GPT-6.2 Sol và Astra cho tác vụ tự động gán nhãn: Điểm số tương đương, thế mạnh khác nhau
GPT-6.2 Sol và Astra đạt điểm mAP50 lần lượt là 0.551 và 0.546 trên 36 bộ dữ liệu phát hiện đối tượng, nhưng Sol có giá $8.10 cho mỗi 1.000 ảnh, so với $31.88. Sau đây là lựa chọn phù hợp.
Glenn Jocher15 phút đọc
OpenAI phát hành GPT-6.2 Astra và GPT-6.2 Sol vào ngày 17 tháng 11 năm 2026, mô tả Astra là model mạnh nhất của hãng và Sol là model chủ lực cho công việc hằng ngày. Khi yêu cầu chúng vẽ bounding box, độ chính xác của hai model khá sát nhau. Nhưng giá thì không.
Chúng tôi chạy cả hai trên UL37, benchmark phát hiện đối tượng gồm 36 bộ dữ liệu của chúng tôi, ngay trong ngày ra mắt. GPT-6.2 Sol đạt 0.551 mAP50 và GPT-6.2 Astra đạt 0.546, lần lượt xếp thứ tư và thứ năm trong số 50 model trên VLM Leaderboard của chúng tôi. Sol làm được điều đó với chi phí $8.10 cho mỗi 1.000 ảnh. Astra có giá $31.88, gần gấp bốn lần.
Cả hai hiện là các lựa chọn Sol và Astra của OpenAI để tự động gán nhãn trong Ultralytics Platform, thay thế GPT-6.1 Sol và GPT-6 Astra. Dưới đây là phần so sánh, điểm mạnh của từng model, chi phí cho một lô gán nhãn và thời điểm GPT-6.1 Terra của OpenAI vẫn là lựa chọn tốt hơn.
GPT-6.2 Sol và Astra chỉ chênh nhau khoảng 0.005 điểm trên UL37#
UL37 đo mức độ khớp giữa bounding box của model và nhãn do con người gán trên 360 ảnh: 10 ảnh từ mỗi trong số 36 bộ dữ liệu phát hiện đối tượng thực tế, từ ảnh y tế và ảnh chụp từ trên không đến kệ hàng bán lẻ, thể thao, tài liệu và bảng mạch. Mọi ảnh đều chạy qua cùng một pipeline production mà người dùng Platform sử dụng, với tên lớp riêng của bộ dữ liệu và SAM 3.1 tinh chỉnh từng box; do đó, điểm số phản ánh pipeline production đã tinh chỉnh này chứ không phải đầu ra thô của model. Phương pháp được công khai.
| GPT-6.2 Sol | GPT-6.2 Astra | GPT-6.1 Terra | |
|---|---|---|---|
| Thứ hạng trên bảng xếp hạng | #4 trên 50 | #5 trên 50 | #2 trên 50 |
| mAP50 | 0.551 | 0.546 | 0.560 |
| mAP50-95 | 0.346 | 0.345 | 0.345 |
| Độ chính xác | 0.623 | 0.626 | 0.646 |
| Độ bao phủ | 0.643 | 0.625 | 0.613 |
| Chi phí của nhà cung cấp cho mỗi 1.000 ảnh | $8.10 | $31.88 | $4.36 |
| Thời gian trung vị mỗi ảnh | 3.4 s | 4.3 s | 5.1 s |
| Yêu cầu thất bại | 0% | 0% | 0% |
Kết quả UL37 từ Ultralytics VLM Leaderboard, cập nhật ngày 17 tháng 11 năm 2026.
Trong lần chạy này, độ chính xác của hai model khá tương đương. Điểm mAP50-95, vốn đánh giá cao các box khít, chỉ chênh 0.001 và độ chính xác chênh 0.003. Sol phát hiện được nhiều đối tượng có nhãn hơn một chút: độ bao phủ 0.643 của Sol cao nhất trong số cả 50 model trên bảng xếp hạng, nhỉnh hơn 0.642 của Gemini 4 Carbon. Sol cũng nhanh nhất trong bảy model đứng đầu, với 3.4 giây mỗi ảnh.

Tám model đạt điểm cao nhất trên UL37, kèm chi phí của nhà cung cấp cho mỗi 1.000 ảnh.
OpenAI xây dựng GPT-6.2 để làm gì#
OpenAI định vị hai model cho những công việc khác nhau. Nhật ký thay đổi của hãng khuyến nghị GPT-6.2 Astra "cho các tác vụ suy luận và lập trình đòi hỏi cao" và GPT-6.2 Sol "cho công việc lập trình hằng ngày và quy trình làm việc của agent." Cả hai đều nhận văn bản và hình ảnh, trả về văn bản, đồng thời có trên Responses API và Chat Completions.
Mức giá cũng phản ánh sự phân chia đó. Theo trang model của OpenAI, GPT-6.2 Sol có giá $2 cho mỗi triệu token đầu vào và $10 cho mỗi triệu token đầu ra, còn GPT-6.2 Astra có giá lần lượt là $8 và $40. Giá token của Astra chính xác gấp bốn lần Sol.
Cả hai đều là model đa dụng chứ không phải bộ phát hiện chuyên biệt, vì vậy chúng tôi đo hiệu quả của chúng trong tác vụ đó. Platform gọi cả hai với mức độ suy luận mặc định của OpenAI, bằng cùng một yêu cầu vẽ box gửi đến mọi model OpenAI.
Astra thắng trên nhiều bộ dữ liệu hơn, nhưng một bộ dữ liệu siêu âm quyết định điểm trung bình#
Việc Sol dẫn đầu về điểm trung bình không có nghĩa là Sol thắng thường xuyên hơn. Đối đầu trên 36 bộ dữ liệu, Astra đạt điểm cao hơn ở 17 bộ, Sol ở 15 bộ và có bốn bộ hòa.
Một bộ dữ liệu giải thích cho sự khác biệt này. Trên siêu âm tuyến giáp TN5000, nơi mỗi box còn có nhãn lành tính hoặc ác tính, Sol đạt 0.995 so với 0.769 của Astra. Riêng kết quả này nâng điểm trung bình của Sol thêm khoảng 0.006. Nếu loại TN5000, điểm trung bình của Sol là 0.539 và Astra là 0.540.
Trên benchmark này, độ chính xác của hai model đủ sát nhau để những khác biệt rõ rệt hơn nằm ở lĩnh vực và chi phí.
GPT-6.2 Sol và Astra nổi trội ở những lĩnh vực nào#
Tính trung bình theo lĩnh vực, Astra dẫn đầu ở bảy trong 12 lĩnh vực của UL37 và Sol dẫn đầu ở bốn lĩnh vực; lĩnh vực X-quang an ninh hòa nhau.

Mỗi lĩnh vực gồm từ một đến tám bộ dữ liệu, với 10 ảnh mỗi bộ dữ liệu.
GPT-6.2 Sol mạnh hơn trên ảnh y tế, đường sá và thiên nhiên. Điểm trung bình của Sol trên tám bộ dữ liệu y tế là 0.466, so với 0.411 của Astra; kết quả này chủ yếu nhờ TN5000 và Kvasir-SEG về polyp đại tràng, nơi Sol đạt 0.805 so với 0.707. Trên đầu lúa mì trong GWHD, Sol đạt 0.684 so với 0.537 của Astra; trên vạch kẻ đường trong CeyMo, Sol đạt 0.843 so với 0.705.
GPT-6.2 Astra mạnh hơn trên ảnh chụp từ trên không, bán lẻ, tài liệu và con người. Điểm trung bình của Astra trên năm bộ dữ liệu ảnh chụp từ trên không là 0.550, so với 0.506 của Sol; trong đó có kết quả phát hiện tàu trên ảnh radar SSDD, đạt 0.880 so với 0.749. Trên sản phẩm tại quầy thanh toán trong RPC, Astra đạt 0.978 so với 0.823 của Sol; Astra cũng dẫn đầu về phát hiện PPE, rác thải và bóng rổ.
| Bộ dữ liệu | Lĩnh vực | GPT-6.2 Sol | GPT-6.2 Astra |
|---|---|---|---|
| Siêu âm tuyến giáp TN5000 | Y tế | 0.995 | 0.769 |
| Đầu lúa mì GWHD | Thiên nhiên / nông nghiệp | 0.684 | 0.537 |
| Vạch kẻ đường CeyMo | Đường sá / giao thông | 0.843 | 0.705 |
| SoccerDB | Thể thao | 0.748 | 0.631 |
| Quầy thanh toán bán lẻ RPC | Bán lẻ | 0.823 | 0.978 |
| Bóng rổ và vành rổ | Thể thao | 0.726 | 0.872 |
| Bệnh cây trồng PlantDoc | Thiên nhiên / nông nghiệp | 0.302 | 0.447 |
| Tàu trên ảnh SAR SSDD | Ảnh trên không / viễn thám | 0.749 | 0.880 |
Bốn khoảng cách lớn nhất theo mỗi hướng, mAP50 trên UL37.
Mỗi bộ dữ liệu đóng góp 10 ảnh, vì vậy một điểm số đơn lẻ chỉ là dấu hiệu để kiểm thử chứ chưa phải kết luận. Trước khi gán nhãn một bộ dữ liệu lớn, hãy mở trang model GPT-6.2 Sol và GPT-6.2 Astra; các trang này phát lại box đã ghi nhận của từng model trên mọi bộ dữ liệu benchmark, đặt cạnh nhãn chuẩn.
Cải thiện đáng kể so với GPT-6.1 Sol và GPT-6 Astra, ngoại trừ trên bảng mạch#
So với các model được thay thế trong Platform, cả hai đều chính xác hơn, nhanh hơn và có chi phí trên mỗi ảnh thấp hơn.
| mAP50 | Chi phí cho mỗi 1.000 ảnh | Thời gian trung vị mỗi ảnh | |
|---|---|---|---|
| GPT-6.1 Sol | 0.514 | $10.30 | 10.5 s |
| GPT-6.2 Sol | 0.551 | $8.10 | 3.4 giây |
| GPT-6 Astra | 0.525 | $49.31 | 11.6 s |
| GPT-6.2 Astra | 0.546 | $31.88 | 4.3 giây |
GPT-6.2 Sol vượt GPT-6.1 Sol trên 23 bộ dữ liệu và kém hơn trên 12 bộ, đồng thời chạy nhanh hơn khoảng ba lần. Chi phí mỗi ảnh thấp hơn 21% dù giá token không đổi. GPT-6.2 Astra vượt GPT-6 Astra trên 24 bộ dữ liệu và kém hơn trên 11 bộ, với chi phí mỗi ảnh thấp hơn 35% cùng giá token thấp hơn: OpenAI niêm yết GPT-6 Astra ở mức $10 và $50 cho mỗi triệu token.

Các mũi tên đối chiếu từng model GPT-6.2 với model mà model đó thay thế trong Ultralytics Platform.
Ngoại lệ là bảng mạch. Trên lỗi bảng mạch trần trong DeepPCB, cả hai model GPT-6.2 đều đạt 0.000, trong khi GPT-6.1 Sol đạt 0.393. Trên lỗi bề mặt trong DsPCBSD+, điểm của Sol giảm từ 0.392 xuống 0.164, còn Astra đạt 0.216. Hiệu quả với ảnh X-quang an ninh cũng yếu: cả hai đều đạt 0.05 trên IEDXray, trong khi Gemini 4 Argon đạt 0.30. Nếu dữ liệu của bạn là ảnh kiểm tra PCB hoặc sàng lọc an ninh, hãy thử các model khác trên một mẫu trước khi quyết định.
GPT-6.1 Terra vẫn là model gán nhãn tốt nhất của OpenAI trên UL37#
Không model mới nào vượt GPT-6.1 Terra; Terra vẫn đứng thứ hai trên bảng xếp hạng với 0.560 mAP50, giá $4.36 cho mỗi 1.000 ảnh. Terra và GPT-6.2 Sol mỗi model thắng trên 17 bộ dữ liệu, với hai bộ hòa nhau, nên khoảng cách khá hẹp. Terra có độ chính xác cao hơn, đạt 0.646 so với 0.623, và chi phí chỉ bằng khoảng một nửa. Sol phát hiện được nhiều đối tượng hơn và phản hồi nhanh hơn: 3.4 giây so với 5.1.
Ở đầu bảng xếp hạng, Gemini 4 Carbon vẫn dẫn đầu với 0.584 mAP50, giá $12.93 cho mỗi 1.000 ảnh. Kết quả GPT-6.1 Terra và kết quả Gemini 4 Carbon của chúng tôi phân tích chi tiết các model này.
Chi phí cho một lô gán nhãn bằng GPT-6.2#
Chi phí của nhà cung cấp được tính từ mức sử dụng token do OpenAI báo cáo theo giá niêm yết; ảnh của bạn có thể dùng nhiều hoặc ít token hơn. Batch Annotation thu thêm phí xử lý của Platform là $1.00 cho mỗi 1.000 ảnh, với mức tối thiểu $0.01 cho mỗi lần chạy.
| Mỗi 1.000 ảnh | GPT-6.2 Sol | GPT-6.2 Astra |
|---|---|---|
| Phí OpenAI | $8.10 | $31.88 |
| Phí xử lý của Ultralytics Platform | $1.00 | $1.00 |
| Tổng cộng | $9.10 | $32.88 |
Bạn thanh toán trực tiếp cho OpenAI bằng API key của mình, bao gồm cả các dự đoán thử nghiệm chạy trước; Ultralytics không cộng thêm phí vào token. Với bộ dữ liệu 10.000 ảnh, chi phí xấp xỉ $91 với Sol và $329 với Astra.
Cách chạy tự động gán nhãn bằng GPT-6.2 Sol hoặc Astra trong Ultralytics Platform#
GPT-6.2 Sol và Astra là các model nhận prompt lớp cho bộ dữ liệu phát hiện đối tượng có từ 1 đến 200 lớp. Chúng trả về bounding box theo tên lớp riêng của bộ dữ liệu, sau đó bạn xem lại trước khi lưu.
- Tạo key tại trang API keys của OpenAI.
- Yêu cầu chủ sở hữu workspace thêm khóa tại Settings > API Keys trong workspace Platform chứa bộ dữ liệu của bạn. Tài liệu về khóa của nhà cung cấp trình bày chi tiết cách thực hiện.
- Trong trình chỉnh sửa gán nhãn, chuyển sang chế độ Smart và chọn GPT-6.2 Sol hoặc GPT-6.2 Astra trong danh sách model bên dưới OpenAI.
- Nhấn Predict hoặc
Ptrên một vài ảnh đại diện cho dữ liệu của bạn, rồi so sánh hai model trên cùng các ảnh đó. - Khi đã hài lòng, mở trang bộ dữ liệu và chọn More actions > Batch Annotation để gán nhãn mọi ảnh chưa có nhãn. Batch Annotation hoạt động với bộ dữ liệu lưu trữ trên Platform có tối đa ba kênh ảnh; Platform sẽ lưu phiên bản bộ dữ liệu trước để bạn có thể khôi phục.
- Xem lại các box, lưu chúng, rồi huấn luyện model Ultralytics YOLO26 trên kết quả ngay trong cùng workspace.
Tài liệu gán nhãn giải thích đầy đủ về chế độ Smart và Batch Annotation; hướng dẫn chọn VLM dựa trên độ chính xác và độ bao phủ của chúng tôi giúp bạn chọn model phù hợp với quy trình duyệt nhãn.
GPT-6.2 Sol, GPT-6.2 Astra hay GPT-6.1 Terra: nên chọn model nào#
| Nếu bạn cần… | Bắt đầu với |
|---|---|
| Model gán nhãn đa dụng của OpenAI với chi phí thấp nhất | GPT-6.1 Terra: điểm UL37 cao nhất trong ba model, giá chỉ bằng khoảng một nửa Sol |
| Tốc độ hoặc khả năng phát hiện nhiều đối tượng nhất | GPT-6.2 Sol: 3.4 giây mỗi ảnh và có độ bao phủ cao nhất trên bảng xếp hạng |
| Ảnh y tế, đường sá hoặc nông nghiệp | GPT-6.2 Sol, sau đó kiểm tra Terra trên dữ liệu y tế |
| Ảnh chụp từ trên không, quầy thanh toán bán lẻ, tài liệu hoặc PPE | GPT-6.2 Astra, nếu lợi thế về độ chính xác trên dữ liệu của bạn xứng đáng với mức chi phí cao gấp khoảng bốn lần Sol |
| Lỗi PCB hoặc ảnh X-quang an ninh | Hãy thử các model khác trước; cả hai model GPT-6.2 đều đạt điểm thấp trên UL37 trong các trường hợp này |
Với hầu hết công việc gán nhãn, GPT-6.2 Sol là lựa chọn đáng tiền hơn trong hai model mới: điểm UL37 gần bằng Astra với chi phí chỉ khoảng một phần tư. Chọn Astra khi thử nghiệm trên ảnh của chính bạn cho thấy Astra có lợi thế trong lĩnh vực của bạn.
Câu hỏi thường gặp
Trên benchmark UL37 của chúng tôi, điểm số của hai model khá sát nhau: GPT-6.2 Sol đạt 0.551 mAP50 và GPT-6.2 Astra đạt 0.546; Astra thắng nhiều bộ dữ liệu hơn đôi chút, 17 so với 15. Khác biệt rõ ràng nằm ở chi phí: phí OpenAI cho Sol là $8.10 mỗi 1.000 ảnh, so với $31.88 của Astra. Sol dẫn đầu trên ảnh y tế, đường sá và thiên nhiên; Astra dẫn đầu trên ảnh chụp từ trên không, bán lẻ, tài liệu và con người.
Có. Cả hai model GPT-6.2 đều nằm trong top 5 trên tổng số 50 model của Ultralytics VLM Leaderboard và không có yêu cầu nào thất bại. GPT-6.2 Sol có độ bao phủ cao nhất bảng xếp hạng, đạt 0.643. Cả hai đều yếu trong phát hiện lỗi bảng mạch và trên ảnh X-quang an ninh.
Phí OpenAI khoảng $8.10 với GPT-6.2 Sol và $31.88 với GPT-6.2 Astra, dựa trên mức sử dụng token được báo cáo theo giá niêm yết. Ultralytics Platform thu thêm phí Batch Annotation $1.00 cho mỗi 1.000 ảnh, đưa tổng chi phí lên khoảng $9.10 và $32.88.
Trên UL37, có, nhưng chỉ nhỉnh hơn một chút. GPT-6.1 Terra đạt 0.560 mAP50 với giá $4.36 cho mỗi 1.000 ảnh, vượt trung bình cả hai model GPT-6.2 và có chi phí thấp hơn. GPT-6.2 Sol hòa Terra về số bộ dữ liệu chiến thắng, mỗi model thắng 17 bộ, đồng thời nhanh hơn và phát hiện được nhiều đối tượng hơn.
Có, xét trung bình. GPT-6.2 Sol vượt GPT-6.1 Sol trên 23 trong số 36 bộ dữ liệu, nhanh hơn khoảng ba lần và có chi phí mỗi ảnh thấp hơn 21%. GPT-6.2 Astra vượt GPT-6 Astra trên 24 bộ dữ liệu với chi phí thấp hơn 35%. Cả hai model đời trước đều hoạt động tốt hơn trên các lỗi bảng mạch.
Thêm API key OpenAI tại Settings > API Keys, sau đó chọn GPT-6.2 Sol hoặc GPT-6.2 Astra trong chế độ Smart của trình chỉnh sửa gán nhãn. Thử trên một vài ảnh, rồi dùng Batch Annotation để gán nhãn toàn bộ bộ dữ liệu, xem lại các box và huấn luyện model Ultralytics YOLO26 trong cùng workspace.
Được viết bởi
Bình luận
Đặt câu hỏi, chia sẻ kết quả hoặc giúp đỡ người khác.










