GPT-6.2 Sol 与 Astra 用于自动标注:得分相近,优势各异
GPT-6.2 Sol 和 Astra 在 36 个检测数据集上的 mAP50 分别为 0.551 和 0.546,但 Sol 每 1,000 张图像仅需 8.10 美元,而 Astra 需要 31.88 美元。该选哪一个?
Glenn Jocher10 分钟阅读
OpenAI 于 2026 年 11 月 17 日发布 GPT-6.2 Astra 和 GPT-6.2 Sol,并称 Astra 是其能力最强的模型,Sol 则是日常工作的首选模型。我们让它们绘制边界框后发现,两者的准确率相差不大,价格却截然不同。
我们在两者发布当天,就用 UL37——我们的 36 个数据集检测基准测试——对它们进行了测试。GPT-6.2 Sol 的 mAP50 得分为 0.551,GPT-6.2 Astra 为 0.546,在我们的 VLM Leaderboard 上分别位列 50 个模型中的第四和第五。Sol 每处理 1,000 张图像只需 8.10 美元,Astra 则需 31.88 美元,接近其四倍。
现在,Ultralytics Platform 的自动标注选项中已提供 OpenAI Sol 和 Astra,取代 GPT-6.1 Sol 和 GPT-6 Astra。下面我们会比较两者的表现、各自的优势、一次标注批次的成本,以及何时仍应优先选择 OpenAI 自家的 GPT-6.1 Terra。
GPT-6.2 Sol 和 Astra 在 UL37 上的得分相差约 0.005#
UL37 使用 360 张图像衡量模型的边界框与人工标注的吻合程度:每个真实目标检测数据集各取 10 张,涵盖医学扫描、航空影像、零售货架、体育、文档和电路板。每张图像都经过 Platform 用户使用的同一套生产流水线处理,使用数据集自身的类别名称,并由 SAM 3.1 优化每个边界框,因此这些得分反映的是经过优化的生产流水线效果,而非模型的原始输出。方法已公开。
UL37 测试结果来自 Ultralytics VLM Leaderboard,更新于 2026 年 11 月 17 日。
在这次测试中,两者的准确率接近。奖励边界框紧密贴合的 mAP50-95 得分只差 0.001,精确率只差 0.003。Sol 找到的已标注目标略多:其召回率为 0.643,是排行榜 50 个模型中最高的,略高于 Gemini 4 Carbon 的 0.642。它也是排名前七的模型中速度最快的,每张图像仅需 3.4 秒。

UL37 上得分最高的八个模型,以及每 1,000 张图像的提供商费用。
OpenAI 为何打造 GPT-6.2#
OpenAI 将这两款模型定位于不同的工作场景。其更新日志推荐 GPT-6.2 Astra 用于“要求较高的推理和编码任务”,推荐 GPT-6.2 Sol 用于“日常编码和智能体工作流”。两者都能接收文本和图像并返回文本,也都可通过 Responses API 和 Chat Completions 使用。
价格也体现了这种定位差异。根据 OpenAI 的模型页面,GPT-6.2 Sol每百万输入 token 收费 2 美元、每百万输出 token 收费 10 美元;GPT-6.2 Astra则分别收费 8 美元和 40 美元。Astra 的 token 价格正好是 Sol 的四倍。
两者都是通用模型,而非专用检测器,因此我们测量了它们在这项任务中的表现。Platform 调用这两个模型时均采用 OpenAI 的默认推理强度,并发送与所有 OpenAI 模型相同的边界框请求。
Astra 在更多数据集上胜出,但一个超声数据集决定了平均分#
Sol 的平均分领先,不代表它赢得更多场次。在 36 个数据集的正面对比中,Astra 在 17 个数据集上得分更高,Sol 在 15 个数据集上得分更高,另有 4 个打平。
一个数据集解释了这种差异。在 TN5000 甲状腺超声数据集上,每个边界框还带有良性或恶性标签;Sol 得分为 0.995,而 Astra 为 0.769。仅这一项结果就将 Sol 的平均分提高了约 0.006。排除 TN5000 后,两者的平均分分别为 Sol 0.539、Astra 0.540。
在这项基准测试中,两者的准确率相差很小,更明显的差异在于适用领域和成本。
GPT-6.2 Sol 和 Astra 各自的优势#
按领域计算平均分,Astra 在 UL37 的 12 个领域中有 7 个领先,Sol 在 4 个领域领先,安检 X 射线领域则打平。

每个领域包含 1 至 8 个数据集,每个数据集有 10 张图像。
GPT-6.2 Sol 在医疗、道路和自然图像方面表现更强。它在 8 个医疗数据集上的平均分为 0.466,高于 Astra 的 0.411,主要得益于 TN5000 和结肠息肉数据集 Kvasir-SEG:Sol 得分为 0.805,Astra 为 0.707。在 GWHD 小麦穗检测中,Sol 得分为 0.684,Astra 为 0.537;在 CeyMo 道路标线检测中,Sol 得分为 0.843,Astra 为 0.705。
GPT-6.2 Astra 在航空影像、零售、文档和人员图像方面表现更强。它在 5 个航空影像数据集上的平均分为 0.550,高于 Sol 的 0.506,这主要得益于在 SSDD 雷达图像船舶检测中的表现:Astra 得分为 0.880,Sol 为 0.749。在 RPC 收银台商品检测中,Astra 得分为 0.978,Sol 为 0.823;此外,Astra 在 PPE、垃圾和篮球检测方面也领先。
| 数据集 | 领域 | GPT-6.2 Sol | GPT-6.2 Astra |
|---|---|---|---|
| TN5000 甲状腺超声 | 医学 | 0.995 | 0.769 |
| GWHD 小麦穗 | 自然 / 农业 | 0.684 | 0.537 |
| CeyMo 道路标线 | 道路 / 交通 | 0.843 | 0.705 |
| SoccerDB | 体育 | 0.748 | 0.631 |
| RPC 零售收银台 | 零售 | 0.823 | 0.978 |
| 篮球和篮筐 | 体育 | 0.726 | 0.872 |
| PlantDoc 植物病害 | 自然 / 农业 | 0.302 | 0.447 |
| SSDD SAR 船舶 | 航拍 / 遥感 | 0.749 | 0.880 |
UL37 mAP50 中各方向差距最大的四项。
每个数据集只贡献 10 张图像,因此单项得分只是值得测试的信号,而非最终结论。标注大型数据集之前,可以打开 GPT-6.2 Sol 和 GPT-6.2 Astra 模型页面,查看每个模型在所有基准数据集上的记录边界框,并与预期标签并排对比。
比 GPT-6.1 Sol 和 GPT-6 Astra 大幅提升,但电路板检测除外#
与它们在 Platform 中取代的模型相比,这两款模型都更准确、更快,而且每张图像的成本更低。
| mAP50 | 每 1,000 张图像的成本 | 每张图像的中位耗时 | |
|---|---|---|---|
| GPT-6.1 Sol | 0.514 | $10.30 | 10.5 s |
| GPT-6.2 Sol | 0.551 | $8.10 | 3.4 秒 |
| GPT-6 Astra | 0.525 | $49.31 | 11.6 s |
| GPT-6.2 Astra | 0.546 | $31.88 | 4.3 秒 |
GPT-6.2 Sol 在 23 个数据集上胜过 GPT-6.1 Sol,在 12 个数据集上落后,运行速度约快 3 倍。每张图像的成本降低了 21%,而 token 价格保持不变。GPT-6.2 Astra 在 24 个数据集上胜过 GPT-6 Astra,在 11 个数据集上落后,每张图像的成本降低了 35%,token 价格也更低:OpenAI 列出的 GPT-6 Astra 每百万 token 价格为10 美元和 50 美元。

箭头显示每款 GPT-6.2 模型与其在 Ultralytics Platform 中取代的模型之间的对比。
电路板是个例外。在 DeepPCB 裸板缺陷检测中,两款 GPT-6.2 模型的得分均为 0.000,而 GPT-6.1 Sol 得分为 0.393。在 DsPCBSD+ 表面缺陷检测中,Sol 从 0.392 降至 0.164,Astra 得分为 0.216。安检 X 射线检测表现也较弱:两款模型在 IEDXray 上的得分均为 0.05,而 Gemini 4 Argon 达到 0.30。如果你的数据用于 PCB 检测或安检筛查,请先用样本测试其他模型再做决定。
GPT-6.1 Terra 仍是 OpenAI 在 UL37 上最好的标注模型#
两款新模型都没有超过 GPT-6.1 Terra,后者仍以 0.560 mAP50 位居排行榜第二,每 1,000 张图像需 4.36 美元。Terra 和 GPT-6.2 Sol 各自在 17 个数据集上胜出,另有两个数据集打平,因此差距很小。Terra 的精确率更高,为 0.646,而 Sol 为 0.623;Terra 的成本约为 Sol 的一半。Sol 找到的目标更多,响应也更快:每张图像需 3.4 秒,而 Terra 需 5.1 秒。
排行榜榜首仍是 Gemini 4 Carbon,mAP50 为 0.584,每 1,000 张图像需 12.93 美元。我们的 GPT-6.1 Terra 测试结果和 Gemini 4 Carbon 测试结果详细介绍了这两款模型。
GPT-6.2 标注批次的成本#
提供商费用根据 OpenAI 报告的 token 用量和标价计算,你的图像可能消耗更多或更少的 token。Batch Annotation 还会收取每 1,000 张图像 1.00 美元的 Platform 处理费,每次运行最低收费 0.01 美元。
| 每 1,000 张图像 | GPT-6.2 Sol | GPT-6.2 Astra |
|---|---|---|
| OpenAI 收费 | $8.10 | $31.88 |
| Ultralytics Platform 处理费 | $1.00 | $1.00 |
| 总计 | $9.10 | $32.88 |
你通过自己的 API 密钥直接向 OpenAI 付费,先运行的测试预测也计入费用;Ultralytics 不会对 token 加价。对于包含 10,000 张图像的数据集,使用 Sol 约需 91 美元,使用 Astra 约需 329 美元。
如何在 Ultralytics Platform 中使用 GPT-6.2 Sol 或 Astra 自动标注#
GPT-6.2 Sol 和 Astra 是使用类别提示的模型,适用于包含 1 至 200 个类别的检测数据集。它们会根据你数据集自身的类别名称返回边界框,你可以审核后再保存。
- 在 OpenAI API 密钥页面创建密钥。
- 让工作区所有者在存放数据集的 Platform 工作区中,通过设置 > API 密钥添加 API 密钥。关于具体操作,请参阅提供商密钥文档。
- 在标注编辑器中切换到 Smart 模式,然后在模型选择器的 OpenAI 分类下选择 GPT-6.2 Sol 或 GPT-6.2 Astra。
- 在几张能代表你数据的图像上点击 预测,或运行
P,并在相同图像上比较两个模型。 - 满意后,打开数据集页面并选择 更多操作 > 批量标注,为所有未标注图像添加标签。Batch Annotation 支持托管在 Platform 上且最多包含三个图像通道的数据集;Platform 会先保存一个数据集版本,方便你回滚。
- 检查边界框并保存,然后在同一工作区中基于结果训练 Ultralytics YOLO26 模型。
标注文档详细介绍了 Smart 模式和 Batch Annotation;我们的如何根据精确率和召回率选择 VLM 指南则能帮助你为审核工作流选对模型。
GPT-6.2 Sol、GPT-6.2 Astra 还是 GPT-6.1 Terra:该选哪一个#
| 如果你需要…… | 从这里开始 |
|---|---|
| 成本最低的通用 OpenAI 标注模型 | GPT-6.1 Terra:三者中 UL37 得分最高,价格约为 Sol 的一半 |
| 速度快,或尽可能多地找到目标 | GPT-6.2 Sol:每张图像 3.4 秒,且在排行榜上的召回率最高 |
| 医疗、道路或农业图像 | GPT-6.2 Sol,然后在医疗数据上测试 Terra |
| 航空影像、零售收银台、文档或 PPE 图像 | GPT-6.2 Astra,前提是它在你的数据上的准确率优势值得你支付约为 Sol 四倍的成本 |
| PCB 缺陷或安检 X 射线图像 | 先测试其他模型;两款 GPT-6.2 模型在 UL37 这些领域的得分都较低 |
对于大多数标注工作,在两款新模型中,GPT-6.2 Sol 更划算:其 UL37 得分与 Astra 相近,成本约为四分之一。如果在你的图像上测试后发现 Astra 在你的领域表现更好,再选择 Astra。
常见问题
在我们的 UL37 基准测试中,两者的得分接近:GPT-6.2 Sol 的 mAP50 为 0.551,GPT-6.2 Astra 为 0.546;Astra 在更多数据集上胜出,数量为 17 对 15。两者最明显的差异是成本:OpenAI 收取的费用中,Sol 每 1,000 张图像需 8.10 美元,而 Astra 需 31.88 美元。Sol 在医疗、道路和自然图像方面领先;Astra 在航空影像、零售、文档和人员图像方面领先。
擅长。两款 GPT-6.2 模型在 Ultralytics VLM Leaderboard 的 50 个模型中都位列前五,且没有请求失败的情况。GPT-6.2 Sol 的召回率在排行榜上最高,为 0.643。两者在电路板缺陷和安检 X 射线检测方面表现较弱。
按标价和报告的 token 用量计算,OpenAI 对 GPT-6.2 Sol 的收费约为 8.10 美元,对 GPT-6.2 Astra 的收费约为 31.88 美元。Ultralytics Platform 每 1,000 张图像另收 1.00 美元的 Batch Annotation 费用,总计约为 9.10 美元和 32.88 美元。
在 UL37 上,确实如此,但优势不大。GPT-6.1 Terra 的 mAP50 为 0.560,每 1,000 张图像需 4.36 美元,平均得分和成本都优于两款 GPT-6.2 模型。GPT-6.2 Sol 与 Terra 各自在 17 个数据集上胜出,而且速度更快、找到的目标更多。
平均来看,是的。GPT-6.2 Sol 在 36 个数据集中的 23 个上胜过 GPT-6.1 Sol,速度约快 3 倍,每张图像的成本降低 21%。GPT-6.2 Astra 在 24 个数据集上胜过 GPT-6 Astra,成本降低 35%。两款旧模型在电路板缺陷检测方面表现更好。
在“设置 > API 密钥”中添加你的 OpenAI API 密钥,然后在标注编辑器的 Smart 模式中选择 GPT-6.2 Sol 或 GPT-6.2 Astra。先测试几张图像,再使用 Batch Annotation 标注整个数据集、审核边界框,并在同一工作区中训练 Ultralytics YOLO26 模型。
作者
评论
提出问题、分享你的结果,或帮助其他人。










