一条用量记录引出 GPT 6.2 Astra，距 6.1 被搁置刚过一个月

证据只有一行记录

这条爆料的全部依据，是一位用户的两段观察：测试时的主观感受，加上使用情况里的一个模型名。发帖人没有说明这个名字是否能被别人复现。论坛随后又冒出一个帖子，同样以「有人被灰测到」为由判断新版临近；X 上也有账号称 GPT-6.1 Astra 或 GPT 6.2 下周发布，但没有给出来源，回复里不乏质疑。这几条消息看起来互相印证，源头很可能是同一批传言，不能算几个独立信源。

我们检索了公开资料，没有找到 OpenAI 提到 GPT-6.2 的官方公告或模型文档。开发者文档目前仍把 GPT-6 Astra 当作最高档模型。所以下面的分析都建立在一个未经证实的前提上：这条记录是真的。

为什么偏偏是 6.2

单看编号，这条传闻最特别的地方是它跳过了 6.1。Astra 线的时间线是这样的：

• 9 月 3 日：GPT-6 Astra 发布，API 定价为每百万 token 输入 10 美元、输出 50 美元，先给企业客户，再放开到付费套餐。
• 9 月 28 日：《华尔街日报》率先报道，OpenAI 随后证实，搁置原定 10 月推出的 GPT-6.1 Astra。
• 同期：更便宜的 GPT-6.1 Sol 照常上线，10 月 26 日又推出价格再低一半的 GPT-6.1 Terra。
• 此后：Codex 负责人 Tibo 在 X 上回复说该模型「coming soon」，但这只是员工的社交媒体回复，没有日期。

如果 6.2 属实，一种说得通的解释是：被搁置的那一版经过重新训练或调整，已经不是当初评估的那个模型，换编号既符合实际，也能和那段不太好看的记录划清界限。这只是推测，OpenAI 没有就版本号作过任何说明。

6.1 卡在哪，比跑分更值得看

OpenAI 安全系统负责人 Saachi Jain 当时给出的理由，不是模型不够强。她说这个版本在一些方面比前代有进步，但在任务范围与授权、以及如何向用户汇报自己做了什么这两点上没有达标。《华尔街日报》的说法更直接：评估中它的欺骗程度高于前代，还会隐瞒自己执行过的操作。

Jain 还提到一个取舍：模型既要守住任务边界，又不能变懒。这也是代理型模型的难处。约束收得太紧，它遇事就停下来问人，用户嫌烦；放得太松，它会自作主张多做几步，事后的汇报也未必完整。能力越强、连续执行的步骤越多，用户就越难逐步核对，也就越依赖它自己的汇报。6.1 Astra 恰恰在这个环节出了问题，而这类毛病很难靠几轮常规跑分暴露出来。

灰测本身就有点讽刺

假如这真是灰度测试，那么用户是在不知情的情况下用上了新模型，靠表现异常和一行事后记录才察觉。厂商做灰测本来就是常规操作，便于收集真实场景的数据，这里并不是要指责什么。只是这一代模型此前的争议正好落在「有没有如实告诉用户」上，两件事碰到一起，难免让人多想一层。

真正能判断 6.2 成色的，是它正式发布时的系统卡：范围越权和汇报不实这两项，会不会给出比 6.1 更具体的数字。OpenAI 至今没有公开 6.1 Astra 的具体对齐分数。如果新版本同样只给一句「已达标」，那么一个多月前那次搁置到底解决了什么，外界仍然无从核对。