Astra vence em mais conjuntos de dados, e um conjunto de ecografias determina a média#
A vantagem de Sol na média não significa que vença com maior frequência. No confronto direto nos 36 conjuntos de dados, Astra obtém uma pontuação superior em 17, Sol em 15 e há empate em quatro.
Um conjunto de dados explica a diferença. Na ecografia da tiroide TN5000, em que cada caixa também tem uma etiqueta benigna ou maligna, Sol obtém 0.995, contra 0.769 de Astra. Esse único resultado aumenta a média de Sol em cerca de 0.006. Se excluirmos TN5000, as médias são 0.539 para Sol e 0.540 para Astra.
Neste benchmark, a precisão dos dois é suficientemente semelhante para que as diferenças mais claras sejam o domínio e o custo.
Em que domínios GPT-6.2 Sol e Astra se destacam#
Calculada por domínio, a média de Astra é superior em sete dos 12 domínios do UL37 e a de Sol em quatro; no domínio dos raios X de segurança, há empate.

Cada domínio contém entre um e oito conjuntos de dados, com 10 imagens por conjunto de dados.
GPT-6.2 Sol tem melhor desempenho em imagens médicas, de estradas e da natureza. A sua média nos oito conjuntos de dados médicos é 0.466, contra 0.411 de Astra, com destaque para TN5000 e para os pólipos do cólon de Kvasir-SEG, com 0.805 contra 0.707. Nas espigas de trigo de GWHD, obtém 0.684 contra 0.537 de Astra, e nas marcações rodoviárias de CeyMo, 0.843 contra 0.705.
GPT-6.2 Astra tem melhor desempenho em imagens aéreas, de comércio a retalho, documentos e pessoas. A sua média nos cinco conjuntos de dados aéreos é 0.550, contra 0.506 de Sol, em parte graças aos navios nas imagens de radar de SSDD, com 0.880 contra 0.749. Nos produtos numa caixa de supermercado de RPC, obtém 0.978 contra 0.823 de Sol, e também lidera na deteção de EPI, lixo e basquetebol.
| Conjunto de dados | Domínio | GPT-6.2 Sol | GPT-6.2 Astra |
|---|---|---|---|
| Ecografia da tiroide TN5000 | Medicina | 0.995 | 0.769 |
| Espigas de trigo GWHD | Natureza / agricultura | 0.684 | 0.537 |
| Marcações rodoviárias CeyMo | Estradas / trânsito | 0.843 | 0.705 |
| SoccerDB | Esportes | 0.748 | 0.631 |
| Caixa de supermercado RPC | Varejo | 0.823 | 0.978 |
| Basquetebol e cesto | Esportes | 0.726 | 0.872 |
| Doenças de plantas PlantDoc | Natureza / agricultura | 0.302 | 0.447 |
| Navios SAR SSDD | Aéreo / sensoriamento remoto | 0.749 | 0.880 |
As quatro maiores diferenças em cada direção, mAP50 do UL37.
Cada conjunto de dados contribui com 10 imagens, por isso uma única pontuação é um indicador para testar, não um veredito. Antes de anotar um conjunto de dados grande, abre as páginas dos modelos GPT-6.2 Sol e GPT-6.2 Astra, que reproduzem as caixas registadas por cada modelo em todos os conjuntos de dados do benchmark, lado a lado com as etiquetas esperadas.
Um grande avanço em relação a GPT-6.1 Sol e GPT-6 Astra, exceto nas placas de circuito#
Em comparação com os modelos que substituem na Platform, ambos têm maior precisão, são mais rápidos e custam menos por imagem.
| mAP50 | Custo por 1.000 imagens | Tempo mediano por imagem | |
|---|---|---|---|
| GPT-6.1 Sol | 0.514 | $10.30 | 10.5 s |
| GPT-6.2 Sol | 0.551 | $8.10 | 3.4 s |
| GPT-6 Astra | 0.525 | $49.31 | 11.6 s |
| GPT-6.2 Astra | 0.546 | $31.88 | 4.3 s |
GPT-6.2 Sol supera GPT-6.1 Sol em 23 conjuntos de dados e fica atrás em 12, além de ser cerca de três vezes mais rápido. O custo 21% inferior por imagem mantém os preços dos tokens inalterados. GPT-6.2 Astra supera GPT-6 Astra em 24 conjuntos de dados e fica atrás em 11, com um custo 35% inferior por imagem e preços mais baixos dos tokens: a OpenAI indica que GPT-6 Astra custa $10 e $50 por milhão de tokens.

As setas comparam cada modelo GPT-6.2 com o modelo que substitui na Ultralytics Platform.
A exceção são as placas de circuito. Nos defeitos de placas sem componentes de DeepPCB, ambos os modelos GPT-6.2 obtêm 0.000, enquanto GPT-6.1 Sol obteve 0.393. Nos defeitos de superfície de DsPCBSD+, Sol desce de 0.392 para 0.164 e Astra obtém 0.216. O desempenho também é fraco nos raios X de segurança: ambos obtêm 0.05 em IEDXray, enquanto Gemini 4 Argon chega a 0.30. Se os teus dados forem de inspeção de PCB ou rastreio de segurança, testa outros modelos com uma amostra antes de te comprometeres.
GPT-6.1 Terra continua a ser o melhor anotador da OpenAI no UL37#
Nenhum dos novos modelos supera GPT-6.1 Terra, que se mantém em segundo lugar na tabela, com 0.560 mAP50 por $4.36 por 1.000 imagens. Terra e GPT-6.2 Sol vencem, cada um, em 17 conjuntos de dados, com dois empates, pelo que a diferença é pequena. Terra é mais preciso, com 0.646 contra 0.623, e custa cerca de metade. Sol encontra mais objetos e responde mais depressa: 3.4 segundos contra 5.1.
No topo da tabela, Gemini 4 Carbon continua na liderança, com 0.584 mAP50 por $12.93 por 1.000 imagens. Os nossos resultados de GPT-6.1 Terra e Gemini 4 Carbon analisam esses modelos em detalhe.
Quanto custa um lote de anotações com GPT-6.2#
O custo do fornecedor é calculado com base na utilização de tokens comunicada pela OpenAI, ao preço de tabela, e as tuas imagens podem usar mais ou menos tokens. A Batch Annotation acrescenta uma taxa de processamento da Platform de $1.00 por 1.000 imagens, com um mínimo de $0.01 por execução.
| Por 1.000 imagens | GPT-6.2 Sol | GPT-6.2 Astra |
|---|---|---|
| Cobrança da OpenAI | $8.10 | $31.88 |
| Processamento da Ultralytics Platform | $1.00 | $1.00 |
| Total | $9.10 | $32.88 |
Pagas diretamente à OpenAI com a tua própria chave API, incluindo pelas previsões de teste que executas primeiro, e a Ultralytics não acrescenta qualquer margem ao custo dos tokens. Para um conjunto de dados de 10.000 imagens, o custo é de cerca de $91 com Sol e $329 com Astra.
Como executar a anotação automática com GPT-6.2 Sol ou Astra na Ultralytics Platform#
GPT-6.2 Sol e Astra são modelos condicionados por classes para conjuntos de dados de deteção com 1 a 200 classes. Devolvem caixas delimitadoras com os nomes das classes do teu próprio conjunto de dados, que podes rever antes de guardar.
- Crie uma chave na página de chaves da API da OpenAI.
- Pede ao proprietário do espaço de trabalho para adicionar a chave em Definições > Chaves API no espaço de trabalho da Platform que contém o teu conjunto de dados. A documentação das chaves do fornecedor explica os detalhes.
- No editor de anotações, muda para o modo Smart e escolhe GPT-6.2 Sol ou GPT-6.2 Astra na lista de modelos, em OpenAI.
- Carrega em Predict ou em
Pem algumas imagens representativas dos teus dados e compara os dois modelos nas mesmas imagens. - Quando estiveres satisfeito, abre a página do conjunto de dados e escolhe Mais ações > Batch Annotation para anotar todas as imagens sem etiquetas. A Batch Annotation funciona com conjuntos de dados alojados na Platform que tenham até três canais de imagem, e a Platform guarda primeiro uma versão do conjunto de dados para que possas reverter as alterações.
- Revê as caixas, guarda-as e treina um modelo Ultralytics YOLO26 com os resultados no mesmo espaço de trabalho.
A documentação de anotação explica detalhadamente os modos Smart e Batch Annotation, e o nosso guia sobre como escolher um VLM com base na precisão e na revocação ajuda-te a encontrar um modelo adequado ao teu fluxo de revisão.
GPT-6.2 Sol, GPT-6.2 Astra ou GPT-6.1 Terra: qual deves usar?#
| Se precisas de… | Comece com |
|---|---|
| Um anotador OpenAI de uso geral ao menor custo | GPT-6.1 Terra: a pontuação UL37 mais alta dos três, por cerca de metade do preço de Sol |
| Rapidez ou encontrar o maior número de objetos | GPT-6.2 Sol: 3.4 s por imagem e a maior revocação da tabela |
| Imagens médicas, de estradas ou agrícolas | GPT-6.2 Sol; depois, testa Terra com dados médicos |
| Imagens aéreas, de caixas de supermercado, documentos ou EPI | GPT-6.2 Astra, se a vantagem de precisão nos teus dados justificar um custo cerca de quatro vezes superior ao de Sol |
| Defeitos de PCB ou raios X de segurança | Testa primeiro outros modelos; ambos os modelos GPT-6.2 têm pontuações fracas no UL37 nestes domínios |
Para a maioria dos trabalhos de rotulagem, GPT-6.2 Sol é a melhor escolha entre os dois novos modelos: obtém uma pontuação UL37 semelhante à de Astra por cerca de um quarto do custo. Escolhe Astra se um teste com as tuas próprias imagens mostrar que tem melhor desempenho no teu domínio.
Perguntas frequentes
No nosso benchmark UL37, as pontuações são semelhantes: GPT-6.2 Sol obtém 0.551 mAP50 e GPT-6.2 Astra 0.546, e Astra vence em mais alguns conjuntos de dados: 17 contra 15. A diferença clara está no custo: a cobrança da OpenAI por Sol é de $8.10 por 1.000 imagens, contra $31.88 por Astra. Sol lidera em imagens médicas, de estradas e da natureza; Astra, em imagens aéreas, de comércio a retalho, documentos e pessoas.
Sim. Ambos os modelos GPT-6.2 estão entre os cinco melhores dos 50 modelos na Ultralytics VLM Leaderboard e não tiveram pedidos falhados. GPT-6.2 Sol tem a maior revocação da tabela, com 0.643. Ambos têm um desempenho fraco na deteção de defeitos em placas de circuito e em raios X de segurança.
Cerca de $8.10 com GPT-6.2 Sol e $31.88 com GPT-6.2 Astra em cobranças da OpenAI, com base na utilização de tokens comunicada e no preço de tabela. A Ultralytics Platform acrescenta uma taxa de Batch Annotation de $1.00 por 1.000 imagens, para um total de cerca de $9.10 e $32.88.
No UL37, sim, por uma pequena margem. GPT-6.1 Terra obtém 0.560 mAP50 a $4.36 por 1.000 imagens, superando a média dos dois modelos GPT-6.2 e custando menos. GPT-6.2 Sol empata com Terra em conjuntos de dados vencidos, com 17 cada, e é mais rápido e encontra mais objetos.
Sim, em média. GPT-6.2 Sol supera GPT-6.1 Sol em 23 dos 36 conjuntos de dados, é cerca de três vezes mais rápido e custa 21% menos por imagem. GPT-6.2 Astra supera GPT-6 Astra em 24 conjuntos de dados e custa 35% menos. Ambos os modelos antigos tiveram melhor desempenho na deteção de defeitos em placas de circuito.
Adiciona a tua chave API da OpenAI em Definições > Chaves API e escolhe GPT-6.2 Sol ou GPT-6.2 Astra no modo Smart do editor de anotações. Testa algumas imagens e, em seguida, usa Batch Annotation para anotar todo o conjunto de dados, revê as caixas e treina um modelo Ultralytics YOLO26 no mesmo espaço de trabalho.
Escrito por
Comentários
Faça uma pergunta, compartilhe seus resultados ou ajude alguém.










