GPT-6.2 API 升級:模型參數、快取寫入與成本驗收
本文目錄
把 model 換成 gpt-6.2-astra 或 gpt-6.2-sol 之後,先跑一輪不含工具的請求,再驗工具與第二輪對話,最後比較成本。這次遷移最容易漏掉的兩件事是:工具呼叫要走 Responses API;便宜的 cached input 還要搭配 cache write 一起算。 官方遷移文件
本文依 2026-11-18 官方文件整理 API 導入順序。ChatGPT Work、Codex 的方案和額度是另一層;想看產品使用入口,可先讀 GPT-6.1 Sol 的 ChatGPT Work/Codex 說明。
GPT-6.2 遷移先過參數檢查
先在測試環境複製現有的一組請求,保持提示、工具及輸入資料相同,只改模型。依官方 migration quickstart 核對:
none、minimal的 reasoning 改用low;新整合可從medium開始。Responses 使用reasoning.effort,Chat Completions 使用reasoning_effort。- 工具呼叫移至 Responses。兩種端點都有文字對話支援,但工具介面有這個限制。
- 移除不支援的
temperature、top_p和 log probabilities 設定;Responses 的include也要檢查是否仍要求message.output_text.logprobs。
接著才加入一個可核對結果的工具,例如讀取測試資料夾。記錄實際請求的 endpoint、model、effort 和回傳錯誤,讓「參數遭拒」與「模型完成不了任務」有不同判定。
先分清楚四種輸入費用
以下是查核當日的 Standard、輸入不超過 272K tokens 費率,單位均為每百萬 tokens 的美元。官方 pricing
| 模型 ID | 一般輸入 | 快取讀取 | 30 分鐘快取寫入 | 輸出 |
|---|---|---|---|---|
gpt-6.2-astra | 8 | 0.40 | 10 | 40 |
gpt-6.2-sol | 2 | 0.10 | 2.50 | 10 |
12 小時寫入費率是一般輸入的 2.5 倍。超過 272K 輸入 tokens 時,整筆請求適用長上下文費率:輸入與快取費率加倍,輸出為短上下文的 1.5 倍。先用短上下文 Standard 驗收,較容易看清換模型本身的差異。
Ultrafast 也要另外選費率:兩款 6.2 模型在 2027-02-28 前為 Standard 的 3 倍,2027-03-01 起為 6 倍,切換日期以 Pacific time 計。這個倍率不能直接當成相同幅度的速度提升。模型費率及限制
用 usage 拆帳,避免重複計入 cache write
Responses 的 usage.input_tokens_details 提供 cached_tokens、cache_write_tokens,並以 cache_write_tokens_details 分出 ttl_30m_tokens 與 ttl_12h_tokens。一般輸入是總輸入減掉讀取和寫入;兩種寫入細項已涵蓋 write total。Prompt caching 計算方式
下面是假設回應的獨立驗算,沒有呼叫 API。存成 .mjs 可用 Node.js 執行:
import assert from 'node:assert/strict';
const usage = { input: 12000, read: 4000, write30m: 3000, write12h: 4000, output: 500,};const ordinary = usage.input - usage.read - usage.write30m - usage.write12h;assert.equal(ordinary, 1000);
function standardShortCost(inputRate, readRate, outputRate) { return ( ordinary * inputRate + usage.read * readRate + usage.write30m * inputRate * 1.25 + usage.write12h * inputRate * 2.5 + usage.output * outputRate ) / 1_000_000;}assert.ok(Math.abs(standardShortCost(8, 0.4, 40) - 0.1396) < 1e-12);assert.ok(Math.abs(standardShortCost(2, 0.1, 10) - 0.0349) < 1e-12);console.log('Astra: USD 0.1396; Sol: USD 0.0349');此試算不含工具、儲存、區域加價或其他費用,輸出量也是固定假設。兩個結果相差四倍來自這組費率及相同 token 數;真實任務要把重試與實際輸出量一起記錄。
第二輪對話也要驗,不只測第一個答案
官方指出,GPT-6.2 遇到歷史前綴修改、模型降級、end user 或 organization 變動時,會丟棄 reasoning items。若應用每一輪都重寫前面的訊息,模型可能需要重做推理,也可能失去原有品質。
回歸時保留相同的對話前綴,把新要求附加在尾端。選一個第一輪必須讀工具結果、第二輪必須沿用該結果的任務,分開記錄內容正確性、工具紀錄、cached tokens、寫入 tokens 和總成本。若應用確實需要改歷史,將它列為另一個測試案例,比較結果後再決定如何重建對話。
本文已在 Node.js v24.13.0 執行成本斷言;API 相容性、多輪品質與帳單仍需在你的組織實際驗收。上線前保留舊模型設定與固定樣本,讓回復時有可比較的依據。
參考資料: