GPT-6.2 Sol или Astra для автоматической разметки: близкие результаты, разные сильные стороны
GPT-6.2 Sol и Astra набирают 0.551 и 0.546 mAP50 на 36 наборах данных для детекции, но Sol стоит $8.10 за 1 000 изображений против $31.88 у Astra. Вот какую модель выбрать.
Glenn Jocher12 мин. чтения
OpenAI выпустила GPT-6.2 Astra и GPT-6.2 Sol 17 ноября 2026 года, назвав Astra своей самой мощной моделью, а Sol — основной моделью для повседневной работы. Мы попросили обе модели нарисовать ограничивающие рамки, и точность оказалась примерно одинаковой. А вот цены — нет.
В день запуска мы проверили обе модели на UL37 — нашем бенчмарке детекции на 36 наборах данных (бенчмарке). GPT-6.2 Sol набрала 0.551 mAP50, а GPT-6.2 Astra — 0.546: четвёртое и пятое места среди 50 моделей в нашей таблице лидеров VLM. Sol справилась за $8.10 на 1 000 изображений. Astra обошлась в $31.88 — почти в четыре раза дороже.
Теперь обе модели доступны как варианты OpenAI Sol и Astra для автоматической разметки в Ultralytics Platform, где они заменили GPT-6.1 Sol и GPT-6 Astra. Ниже рассказываем, как они соотносятся, в чём сильна каждая, сколько стоит разметка пакета и в каких случаях GPT-6.1 Terra от OpenAI всё ещё лучше.
Результаты GPT-6.2 Sol и Astra на UL37 различаются примерно на 0.005#
UL37 показывает, насколько рамки модели совпадают с разметкой людей на 360 изображениях: по 10 из каждого из 36 реальных наборов данных для детекции объектов — от медицинских снимков и аэрофотосъёмки до полок магазинов, спорта, документов и печатных плат. Каждое изображение проходит один и тот же производственный процесс, который доступен пользователям Platform: используются названия классов из самого набора данных, а SAM 3.1 уточняет каждую рамку. Поэтому результаты отражают точность этого процесса, а не исходные результаты модели. Методология открыта.
Результаты UL37 из таблицы лидеров VLM Ultralytics, обновлены 17 ноября 2026 года.
В этом тесте точность моделей близка. Их результаты mAP50-95, учитывающие точность рамок, различаются на 0.001, а точность — на 0.003. Sol находит немного больше размеченных объектов: её полнота 0.643 — самая высокая среди всех 50 моделей в таблице лидеров, чуть выше, чем 0.642 у Gemini 4 Carbon. Кроме того, Sol быстрее всех среди семи лидеров: 3.4 секунды на изображение.

Восемь моделей с наивысшими результатами на UL37 и стоимость провайдера за 1 000 изображений.
Для чего OpenAI создала GPT-6.2#
OpenAI предназначает эти две модели для разных задач. В журнале изменений компания рекомендует GPT-6.2 Astra «для сложных задач, требующих рассуждений и написания кода», а GPT-6.2 Sol — «для повседневного программирования и агентных сценариев». Обе модели принимают текст и изображения, возвращают текст и доступны через Responses API и Chat Completions.
Цены соответствуют этому разделению. Согласно страницам моделей OpenAI, GPT-6.2 Sol стоит $2 за миллион входных токенов и $10 за миллион выходных, а GPT-6.2 Astra — $8 и $40 соответственно. Токены Astra стоят ровно в четыре раза дороже токенов Sol.
Обе модели универсальные, а не специализированные детекторы, поэтому мы измерили их качество в этой задаче. Platform вызывает обе модели с установленным в OpenAI уровнем усилий при рассуждении по умолчанию и передаёт каждой модели OpenAI один и тот же запрос на определение рамок.
Astra выигрывает на большем числе наборов данных, но среднее определяет один набор УЗИ#
Преимущество Sol по среднему результату не означает, что она выигрывает чаще. В прямом сравнении на 36 наборах данных Astra показывает более высокий результат на 17, Sol — на 15, ещё на четырёх результаты равны.
Разницу объясняет один набор данных. На наборе УЗИ щитовидной железы TN5000, где каждой рамке также присваивается метка «доброкачественная» или «злокачественная», Sol набирает 0.995 против 0.769 у Astra. Этот результат повышает среднее Sol примерно на 0.006. Если исключить TN5000, средние результаты составят 0.539 у Sol и 0.540 у Astra.
На этом бенчмарке точность моделей настолько близка, что явные различия касаются специализации и стоимости.
В чём GPT-6.2 Sol и Astra сильнее друг друга#
По средним результатам в отдельных областях Astra лидирует в семи из 12 областей UL37, а Sol — в четырёх; на рентгеновских снимках для досмотра результаты равны.

В каждой области от одного до восьми наборов данных, по 10 изображений в каждом.
GPT-6.2 Sol лучше справляется с медицинскими изображениями, снимками дорог и природы. Средний результат на восьми медицинских наборах данных — 0.466 против 0.411 у Astra; на него повлияли результаты TN5000 и Kvasir-SEG с полипами толстой кишки: 0.805 против 0.707. На пшенице в GWHD Sol набирает 0.684 против 0.537 у Astra, а на дорожной разметке в CeyMo — 0.843 против 0.705.
GPT-6.2 Astra лучше справляется с аэрофотоснимками, изображениями товаров в магазинах, документами и людьми. Средний результат на пяти наборах аэрофотоснимков — 0.550 против 0.506 у Sol; этому помогла детекция кораблей на радиолокационных снимках SSDD: 0.880 против 0.749. На товарах у кассы в наборе RPC Astra набирает 0.978 против 0.823 у Sol; она также лидирует в детекции СИЗ, мусора и баскетбола.
| Набор данных | Область | GPT-6.2 Sol | GPT-6.2 Astra |
|---|---|---|---|
| УЗИ щитовидной железы TN5000 | Медицина | 0.995 | 0.769 |
| Колосья пшеницы GWHD | Природа / сельское хозяйство | 0.684 | 0.537 |
| Дорожная разметка CeyMo | Дороги / дорожное движение | 0.843 | 0.705 |
| SoccerDB | Спорт | 0.748 | 0.631 |
| Товары у кассы RPC | Розничная торговля | 0.823 | 0.978 |
| Баскетбольный мяч и кольцо | Спорт | 0.726 | 0.872 |
| Болезни растений PlantDoc | Природа / сельское хозяйство | 0.302 | 0.447 |
| Корабли на SAR-снимках SSDD | Аэрофотосъемка / дистанционное зондирование | 0.749 | 0.880 |
Четыре наибольших разрыва в каждом направлении, mAP50 на UL37.
На каждый набор данных приходится 10 изображений, поэтому отдельный результат — это повод провести тест, а не окончательный вердикт. Прежде чем размечать большой набор данных, открой страницы моделей GPT-6.2 Sol и GPT-6.2 Astra: на них показаны сохранённые рамки каждой модели для всех наборов данных бенчмарка рядом с эталонной разметкой.
Заметный шаг вперёд по сравнению с GPT-6.1 Sol и GPT-6 Astra — за исключением печатных плат#
По сравнению с моделями, которые они заменяют в Platform, обе модели точнее, быстрее и дешевле в расчёте на изображение.
| mAP50 | Стоимость на 1 000 изображений | Медианное время на изображение | |
|---|---|---|---|
| GPT-6.1 Sol | 0.514 | $10.30 | 10.5 s |
| GPT-6.2 Sol | 0.551 | $8.10 | 3.4 с |
| GPT-6 Astra | 0.525 | $49.31 | 11.6 s |
| GPT-6.2 Astra | 0.546 | $31.88 | 4.3 с |
GPT-6.2 Sol превосходит GPT-6.1 Sol на 23 наборах данных и уступает на 12, а работает примерно втрое быстрее. Стоимость обработки одного изображения ниже на 21%, хотя цены за токены не изменились. GPT-6.2 Astra превосходит GPT-6 Astra на 24 наборах данных и уступает на 11; стоимость обработки одного изображения ниже на 35%, а цены за токены тоже снизились: OpenAI указывает для GPT-6 Astra цену $10 и $50 за миллион токенов.

Стрелки показывают сравнение каждой модели GPT-6.2 с моделью, которую она заменяет в Ultralytics Platform.
Исключение — печатные платы. На дефектах голых плат в DeepPCB обе модели GPT-6.2 набирают 0.000, тогда как GPT-6.1 Sol набирала 0.393. На поверхностных дефектах в DsPCBSD+ результат Sol падает с 0.392 до 0.164, а Astra набирает 0.216. Рентгеновские снимки для досмотра тоже даются моделям плохо: обе набирают 0.05 на IEDXray, тогда как Gemini 4 Argon достигает 0.30. Если ты проверяешь печатные платы или проводишь досмотр по снимкам, сначала протестируй другие модели на выборке.
GPT-6.1 Terra по-прежнему лучшая модель OpenAI для разметки на UL37#
Ни одна из новых моделей не обходит GPT-6.1 Terra: она остаётся второй в таблице лидеров с результатом 0.560 mAP50 и стоимостью $4.36 за 1 000 изображений. Terra и GPT-6.2 Sol выигрывают по 17 наборов данных, ещё на двух результаты равны, поэтому разрыв невелик. Точность Terra выше — 0.646 против 0.623, а цена примерно вдвое ниже. Sol находит больше объектов и отвечает быстрее: 3.4 секунды против 5.1.
На первом месте по-прежнему Gemini 4 Carbon: 0.584 mAP50 при цене $12.93 за 1 000 изображений. Подробные результаты этих моделей смотри в материалах о GPT-6.1 Terra и Gemini 4 Carbon.
Сколько стоит пакет разметки GPT-6.2#
Стоимость провайдера рассчитана по данным об использовании токенов, опубликованным OpenAI, и стандартным тарифам; для твоих изображений число токенов может быть больше или меньше. За обработку в Batch Annotation Platform взимает $1.00 за 1 000 изображений, минимум — $0.01 за один запуск.
| За 1 000 изображений | GPT-6.2 Sol | GPT-6.2 Astra |
|---|---|---|
| Плата OpenAI | $8.10 | $31.88 |
| Плата за обработку в Ultralytics Platform | $1.00 | $1.00 |
| Итого | $9.10 | $32.88 |
Ты платишь OpenAI напрямую со своего API-ключа, в том числе за пробные предсказания, которые запускаешь заранее; Ultralytics не добавляет наценку на токены. Разметка набора из 10 000 изображений обойдётся примерно в $91 с Sol и $329 с Astra.
Как запустить автоматическую разметку с GPT-6.2 Sol или Astra в Ultralytics Platform#
GPT-6.2 Sol и Astra — модели с подсказками по классам для наборов данных детекции с 1–200 классами. Они возвращают ограничивающие рамки с названиями классов из твоего набора данных; перед сохранением ты проверяешь разметку.
- Создай ключ на странице ключей API OpenAI.
- Попроси владельца рабочего пространства добавить ключ в разделе Settings > API Keys рабочего пространства Platform, в котором хранится твой набор данных. Подробности есть в документации по ключам провайдеров.
- В редакторе разметки включи режим Smart и выбери GPT-6.2 Sol или GPT-6.2 Astra в разделе OpenAI списка моделей.
- Нажми Predict или
Pна нескольких изображениях, представляющих твои данные, и сравни две модели на одних и тех же изображениях. - Когда результат тебя устроит, открой страницу набора данных и выбери More actions > Batch Annotation, чтобы разметить все изображения без меток. Batch Annotation работает с наборами данных, размещёнными на Platform, если в них не больше трёх каналов изображения. Перед началом Platform сохраняет версию набора данных, поэтому ты сможешь откатить изменения.
- Проверь рамки, сохрани их и обучи модель Ultralytics YOLO26 на полученном наборе в том же рабочем пространстве.
В документации по разметке подробно описаны режим Smart и Batch Annotation, а наше руководство по выбору VLM с учётом точности и полноты поможет подобрать модель для твоего процесса проверки разметки.
GPT-6.2 Sol, GPT-6.2 Astra или GPT-6.1 Terra: какую модель выбрать#
| Если тебе нужны… | Начни с |
|---|---|
| Универсальная модель OpenAI для разметки по минимальной цене | GPT-6.1 Terra: лучший результат UL37 из трёх моделей, примерно вдвое дешевле Sol |
| Скорость или максимальное число найденных объектов | GPT-6.2 Sol: 3.4 с на изображение и самая высокая полнота в таблице лидеров |
| Медицинские изображения, снимки дорог или сельскохозяйственные изображения | GPT-6.2 Sol; для медицинских данных также проверь Terra |
| Аэрофотоснимки, товары у кассы, документы или изображения СИЗ | GPT-6.2 Astra, если преимущество в точности на твоих данных оправдывает цену примерно в четыре раза выше, чем у Sol |
| Дефекты печатных плат или рентгеновские снимки для досмотра | Сначала проверь другие модели: результаты обеих моделей GPT-6.2 на UL37 здесь низкие |
Для большинства задач разметки GPT-6.2 Sol — более выгодный выбор из двух новых моделей: результат на UL37 близок к Astra, а стоимость примерно в четыре раза ниже. Выбирай Astra, если тест на твоих изображениях покажет, что в твоей области она справляется лучше.
Часто задаваемые вопросы
На нашем бенчмарке UL37 результаты близки: GPT-6.2 Sol набирает 0.551 mAP50, а GPT-6.2 Astra — 0.546; Astra выигрывает на немного большем числе наборов данных — 17 против 15. Главное различие — в стоимости: плата OpenAI за Sol составляет $8.10 на 1 000 изображений, а за Astra — $31.88. Sol лучше справляется с медицинскими изображениями, снимками дорог и природы, Astra — с аэрофотоснимками, изображениями товаров в магазинах, документами и людьми.
Да. Обе модели GPT-6.2 входят в пятёрку лучших из 50 моделей в таблице лидеров VLM Ultralytics; ни один запрос не завершился ошибкой. У GPT-6.2 Sol самая высокая полнота в таблице — 0.643. Обе модели плохо справляются с дефектами печатных плат и рентгеновскими снимками для досмотра.
Плата OpenAI составит около $8.10 с GPT-6.2 Sol и $31.88 с GPT-6.2 Astra; расчёт основан на опубликованных данных об использовании токенов и стандартных тарифах. Ultralytics Platform дополнительно взимает $1.00 за Batch Annotation на 1 000 изображений, поэтому общая стоимость составит примерно $9.10 и $32.88.
На UL37 — да, хотя и ненамного. GPT-6.1 Terra набирает 0.560 mAP50 при цене $4.36 за 1 000 изображений и превосходит обе модели GPT-6.2 по среднему результату и стоимости. GPT-6.2 Sol выигрывает столько же наборов данных, сколько Terra, — по 17; при этом Sol быстрее и находит больше объектов.
Да, в среднем. GPT-6.2 Sol превосходит GPT-6.1 Sol на 23 из 36 наборов данных, работает примерно втрое быстрее и стоит на 21% меньше в расчёте на изображение. GPT-6.2 Astra превосходит GPT-6 Astra на 24 наборах данных и стоит на 35% меньше. Обе предыдущие модели лучше справлялись с дефектами печатных плат.
Добавь свой API-ключ OpenAI в разделе Settings > API Keys, а затем выбери GPT-6.2 Sol или GPT-6.2 Astra в режиме Smart редактора разметки. Проверь несколько изображений, затем используй Batch Annotation, чтобы разметить весь набор данных, проверь рамки и обучи модель Ultralytics YOLO26 в том же рабочем пространстве.
Автор
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.










