GPT-6.2 Astra er OpenAIs nye toppmodell, lansert 17. november 2026 i ChatGPT og API-et sammen med hverdagsmodellen GPT-6.2 Sol. Astra koster 20 prosent mindre per token enn GPT-6 Astra, og for de fleste bedrifter er Sol nok til daglig arbeid, mens Astra er laget for store dokument-, regneark- og analyseoppgaver.
Hva er GPT-6.2 Astra og GPT-6.2 Sol?
GPT-6.2 Astra er ifølge OpenAI den kraftigste modellen deres, laget for de vanskeligste prosjektene. GPT-6.2 Sol er OpenAIs nye hverdagsmodell for alt fra koding til AI-agenter i stort volum. Astra er etterfølgeren til GPT-6 Astra, og Sol til GPT-6.1 Sol.
I ChatGPT heter de GPT-6.2 Astra og GPT-6.2 Sol. Begge modellene finnes i ChatGPT Work og Codex for Plus, Pro, Enterprise og Edu, og i API-et med modell-ID gpt-6.2-astra og gpt-6.2-sol. I Enterprise og Edu må administratoren slå dem på for arbeidsområdet.
| Modell | Rolle hos OpenAI | Pris inn / ut per million tokens |
|---|---|---|
| GPT-6.2 Astra | Toppmodell for de vanskeligste prosjektene | 8 / 40 dollar |
| GPT-6.2 Sol | Førstevalg til hverdagsarbeid og agenter | 2 / 10 dollar |
| GPT-6.1 Terra | Rask modell for bilder, skjermstyring og tekst | 1 / 5 dollar |
| GPT-6 Luna | Lavest pris, for store volum av enkle oppgaver | 0,10 / 0,50 dollar |
Kilde: OpenAIs modelloversikt og prisside, lest 18. november 2026. Astra og Sol kan lese inntil 922 000 tokens i én forespørsel og skrive inntil 128 000 tokens i ett svar.
Hva er nytt fra GPT-6 Astra?
Fire endringer er mest relevante for en bedrift:
- Lavere pris: Astra koster 8 dollar inn og 40 dollar ut per million tokens, ned fra 10 og 50. Mellomlagret input (cached input) koster 0,40 dollar, ned fra 1 dollar.
- Færre tokens per oppgave: OpenAI oppgir at Astra løser oppgavene med færre tokens ut. På den interne testen GDPval v2 brukte den 22 prosent færre tokens ut enn GPT-6 Astra.
- Bedre dokumenter, regneark og presentasjoner: Astra er trent til å følge maler og fagkonvensjoner innen jus, salg, finans og regnskap, ned til skrifttype og skriftstørrelse i en presentasjonsmal.
- Strengere sikkerhetssperrer: begge modellene er klassifisert som «Critical» for cybersikkerhet i OpenAIs risikorammeverk, og strengere sperrer begrenser derfor også noe legitim sårbarhetsforskning og sikkerhetstesting.
Sol beholder prisen til GPT-6.1 Sol (2 dollar inn og 10 dollar ut). Ifølge OpenAI gjør begge modellene det bedre enn forgjengerne på benchmarks, og Astra koster mindre per token.
Benchmarks: hvor god er GPT-6.2 Astra?
Tallene under er OpenAIs egne, fra lanseringssiden. Agents' Last Exam måler flertrinns arbeidsoppgaver av typen en fagperson gjør. Tabellen viser den beste innstillingen for tenkedybde for hver modell og kostnaden per oppgave med den innstillingen.
| Modell (Agents' Last Exam v1.1) | Poengsum | Kostnad per oppgave |
|---|---|---|
| GPT-6.2 Astra (xhigh) | 78,3 % | 2,89 dollar |
| Gemini 4 Carbon (high) | 77,4 % | 4,60 dollar |
| GPT-6 Astra (max) | 73,1 % | 8,99 dollar |
| GPT-6.2 Sol (max) | 73,0 % | 1,32 dollar |
| Claude Fable 5.2 (max) | 72,8 % | 60,05 dollar |
| GPT-6.1 Sol (max) | 72,5 % | 2,02 dollar |
| Claude Opus 5.5 (max) | 71,6 % | 17,57 dollar |
Astra ligger 5,2 poeng foran GPT-6 Astra (78,3 mot 73,1) til under en tredel av kostnaden (2,89 mot 8,99 dollar), og 5,5 poeng foran Claude Fable 5.2 til under 5 prosent av kostnaden. Googles Gemini 4 Carbon er nesten like god på denne testen. Google har siden lansert Gemini 4 Neon, som ligger mellom Carbon og Hydrogen. Kostnaden per oppgave her er OpenAIs måling og kan ikke sammenlignes direkte med Artificial Analysis' kostnadstall lenger ned.

Kilde: OpenAI, Introducing GPT-6.2 Astra and Sol. Skjermbilde tatt 18. november 2026.
Slik leser dere de andre testene OpenAI trekker fram (flere står i AI-benchmarks forklart):
| Test | Hva den måler | Resultat ifølge OpenAI |
|---|---|---|
| GDPval v2 | Oppgaver innen konsulentarbeid, finans og design (OpenAIs interne test) | Astra 6,2 prosentpoeng over GPT-6 Astra; Sol 5,3 over GPT-6.1 Sol |
| Harvey LAB-AA v1.1 | Juridiske oppgaver, for eksempel analyse av kontraktsklausuler | Astra over dobbelt så høy beståttandel som Claude Fable 5.2, til omtrent en sjettedel av kostnaden |
| AA-AnalystAgent | Test fra Artificial Analysis som OpenAI viser til | Astra svarte riktig på 62,5 prosent av spørsmålene i alle fem forsøk |
| FrontierCode 2.0 | Om kodeendringer holder kvaliteten i ekte prosjekter | Sol 0,5 poeng bak Astra til omtrent en femdel av kostnaden |
| AA-3D | Menneskelige dommere sammenligner to blindede interaktive 3D-opplevelser | Astra 1 318 Elo, Fable 5.2 1 271, Sol 1 259 |
Hva uavhengige målinger sier
I Artificial Analysis' samlescore Intelligence Index v5, som slår sammen ni tester innen kunnskapsarbeid, koding, naturvitenskap og allmennkunnskap, får GPT-6.2 Astra 62 poeng, tre bak Claude Fable 5.2 (65). The Decoder refererer de samme tallene.
| Modell (høyeste innstilling der ikke annet står) | Intelligence Index v5 | Kostnad per oppgave |
|---|---|---|
| Claude Fable 5.2 | 65 | 26,54 dollar |
| GPT-6.2 Astra | 62 | 4,00 dollar |
| Gemini 4 Carbon (high) | 60 | 5,48 dollar |
| Claude Opus 5.5 | 59 | 10,04 dollar |
| GPT-6.2 Sol | 57 | 1,01 dollar |
Kilde: Artificial Analysis, GPT-6.2 Astra, lest 18. november 2026.
Fable 5.2 scorer 3 poeng mer enn Astra, men en oppgave koster over seks ganger så mye. Tre forbehold fra de uavhengige målingene, slik The Decoder refererer dem:
- Koding har stått stille. På Artificial Analysis' indeks for kodeagenter ligger Astra der GPT-6 Astra lå, og Sol falt 3 poeng fra GPT-6.1 Sol.
- Gjetting på vanskelige faktaspørsmål. På høyeste innstilling gjettet Astra i 59 prosent av tilfellene der den burde sagt at den ikke visste svaret, og Sol i 55 prosent. Spørsmålene er uvanlig vanskelige, så tallet sier lite om hverdagsbruk, men det er en grunn til å sjekke fakta i viktige leveranser.
- Svakere på ekte forskningsoppgaver. Epoch AI fant Astra like god som Fable 5.2 på sin samlede indeks, men bak Fable 5.2 på oppgaver hentet fra eget forskningsarbeid.
Hva har folk bygget med GPT-6.2 Astra?
Eksemplene under er publisert av OpenAI og kundene deres på lanseringsdagen. De er valgt ut av dem som publiserte dem, og vi har ikke funnet uavhengig etterprøving.
| Hvem | Hva Astra gjorde |
|---|---|
| OpenAI | Bygget en redigerbar Excel-modell for et oppdiktet selskap med inntektsprognose per segment til 2031, avstemming av de tre regnskapsoppstillingene og verdi per aksje med følsomhetsanalyse |
| OpenAI | Laget en presentasjon i OpenAIs egen mal, med samme oppsett, farger og skrift, og titler som skal si hovedpoenget på hver side |
| Basis | Gjennomsnittlig tid på lange regnskapsoppgaver falt med 50 prosent, og opptil 73 prosent på de mest komplekse |
| IMC | Marquis Wong i IMC sier dokumentene var et betydelig steg opp fra GPT-6 Astra, og at skrivingen og diagrammene gjorde det mye lettere å finne hovedpunktene i et briefingdokument |
| Higgsfield AI | Traff ønsket 3D-resultat på første forsøk i 73 prosent av tilfellene i Higgsfields interne test, der GPT-6 Astra trengte tre forsøk eller flere |
Regnskapseksempelet fra Basis ligger nærmest hverdagen i en norsk bedrift. Hvordan regnskapsbyråer bruker AI i dag, står i slik bruker norske regnskapsbyråer AI.
Hva sier de som har testet GPT-6.2 Astra?
Utvikleren Theo Browne (t3.gg), som fikk teste Astra før lansering, skrev på X på lanseringsdagen: «Jeg tror dette er den dårligste modellen OpenAI noen gang har sluppet» (vår oversettelse). I et lengre brev til OpenAI, som han publiserte samme dag, skriver han at han ikke ville valgt Astra framfor Claude Opus 5.5 i arbeidet sitt som utvikler.
Kritikken hans handler om tre ting:
- Lange kjøringer går i ring. På et eget testprosjekt, en omskriving av TypeScript-kompilatoren til Rust, jobbet Astra i sju dager uten å lande én forbedring, og kompilatoren ble 56 prosent tregere. Fire dager til ga ingen endringer.
- Den stopper seg selv med spørsmål. Midt i lange oppgaver ber modellen om svar på interne implementasjonsdetaljer som brukeren ikke kan ha noen formening om.
- Forklaringene er tunge å lese. Oppsummeringene går så dypt i detaljene at hovedpoenget forsvinner, og endringer i systemprompten hjalp ikke.
Han trekker også fram styrker: Astra er god til kodegjennomgang, kommer av og til på gode nye løsninger, skriver bedre kode enn før og er sterk på å styre en datamaskin. Selv skriver han at han trolig overreagerer. Dette er én erfaren brukers erfaring fra egne prosjekter, og den passer med målingen over som viser at Astra ikke er blitt bedre på kodeagentoppgaver.
For en bedrift er lærdommen den samme som ved alle modellbytter: test på egne oppgaver før dere bytter, særlig der modellen skal jobbe lenge på egen hånd.
GPT-6.2 Astra eller Claude Fable 5.2: hva er forskjellen?
Tokenprisen er den samme, 8 dollar inn og 40 dollar ut per million tokens ifølge Anthropics prisside. Likevel er kostnaden per oppgave hos Artificial Analysis 4,00 dollar for Astra mot 26,54 dollar for Fable 5.2.
| GPT-6.2 Astra | Claude Fable 5.2 | |
|---|---|---|
| Pris inn / ut per million tokens | 8 / 40 dollar | 8 / 40 dollar |
| Intelligence Index v5 (Artificial Analysis) | 62 poeng | 65 poeng |
| Kostnad per oppgave, høyeste innstilling (Artificial Analysis) | 4,00 dollar | 26,54 dollar |
| Agents' Last Exam v1.1 (OpenAIs tall) | 78,3 % | 72,8 % |
| FrontierCode 2.0, koding (OpenAIs diagram) | Lavere toppscore | Høyest toppscore |
| Datalagring i EU via API | Ja, med eget EU-prosjekt | Se Claude Fable 5.2 |
Fable 5.2 har høyest samlescore hos Artificial Analysis og høyest toppscore på FrontierCode 2.0 i OpenAIs egen sammenligning. Astra gir nesten samme nivå til en brøkdel av kostnaden per oppgave. Hvordan de to fungerer i hverdagen, står i ChatGPT vs Claude.
Hva koster GPT-6.2 Astra og Sol?
I ChatGPT er GPT-6.2 Astra og Sol tilgjengelige for Plus, Pro, Enterprise og Edu. OpenAIs kunngjøring nevner disse fire. Prisene på abonnementene står i ChatGPT-veiledningen.
I API-et betaler dere per token. Tabellen viser en tenkt jobb på 1 000 svar der hvert svar bruker 1 000 tokens inn og 500 tokens ut, uten mellomlagring:
| Modell | Inn (dollar per 1 mill. tokens) | Ut (dollar per 1 mill. tokens) | 1 000 svar (dollar) |
|---|---|---|---|
| GPT-6 Astra | 10 | 50 | 35 |
| GPT-6.2 Astra | 8 | 40 | 28 |
| GPT-6.2 Sol | 2 | 10 | 7 |
Utregning: 1 000 svar × 1 000 tokens = 1 million tokens inn, og 1 000 svar × 500 tokens = 0,5 millioner tokens ut. For GPT-6.2 Astra blir det 8 + 0,5 × 40 = 28 dollar. Kilde: OpenAIs prisside, lest 18. november 2026.
Fire ting påvirker regningen:
- Tenkedybden. Modellene har fem nivåer, fra low til max. Hos OpenAI ga Astra på xhigh høyere poengsum enn på max på Agents' Last Exam (78,3 mot 77,6 prosent), til 2,89 mot 4,47 dollar per oppgave.
- Lange forespørsler. Over 272 000 tokens inn dobles prisen på input, og output koster 1,5 ganger så mye for hele forespørselen.
- Ventetid. Batch koster halvparten av standardpris. Kan svaret vente, koster bakgrunnsforespørsler i Responses API (beta) 30 prosent mindre med et vindu på to timer og 40 prosent mindre med åtte timer.
- Hastighet. Fast mode koster dobbelt. Ultrafast koster tre ganger standardpris til og med 28. februar 2027 og seks ganger fra 1. mars 2027.
Bør bedriften deres bruke GPT-6.2 Astra?
For de fleste norske bedrifter er svaret: Sol til det meste, Astra til de tyngste dokument- og analyseoppgavene.
| Oppgave | Modell å teste først |
|---|---|
| Sortering, uttrekk og korte svar i store mengder | GPT-6 Luna |
| E-post, kundeservice-utkast, enkel koding og agenter | GPT-6.2 Sol |
| Regnearkmodeller, presentasjoner etter mal, juridisk og finansielt arbeid | GPT-6.2 Astra |
| Store, åpne programmeringsoppgaver | Test Astra mot Claude Fable 5.2 på egne eksempler |
Sjekk to ting før dere tar Astra eller Sol i bruk via API:
- Hvor dataene behandles. Ifølge OpenAIs dokumentasjon om datalagring støtter GPT-6.2 Astra og Sol lagring og behandling i Europa (EØS og Sveits) med standard, Fast og Batch, men Ultrafast bare i USA. Regionen velges når dere oppretter et prosjekt, og prissiden oppgir 10 prosent påslag for regional behandling. Behandler dere personopplysninger, må dette avklares mot databehandleravtalen, se AI og GDPR i Norge.
- Endringer i integrasjonen. GPT-6.2 endrer hvordan Responses API tar vare på resonneringen når samtalen redigeres, og hvordan feltet for instruksjoner håndteres. Bytter dere fra GPT-6 Astra i en eksisterende løsning, les OpenAIs migreringsguide og test før dere bytter.
Vil dere finne ut hvilke oppgaver i bedriften som trenger en toppmodell, kan en AI-konsulent gå gjennom arbeidsflyten med dere. Vi bygger også løsningene, se AI-utvikling, og lærer de ansatte å bruke ChatGPT og velge riktig modell på ChatGPT-kurs. Alle OpenAI-modellene står forklart i OpenAI-modellene forklart.
Kilder
- OpenAI: Introducing GPT-6.2 Astra and Sol, 17. november 2026 (tilgang, priser, Agents' Last Exam, GDPval v2, Harvey LAB-AA, AA-3D, kundeeksempler og sikkerhet)
- OpenAI: modellside for GPT-6.2 Astra, modellside for GPT-6.2 Sol, prisside og endringslogg (kontekstvindu, priser, tenkenivåer, lanseringsdato)
- OpenAI: Data residency (EU-behandling for GPT-6.2)
- Anthropic: prisside (pris for Claude Fable 5.2)
- Artificial Analysis: GPT-6.2 Astra (Intelligence Index v5 og kostnad per oppgave)
- The Decoder: OpenAI launches GPT-6.2 Astra and Sol with lower API prices and some benchmark gains (Artificial Analysis om koding og gjetting, Epoch AI)
- Theo Browne på X: innlegget om Astra og brevet «Why I hate GPT-6.2 Astra», 17. november 2026 (erfaringer fra testing før lansering)




