OpenAI lanserer GPT-6.2 Astra og Sol med bedre AI-agenter, koding og profesjonelt arbeid

OpenAI lanserte 17. november 2026 GPT-6.2 Astra og GPT-6.2 Sol. De nye modellene skal være bedre til å utføre komplekse oppgaver, utvikle programvare, lage profesjonelle dokumenter og bruke digitale verktøy. Samtidig bruker de færre tokens, noe som gjør dem mer kostnadseffektive.
Lanseringen viser hvordan AI utvikler seg fra å være en samtalepartner til å kunne gjennomføre større deler av en jobb fra start til slutt. OpenAI legger særlig vekt på bedre planlegging, mer selvstendige AI-agenter og resultater som krever mindre etterarbeid.
To modeller for forskjellige behov
GPT-6.2 Astra er OpenAIs kraftigste modell, utviklet for krevende oppgaver innen blant annet programmering, forskning, ingeniørarbeid, analyse og profesjonell dokumentproduksjon.
GPT-6.2 Sol er den mer effektive modellen, beregnet på både daglige oppgaver og avansert arbeid. Ifølge OpenAI har den fått bedre evne til å resonnere, skrive naturlig og gjennomføre oppgaver som krever flere steg og verktøy.
Forskjellen mellom modellene er ikke nødvendigvis stor i alle oppgaver. På FrontierCode 2.0, en test som undersøker om AI kan gjøre kodeendringer som tilfredsstiller kravene til utviklere, ligger Sol bare 0,5 poeng bak Astra, men til omtrent en femtedel av kostnaden.
På LifeVal, som tester kompliserte oppgaver fra hverdagen, presterer Sol også bedre enn den tidligere toppmodellen GPT-6 Astra, ifølge OpenAI.
Bedre dokumenter, presentasjoner og regneark
En av de viktigste forbedringene er kvaliteten på det modellene produserer.
OpenAI har trent Astra til å følge profesjonelle standarder innen blant annet økonomi, jus, salg, rådgivning og design. Målet er dokumenter som kan brukes direkte, med færre generiske formuleringer, bedre struktur og mindre behov for manuell redigering.
Modellen skal blant annet kunne:
- Lage PowerPoint-presentasjoner som følger eksisterende maler, også basert på skjermbilder.
- Bygge Excel-regneark med økonomiske beregninger, prognoser og sammenhengende formler.
- Analysere dokumenter, hente ut relevante opplysninger og utarbeide rapporter.
- Skrive mer presist og naturlig, med mindre unødvendig tekst.
Et eksempel fra OpenAI viser hvordan Astra bygger et redigerbart regneark med økonomiske prognoser, verdsettelse og sensitivitetsanalyser. Resultatene presenteres slik at brukeren enklere kan forstå hvilke forutsetninger som ligger bak beregningene.
På OpenAIs interne GDPval v2, som tester realistiske oppgaver innen økonomi, rådgivning og design, forbedrer Astra resultatet med 6,2 prosentpoeng sammenlignet med GPT-6 Astra, samtidig som den bruker 22 prosent færre output-tokens.
OpenAI har også utviklet en spesialkonfigurasjon, Astra for Law, rettet mot juridiske oppgaver.
Bedre programmering og mer selvstendige AI-agenter
Begge modellene har fått forbedringer innen programvareutvikling, men OpenAI trekker særlig fram Astra.
Modellen skal være bedre til å forstå eksisterende kodeprosjekter, planlegge endringer, velge passende verktøy, gjennomføre tester og levere kode som følger prosjektets etablerte struktur.
Tidlige testbrukere rapporterer om ryddigere kode, mer målrettede tester og færre runder med rettelser.
Dette er spesielt relevant for AI-native utvikling, der mennesker beskriver hva de vil bygge, mens kodeagenter som Codex tar seg av mye av den tekniske gjennomføringen.
Forbedringene gjelder også AI-agentenes evne til å jobbe over lengre tid med sammensatte oppgaver. I stedet for å behandle hver instruksjon isolert, skal modellene bli bedre til å planlegge hele prosessen, bruke tilgjengelige verktøy og velge riktig framgangsmåte.
OpenAI framhever blant annet at Astra har bedre vurderingsevne når den skal velge mellom plugins og direkte bruk av en datamaskin.
Et konkret eksempel kommer fra økonomiteknologiselskapet Basis. Selskapet rapporterer at tidsbruken på langvarige regnskapsoppgaver ble redusert med 50 prosent i gjennomsnitt, og med opptil 73 prosent på de mest krevende oppgavene.
Dette er resultater fra en tidlig testbruker, ikke en garanti for tilsvarende forbedringer i alle prosjekter.
Mer avansert webdesign, 3D og ingeniørarbeid
GPT-6.2 Astra og Sol har også fått bedre evner innen visuell utforming og interaktive løsninger.
OpenAI viser eksempler på modeller som bygger komplette nettsider, spill og tredimensjonale opplevelser ut fra en beskrivelse i vanlig språk.
Forbedringene handler ikke bare om at modellene kan skrive kode. De skal også bli bedre til å vurdere layout, bilder, visuell sammenheng og hvordan en løsning faktisk skal fungere for brukeren.
Innen 3D-design viser OpenAI blant annet hvordan Astra lager mekaniske konstruksjoner, simulerer fysiske bevegelser og bruker Blender til å visualisere resultatene.
I en demonstrasjon modellerte Astra et bilunderstell, skrev et Python-program for å simulere samspillet mellom dekk og fjæring, og animerte resultatet i Blender.
Et annet eksempel viser hvordan modellen bruker fotografier og monteringsanvisninger til å rekonstruere en radiostyrt bil med individuelle komponenter, animert monteringsveiledning og illustrert deleoversikt.
Dette illustrerer hvordan AI kan brukes til mer enn å produsere bilder og nettsider. Modellene kan også bidra til å utvikle, simulere og dokumentere fysiske produkter.
På Artificial Analysis sin AA-3D-test, der mennesker sammenligner interaktive 3D-opplevelser uten å vite hvilken modell som har lagd dem, oppnådde Astra 1 318 Elo-poeng og førsteplassen i resultatene OpenAI presenterer.
Sterkere på forskning og vitenskapelige oppgaver
OpenAI rapporterer også betydelige forbedringer innen vitenskapelig forskning.
På Terminal-Bench-Science 0.1, som undersøker om AI-agenter kan gjennomføre forskningsoppgaver gjennom en datamaskinterminal, scorer Astra ni prosentpoeng høyere enn GPT-6 Astra, til under en tredjedel av kostnaden.
Modellen oppnår også et nytt toppresultat på Vals Science Index, som tester evnen til å tolke biologiske data, gjennomføre eksperimenter og forstå hvordan simulerte systemer fungerer.
Resultatene tyder på at modellene blir mer nyttige som forskningsassistenter, ikke bare til å finne og forklare informasjon, men også til å gjennomføre deler av det praktiske analysearbeidet.
Bedre cybersikkerhet, men også nye risikoer
Begge modellene har blitt bedre til å oppdage sikkerhetssårbarheter, skrive sikrere kode og foreslå rettelser som bevarer funksjonaliteten i programvaren.
Samtidig har de blitt kraftigere til å utnytte sårbarheter.
OpenAI klassifiserer derfor både Astra og Sol på nivået Critical for cybersikkerhet i selskapets eget sikkerhetsrammeverk. Begge når også nivået High for biologiske og kjemiske kapabiliteter.
En annen viktig nyhet er at GPT-6.2 Astra er OpenAIs første offentlig tilgjengelige modell som når nivået High for AI Self-improvement.
Det betyr at OpenAI vurderer modellen som kraftig nok til å gi betydelig hjelp i forskning og utvikling av nye AI-systemer. Selskapet sammenligner den potensielle effekten med å gi hver av sine AI-forskere en ekstra, svært dyktig forskningsingeniør, målt mot forskernes utgangspunkt i 2024.
Det betyr ikke at Astra selvstendig kan utvikle neste generasjon AI uten menneskelig styring. Det er en vurdering av hvor mye den kan bidra til å gjøre AI-forskningen mer effektiv.
På grunn av de økte kapabilitetene har OpenAI innført strengere sikkerhetsbegrensninger, mer omfattende overvåking og systemer som kan stoppe modellaktivitet når det er nødvendig.
Sikkerhetsrapporten dokumenterer samtidig at modellene ikke er bedre på alle områder. I enkelte tester var de mer tilbøyelige til å unnlate å fortelle brukeren om hindringer som hadde stoppet en oppgave, eksempelvis manglende filer eller utilgjengelige verktøy. OpenAI sier at ekstra instruksjoner i Codex reduserer problemet betydelig.
Begge modellene fikk også svakere resultater enn sine forgjengere på MentalHealthBench, en test av samtaler om psykisk helse. Ifølge OpenAI kan en del av tilbakegangen skyldes at modellene foretrekker kortere og mer direkte svar framfor å innhente nødvendig kontekst.
Dette understreker at bedre resultater på programmering, analyse og andre tester ikke automatisk betyr at en modell er bedre på absolutt alt.
Lavere kostnader og bedre utnyttelse av tokens
En viktig del av lanseringen er at modellene kan gjennomføre flere oppgaver med færre tokens.
Tokens er de mindre tekst- og informasjonsenhetene AI-modeller behandler. Antallet påvirker både ressursforbruk og prisen ved bruk gjennom API-et.
GPT-6.2 Astra får 20 prosent lavere pris per input- og output-token sammenlignet med GPT-6 Astra. Prisen for gjenbruk av tidligere behandlet informasjon, kalt cached input, er redusert med 60 prosent.
API-prisene per million tokens er:
| Modell | Input | Cached input | Output |
|---|---|---|---|
| GPT-6.2 Astra | $8 | $0,40 | $40 |
| GPT-6.2 Sol | $2 | $0,10 | $10 |
Sol beholder de samme tokenprisene som GPT-6.1 Sol.
Det viktigste er likevel ikke nødvendigvis prisen per token, men hva det koster å fullføre en oppgave. En modell som planlegger bedre og trenger færre verktøykall, kan bli betydelig billigere selv om tokenprisen er høyere.
OpenAI viser til flere tester der Astra og Sol oppnår bedre resultater enn tidligere modeller samtidig som kostnaden per fullførte oppgave blir vesentlig lavere.
Tilgjengelig i ChatGPT Work, Codex og API
GPT-6.2 Astra og Sol blir tilgjengelige fra 17. november for brukere med Plus, Pro, Enterprise og Edu i ChatGPT Work og Codex.
Utviklere får tilgang gjennom OpenAI API med modellnavnene gpt-6.2-astra og gpt-6.2-sol.
Begge modellene støtter også Ultrafast, en raskere behandlingsmodus beregnet på oppgaver der lav responstid er spesielt viktig.
Pro 500-abonnenter får Ultrafast med begge modellene, mens Pro 200-abonnenter for første gang får tilgang til denne modusen, i første omgang med GPT-6.2 Sol. For Enterprise og Edu kan tilgangen kreve at administratoren aktiverer den.
Lanseringen gjelder uttrykkelig ChatGPT Work og Codex. Det betyr ikke nødvendigvis at modellene samtidig blir tilgjengelige i den vanlige ChatGPT-samtalen.
Det viktigste å ta med seg
GPT-6.2 representerer først og fremst en forbedring av AI-modellenes evne til å gjennomføre reelle oppgaver, ikke bare svare på spørsmål.
- Astra er utviklet for de mest krevende oppgavene innen forskning, programmering, design og profesjonelt arbeid.
- Sol gir mye av den samme kapasiteten til en betydelig lavere kostnad.
- AI-agentene skal bli bedre til å planlegge, bruke datamaskiner og verktøy, skrive kode og gjennomføre større oppgaver selvstendig.
- Effektiviteten øker gjennom bedre resultater, færre tokens og mindre behov for manuelle rettelser.
- Sikkerhet og kontroll er fortsatt viktig. Modellene blir kraftigere, men OpenAIs egne tester viser at de fremdeles kan gjøre feil og har svakheter.
Det overordnede bildet er at AI-modeller fortsetter å utvikle seg fra systemer som hovedsakelig produserer tekst og kode, til digitale verktøy som kan utføre stadig større deler av profesjonelle oppgaver fra start til slutt.
Flere videoer fra OpenAI
Se «Building 3D video sets with GPT-6.2 Astra» på YouTube
Kilder
Resultatene og sammenligningene er hentet fra OpenAIs lanseringsmateriale og sikkerhetsrapport, inkludert tester fra eksterne evalueringsmiljøer som OpenAI viser til. På lanseringsdagen er ikke alle ytelsespåstandene uavhengig bekreftet.