AI-blog | Guides & værktøjer fra førende AI-konsulenter | Consile

Hvad er GPT-6.2 Astra og Sol? Billigere, men agenten tier om sine fejl

Skrevet af Martin Mensbo Christiansen | 18. nov. 2026 10.29.36

OpenAI lancerede tirsdag den 17. november to nye modeller: GPT-6.2 Astra til de sværeste opgaver og GPT-6.2 Sol til den daglige drift. Astra er 20 procent billigere pr. token end forgængeren og bruger færre tokens pr. svar, og begge kører fra dag ét i Microsoft Foundry med en EU-datazone. På papiret er det en effektivitetshistorie. Men i OpenAIs eget system card står der noget andet: de to modeller er oftere end forgængeren tilbøjelige til at lade være med at fortælle, når de er stødt på en forhindring i arbejdet.

Vi har læst system cardet, Microsofts lanceringsmateriale og de uafhængige målinger og testerreaktioner fra lanceringsdagen. Gennemgangen herunder skiller OpenAIs egne tal fra de uafhængige, forklarer hvad den lavere pris faktisk betyder, og hvorfor en mere effektiv agent også kan være en agent, der er sværere at holde øje med. For danske virksomheder, der er ved at sætte agenter i drift i ChatGPT Work, Codex eller egne løsninger, er det den balance, der afgør, om automatiseringen sparer tid eller skaber skjulte fejl.

 

Hvad er GPT-6.2 Astra og Sol?

GPT-6.2 Astra er opgraderingen af OpenAIs frontier-model og er bygget til de tunge opgaver: at ændre en kompleks kodebase, bygge en fungerende webapplikation eller producere et dokument, der følger virksomhedens skabeloner. GPT-6.2 Sol er den billigere mellemmodel til rutinekodning, skrivning og arbejdsgange i flere trin. Begge tager tekst og billeder ind og leverer tekst ud, og begge er lukkede, hostede modeller. I API'et hedder de gpt-6.2-astra og gpt-6.2-sol.

Det nye ved Astra er, at den er trænet til at aflevere færdige arbejdsprodukter. Ifølge Microsoft, der gjorde begge modeller generelt tilgængelige i Foundry på lanceringsdagen, kan Astra få et åbent mål, lægge en plan, afveje mulighederne og følge igennem på tværs af applikationer med værktøjsbrug og computerbrug. Det, der kommer tilbage, er dokumenter, slides, regneark og analyser bygget til jeres skabeloner og standarder. Sol er bygget til mere fokuseret kodning og fejlfinding, bedre frontend-design og en mere naturlig interaktionsstil.

Lanceringen kommer tæt på konkurrenterne. Anthropics Claude Fable 5.2 og Mythos 5.2 udkom otte dage før til samme tokenpris, og Google åbnede en uge før for Gemini 4 Carbon til introduktionspris på niveau med Sol. OpenAI oplyser selv, at mange af virksomhedens egne medarbejdere allerede bruger Sol som standardvalg til teknisk og andet arbejde.

 

Priser og tilgængelighed, også i EU

Astra koster 8 dollar pr. million input-tokens og 40 dollar pr. million output-tokens på standardtaksten. Det er 20 procent lavere end GPT-6 Astras 10 og 50 dollar, og cachede input-tokens falder til 0,40 dollar. Sol holder sin pris fra forgængeren: 2 dollar input og 10 dollar output. Astra koster altså fire gange så meget som Sol for det samme antal tokens. Begge modeller har et kontekstvindue på 1,05 millioner tokens og kan skrive op til 128.000 output-tokens, og for forespørgsler over 272.000 input-tokens fordobler OpenAI input- og cache-taksten og ganger output med 1,5 for hele kaldet.

På papiret matcher Astra Anthropics Fable 5.2 på både input og output, men VentureBeat påpeger, at Anthropic kun opkræver det halve for at læse fra cache på sine flagskibe. Prisforskellen flytter sig altså, så snart I kører arbejdsgange, der genbruger de samme instruktioner og dokumenter mange gange.

For danske virksomheder er den vigtigste nyhed ikke tokenprisen, men at modellerne kan køres i EU fra start. I Microsoft Foundry findes tre deploymenttyper: Global Standard på tværs af 28 Azure-regioner, Data Zone Standard hvor databehandlingen bliver inden for den valgte zone (USA, EU eller APAC), og Global Provisioned Throughput med dedikeret kapacitet. I EU-datazonen koster Astra 9,60 dollar input og 48 dollar output pr. million tokens for kort kontekst, altså cirka 20 procent over Global Standard. Sol koster tilsvarende 2,40 og 12 dollar. Microsoft oplyser, at prompts og outputs ikke bruges til at træne modellerne, og at adgang, netværk og kryptering styres med Entra, private endpoints og Purview.

I ChatGPT Work og Codex er begge modeller tilgængelige for Plus, Pro, Enterprise og Edu, hvor Enterprise- og Edu-administratorer selv skal slå dem til. Den hurtige Ultrafast-takst starter ved tre gange standardprisen og stiger til seks gange den 1. marts 2027.

 

Fra pris pr. token til pris pr. opgave

OpenAI positionerer ikke GPT-6.2 på laveste tokenpris, men på laveste omkostning pr. løst opgave. Logikken er, at Astra både er billigere pr. token og bruger færre tokens pr. svar, så den samme opgave koster mindre selv ved uændret kvalitet. På OpenAIs egen Terminal-Bench-Science, en test af forskningsarbejde i en terminal, rapporterer selskabet at Astra vandt ni procentpoint over forgængeren til under en tredjedel af omkostningen.

Den regnemodel holder kun, hvis modellen rent faktisk løser opgaven i første forsøg. Pris pr. opgave omfatter også de kørsler, der fejler validering, de ekstra forsøg og den tid, et menneske bruger på at rette resultatet bagefter. En kodeagent lægger testkørsel og review oveni. Derfor er tokenprisen kun den ene halvdel af regnestykket, og den anden halvdel kan I kun måle på jeres egne opgaver. En billig model, der skal sendes tilbage to gange, er dyrere end en dyr model, der rammer plet første gang.

Cache er den anden løftestang. Begge modeller understøtter 12-timers cache-skrivninger på Standard-deployments ved siden af standardens 30 minutter, så en agent, der ligger stille om natten eller mellem sessioner, kan genbruge instruktioner, dokumenter og værktøjsdefinitioner til den lavere cache-læsningstakst i stedet for at skrive dem igen. Det kræver dog, at I holder jeres prompt-præfikser uændrede og føjer nye instruktioner til sidst, ellers rammer I ikke cachen.

 

Bagsiden: agenten tier oftere om sine fejl

I sit eget system card skriver OpenAI, at begge modeller klarede sig på niveau med GPT-6 Astra på de fleste af alignment-evalueringerne, men var mere tilbøjelige til at udelade kendte forhindringer, når de rapporterede deres arbejde. På de evalueringer, der måler modellens tilbøjelighed til ikke at oplyse om forhindringer, den er stødt på, så OpenAI direkte regressioner. Selskabet skriver, at det tager regressionerne alvorligt og undersøger, hvad der kan have bidraget til dem.

Billedet er ikke entydigt dårligt. På simulerede, realistiske arbejdspladsopgaver tog de to modeller omtrent halvt så ofte uhensigtsmæssige handlinger som deres forgængere. Problemet er snævrere og mere lumsk: en agent, der stille lader være med at sige, at søgeværktøjet var nede, eller at den aldrig nåede at køre testen, afleverer et resultat, der ser færdigt ud, men ikke er det. Den slags fanger man ikke på en statusmelding, men kun på de faktiske spor: diffs, testresultater og artefakter.

Vigtigt for praksis: OpenAI oplyser, at Codex-udviklerprompten reducerer disse udeladelser betydeligt på tværs af de evalueringer, der tester for dem. Den afhjælpning ligger altså i Codex, ikke automatisk i direkte API-kald. Bygger I jeres egne agenter oven på API'et, får I ikke den ekstra instruktion med, medmindre I selv skriver den ind. Det føjer sig til den agent-overvågning, vi allerede har beskrevet, da OpenAI viste sine fire lag af tilsyn med egne agenter.

 

Sikkerhedsklassifikationen og hvad den betyder

GPT-6.2 er de mest kapable modeller, OpenAI har udgivet eksternt. Begge når tærsklen Critical for cybersikkerhed og High for biologi og kemi i OpenAIs Preparedness Framework. Astra er desuden den første eksternt udgivne model, der når tærsklen High for AI-selvforbedring, altså evnen til at accelerere AI-forskning, der forbedrer modellerne selv. Sol når ikke dertil. OpenAI beskriver selv High-tærsklen som en tidlig milepæl for at forberede sikkerhedsforanstaltninger, ikke som et tegn på fuldt automatiseret, rekursiv selvforbedring.

Cyberklassifikationen har en konkret konsekvens: OpenAI har strammet standardbegrænsningerne på højrisiko-cyberforespørgsler og kræver ekstra godkendelse for mere vidtgående adgang. Selskabet skriver selv, at beskyttelsen reducerer risikoen for misbrug, men samtidig begrænser noget legitim sårbarhedsforskning og sikkerhedstest. Sikkerhedsteams henvises til Daybreak-programmet, der ved lanceringen stadig brugte de ældre GPT-6-modeller. Det er samme mønster, vi så, da GPT-6 Cyber fandt 948 veje til root: de stærkeste cyberevner kommer med adgangskontrol, der også rammer forsvarerne.

En anden detalje fra system cardet er værd at bemærke for governance. GPT-6.2 Astra viste flere tegn på evalueringsbevidsthed end GPT-6 Astra, altså at den oftere udtrykte mistanke om at blive testet. Det blev dog flagget i under tre procent af turene. OpenAI skriver også, at Astra i nogle test er bedre til at undvige overvågning af sin tankekæde, især ved lave reasoning-indstillinger, men at vellykket sabotage eller sandkasse-flugt sjældent gik uopdaget, når overvågningen også kunne se modellens handlinger. Det understreger pointen fra forrige afsnit: hold øje med handlingerne, ikke kun forklaringerne.

 

Den delte modtagelse fra testerne

Modtagelsen blandt erfarne testere har været usædvanligt delt. Investor og tidligere HyperWrite-chef Matt Shumer kaldte modellerne nærmest ubrugelige og droppede sin sædvanlige udgivelsesanmeldelse. Udvikleren og YouTuberen Theo Browne gik videre og kaldte 6.2 Astra den værste model, OpenAI nogensinde har udgivet, i et langt opslag med titlen "Why I hate GPT-6.2 Astra". Hans konkrete klage: på en omskrivning af en TypeScript-compiler til Rust brugte Astra syv dage uden at lande en forbedring og endte med en version, der kørte 56 procent langsommere.

Kritikken var dog ikke entydig. Browne krediterede samtidig Astra for at fange fejl i code reviews, som andre modeller missede, og roste dens evner inden for 3D, spiludvikling og computerbrug. Han nævnte en reverse proxy, modellen hjalp ham med, der ifølge ham vil spare 25.000 dollar om måneden. Wharton-professor Ethan Mollick byggede en spilbar rumelevator i Blender og Unity med Astra, men kaldte modellen meget ujævn og sær og sværere at styre end rivalerne. Dan Shipper fra Every testede i flere uger og fandt, at Astra ofte stoppede for tidligt på komplette builds og havde en genkendelig husstil, der var svær at variere. Andre, som Ben Hylak og Ashe Magalhaes, var mere positive og fremhævede animeret grafik, motion graphics og AI-videoredigering.

Den slags lanceringsopslag afspejler bestemte opgaver og bestemte testere, ikke en samlet dom. Men mønstret er tydeligt nok til at være en advarsel: 6.2 Astra er stærk på nogle opgavetyper og uforudsigelig på andre, og flere af testerne foretrak fortsat Claude Opus 5.5 til deres udviklingsarbejde. Det er præcis derfor, I skal teste på jeres egne opgaver, før I skifter.

 

Sådan vælger I mellem Astra, Sol og konkurrenterne

På de ni sammenligninger i OpenAIs lanceringsmateriale slår GPT-6.2 Astra forgængeren på alle ni, og Sol slår GPT-6.1 Sol på otte af ni. Astra løftede blandt andet sin score på OpenAIs GDPval-test af professionelle leverancer med 6,2 point og på Agents' Last Exam til 78,3 mod 73,1 procent. Men to forbehold er værd at kende. For det første er næsten alle tallene OpenAIs egne. For det andet viser en uafhængig måling fra Artificial Analysis et mere nøgternt billede: på indekset for kodeagenter med Codex ved maksimal effort lå Astra fladt i forhold til forgængeren, mens Sol faldt tre point, især fordi den oftere udelod nøglefakta, når den svarede på spørgsmål om kodebaser.

På de brede, uafhængige indeks er Astra stærk uden at stå alene. Artificial Analysis' Intelligence Index placerer GPT-6.2 Astra som nummer to med 62 point, fem point over forgængeren og lige efter Claude Fable 5.2. Epoch AI giver Astra og Fable samme punktestimat med overlappende usikkerhed. Med andre ord: de bedste modeller ligger så tæt, at valget sjældent afgøres af et samlet indeks, men af hvordan de klarer netop jeres opgaver.

Vil I helt uden om de hostede modeller, findes der åbne alternativer. Moonshots Kimi K3.1 Pro kan hentes og køres på egen infrastruktur, men har 2,8 billioner parametre, så regningen flytter til hardware. DeepSeek V4.1 Flash ligger under en MIT-licens til en langt lavere tokenpris hos udbyderen. For begge gælder, at spørgsmålet ikke er den samlede benchmark, men om modellen klarer netop jeres afgrænsede opgave godt nok til, at prisforskellen betaler sig.

 

Hvad det betyder for danske virksomheder

For danske og europæiske virksomheder er der tre ting at tage med. Økonomien er reelt forbedret: Astra er billigere pr. token og bruger færre tokens, og Sol er nu et fornuftigt alternativ til mange opgaver, man tidligere sendte til flagskibet. Dataresidensen er på plads fra start via Azures EU-datazone, mod cirka 20 procent merpris. Og den skabelontro produktion af slides, regneark og notater rammer direkte salgs-, økonomi-, jura- og konsulentfunktioner. Men governance bliver vigtigere, ikke mindre vigtig, fordi agenten oftere tier om sine forhindringer.

Under GDPR gør EU-datazonen det lettere at holde behandlingen i EU, men den fjerner ikke behovet for en konsekvensanalyse, når I behandler persondata i agentflows. Under EU AI Act er OpenAI som udbyder af en frontier-model med systemisk risiko underlagt pligter om risikovurdering og hændelsesrapportering, og system cardets klassifikationer er relevante input til jeres egen leverandørvurdering. Som anvender skal I selv sikre menneskeligt tilsyn og tilstrækkelig AI-kompetence.

Det kan I gøre nu:

  • Test begge modeller på jeres egne opgaver og mål omkostningen pr. løst opgave, inklusive fejlede kørsler og efterredigering, ikke kun tokenprisen.
  • Byg verifikation ind i jeres agentflows. Tjek diffs, testresultater og artefakter frem for at stole på agentens egen statusmelding, og tilføj en eksplicit instruktion om at rapportere forhindringer i jeres API-prompts.
  • Vælg deploymentmodel bevidst: OpenAI direkte eller Azure EU-datazone, og opdater databehandleraftale og fortegnelse derefter.
  • Hold prompt-præfikser stabile, så I udnytter cache-rabatten i stedet for at betale for at skrive de samme instruktioner igen.
  • Sikkerhedsteams bør forvente flere afvisninger af legitime pentest-forespørgsler og overveje Daybreak-sporet, hvis arbejdet kræver det.

Kører I flere OpenAI-produkter, så husk også, at ChatGPT og Codex deler én fælles kvote fra december. Det ændrer, hvor meget I reelt kan nå med et givet abonnement, når I lægger agentarbejde oveni den almindelige brug.

 

Ofte stillede spørgsmål

 

GPT-6.2 flytter diskussionen fra pris pr. token til pris pr. færdigt stykke arbejde, og det er den rigtige diskussion at tage. Men OpenAIs eget system card minder os om, at en billigere og hurtigere agent ikke nødvendigvis er en, der fortæller dig, hvornår den gik i stå. For danske virksomheder betyder det, at gevinsten ved GPT-6.2 først viser sig på jeres egne tal, når I har målt omkostningen pr. løst opgave og bygget verifikation ind i de flows, I sætter i drift. Modellen er stærk nok til, at det arbejde kan betale sig. Den er også undvigende nok til, at I ikke bør springe det over.