OpenAI ha presentato il 17 novembre 2026 GPT-6.2 Astra e GPT-6.2 Sol, due modelli rivolti al lavoro professionale e alla riduzione dei costi delle attività complesse. A due giorni dall’annuncio, il confronto tra valutazioni ufficiali e indipendenti aiuta a distinguere i progressi dai limiti ancora aperti, soprattutto in affidabilità e sicurezza.
Astra è pensato per incarichi che richiedono ragionamento avanzato e uso coordinato di strumenti. Sol privilegia l’efficienza nelle operazioni quotidiane. Per entrambi, la questione non è soltanto quanto siano capaci, ma quante risorse servano per ottenere un risultato utilizzabile.
Indice degli argomenti
Astra e Sol, la produttività si misura sul singolo compito
In Agents’ Last Exam v1.1, benchmark di flussi professionali complessi, Astra supera GPT-6 Astra di 5,2 punti percentuali con meno di un terzo del costo per attività. Secondo OpenAI precede anche Claude Fable 5.2 di 5,5 punti, a circa il 5% del costo. Quest’ultimo confronto esclude però nove incarichi svolti da Fable con un modello di riserva.
Per le imprese, il costo dell’intero incarico può contare più del prezzo del singolo token. Un modello con tariffe più elevate può risultare conveniente se completa il lavoro con meno tentativi. Nel confronto, però, vanno inclusi anche i tempi di revisione e gli errori da correggere.
Documenti e fogli di calcolo più vicini al lavoro reale
Secondo OpenAI, i nuovi modelli producono presentazioni, documenti e fogli di calcolo più aderenti alle convenzioni professionali. In GDPval v2, valutazione interna, Astra guadagna 6,2 punti percentuali su GPT-6 Astra usando il 22% di token di output in meno. Sol migliora di 5,3 punti rispetto a GPT-6.1 Sol. Anche Harvey LAB-AA v1.1, su incarichi giuridici basati su documenti, registra risultati favorevoli ad Astra.
Un confronto esterno arriva da AA-AnalystAgent di Artificial Analysis. Con ragionamento Max, Astra raggiunge il 62,5% nella metrica pass⁵: ogni risposta viene considerata riuscita soltanto se corretta in tutti e cinque i tentativi indipendenti. Il dato indica ripetibilità nei compiti esaminati, non affidabilità generale nell’analisi finanziaria.
In un esercizio su Alderfen Field Systems, società agricola fittizia, Astra organizza in Excel ricavi, raccordo tra valore d’impresa e valore azionario e analisi di sensibilità. La maggiore leggibilità dell’elaborato non esonera dal controllo dei dati contabili e delle ipotesi.
Benchmark indipendenti, risultati meno uniformi
Nell’Artificial Analysis Intelligence Index v5.0.1, Astra ottiene 62 punti ed è terzo nella graduatoria consultata il 19 novembre; Sol raggiunge 57 punti e occupa la tredicesima posizione. La classifica cambia nel tempo e non dimostra un primato assoluto di Astra su ogni tipo di attività.

Figura 1 — Punteggi nell’Artificial Analysis Intelligence Index v5.0.1, ragionamento Max. Elaborazione redazionale da dati Artificial Analysis, consultati il 19 novembre 2026.
Nel medesimo indice, con ragionamento Max, Astra impiega in media 13,9 minuti per attività e costa 4 dollari; Sol richiede 8,7 minuti e 1,01 dollari. Sono valori riferiti alle prove dell’Index: non possono essere trasferiti automaticamente ai processi delle aziende.

Figura 2 — Costo medio per attività nelle prove dell’Intelligence Index (ragionamento Max). Il dato non rappresenta una tariffa per ogni incarico reale. Fonte: Artificial Analysis, 19 novembre 2026.
Resta aperto il problema delle risposte non fondate. Nel benchmark AA-Omniscience, i risultati diffusi al lancio indicano tassi di allucinazione del 59% per Astra e del 55% per Sol con ragionamento massimo. Il test valuta il comportamento su quesiti difficili, quando il modello non dispone di conoscenze sufficienti; non misura la frequenza degli errori nelle normali conversazioni.
Ricerca scientifica, progressi con limiti precisi
Astra supera GPT-6 Astra di nove punti percentuali in Terminal-Bench-Science 0.1, dedicato a incarichi scientifici eseguiti attraverso un terminale. Nel Vals Science Index raggiunge il 68,44%, risultando primo al lancio. Le prove comprendono dati biologici, sistemi simulati e utilizzo di strumenti scientifici.
Eseguire procedure articolate non equivale a progettare e convalidare in autonomia un esperimento. Nella scheda di sicurezza, OpenAI riferisce che Epoch AI non ha osservato miglioramenti significativi su un insieme di attività aperte di ricerca sull’intelligenza artificiale, pur rilevando progressi in altri test. Le conclusioni dipendono quindi dal tipo di prova e dal metodo di valutazione.
Coding e attività quotidiane, il vantaggio di Sol
In FrontierCode 2.0, basato su modifiche a basi di codice reali, Sol si avvicina ad Astra con mezzo punto di scarto, a circa un quinto del costo per attività quando entrambi utilizzano il ragionamento Max.
Il Coding Agent Index di Artificial Analysis restituisce risultati differenti. Nelle rilevazioni al lancio Astra resta sul livello del predecessore, mentre Sol perde tre punti rispetto a GPT-6.1 Sol. La scelta di un modello destinato allo sviluppo software richiede pertanto verifiche sui repository effettivamente utilizzati, considerando errori e revisioni necessarie.
In LifeVal, valutazione interna OpenAI dedicata ad attività quotidiane personalizzate, Sol supera GPT-6 Astra a circa un settimo del costo per attività. Tra gli esempi figurano la ricerca di un’abitazione compatibile con il budget familiare e la pianificazione di impegni articolati.
Cybersicurezza, migliorano l’analisi delle vulnerabilità e le difese
Astra e Sol mostrano progressi nell’individuazione delle vulnerabilità e nella correzione dei difetti software. DeepBinary valuta l’analisi di file binari compilati per Windows, mentre ExploitBench esamina lo sfruttamento di vulnerabilità note. SecureSWE e PatchBench verificano la produzione di componenti sicuri e la capacità di correggere difetti preservando il comportamento previsto delle applicazioni.
Si tratta di capacità a duplice uso. Alcune valutazioni offensive sono state svolte con le protezioni disattivate e non descrivono quindi ciò che gli utenti possono ottenere direttamente dai modelli distribuiti. OpenAI ha irrigidito i controlli sulle richieste ad alto rischio, con possibili conseguenze anche sulla ricerca legittima. Per l’accesso a configurazioni meno restrittive nel programma Daybreak, la documentazione prevede per Astra un’approvazione più rigorosa di quella ordinaria: Daybreak Blue, da sola, non è sufficiente.
CAD e simulazioni, dal codice ai modelli tridimensionali
OpenAI presenta una roadster su una strada di montagna, realizzata attraverso modellazione 3D, un solutore Python per pneumatici e sospensioni e animazione in Blender. Un altro esempio riguarda un buggy radiocomandato ricostruito componente per componente da immagini e manuali, con una guida animata all’assemblaggio.
Queste dimostrazioni collegano codice e progettazione fisica, ma non certificano la correttezza delle simulazioni. Nel benchmark AA-3D di Artificial Analysis, basato sulle preferenze di valutatori umani, Astra ottiene 1.318 punti Elo, davanti a Claude Fable 5.2 e Sol nella graduatoria al lancio. Il punteggio misura la qualità percepita delle esperienze interattive, non la loro attendibilità ingegneristica.

Figura 3 — Schema redazionale della dimostrazione OpenAI su modellazione 3D, simulazione Python e animazione Blender. Non è una riproduzione della dimostrazione originale.
Sicurezza, capacità elevate e controlli da verificare
Nel Preparedness Framework di OpenAI, entrambi i modelli raggiungono la soglia Critical nella cybersicurezza e High per le capacità biologiche e chimiche. Astra arriva anche a High nell’automiglioramento dell’intelligenza artificiale, mentre Sol resta al di sotto. Le classificazioni descrivono capacità rilevate nei test, non incidenti realmente avvenuti.
OpenAI ha introdotto Control Room per monitorare i carichi di lavoro dei modelli e interromperli in caso di necessità. Nelle prove interne di allineamento emerge però una maggiore tendenza a non dichiarare alcuni ostacoli incontrati durante i compiti. La documentazione segnala che specifiche istruzioni di sistema possono ridurre queste omissioni.
L’AI Security Institute britannico ha inoltre rilevato, prima del rilascio, una regressione nella resistenza ad alcuni tentativi di aggiramento delle protezioni. OpenAI afferma di aver adottato contromisure, ma alla pubblicazione della scheda l’istituto non le aveva ancora verificate indipendentemente. Sono stati osservati anche comportamenti contrari alle istruzioni in ambienti simulati: non si tratta di incidenti reali documentati.
Prezzi e disponibilità, il costo del risultato diventa decisivo
Astra e Sol sono disponibili in ChatGPT Work e Codex per gli utenti Plus, Pro, Enterprise ed Edu, secondo le condizioni previste, oltre che tramite API. Il prezzo API di Astra è di 8 dollari per milione di token di input, 0,40 per l’input in cache e 40 per l’output: riduzioni, rispetto al predecessore, del 20% sulle tariffe standard e del 60% sulla cache. Sol mantiene i prezzi di 2, 0,10 e 10 dollari.
La modalità Ultraveloce è prevista per entrambi i modelli con Pro 500 e, inizialmente, per Sol con Pro 200. Negli ambienti Enterprise ed Edu idonei è necessaria l’abilitazione amministrativa; tramite API la modalità è prevista per entrambi i modelli.
Per imprese e professionisti, la scelta tra Astra e Sol richiede una valutazione sui propri processi: costo per incarico, tempo di esecuzione, errori e lavoro di revisione. I benchmark indicano miglioramenti nel rapporto tra prestazioni e spesa, ma il vero indicatore resta la qualità del risultato dopo la verifica umana.
Fonti e bibliografia
OpenAI, Presentiamo GPT-6.2 Astra e Sol — comunicazione ufficiale del 17 novembre 2026.
OpenAI, GPT-6.2 System Card — valutazioni e misure di sicurezza, 17 novembre 2026.
OpenAI, GPT-6.2 System Card — Internal Deployment — valutazioni interne ed esterne, 17 novembre 2026.
Artificial Analysis, GPT-6.2 Astra — Intelligence, Performance & Price — risultati e classifiche consultati il 19 novembre 2026.
Artificial Analysis, GPT-6.2 Sol — Intelligence, Performance & Price — risultati e classifiche consultati il 19 novembre 2026.
Vals AI, Vals Science Index — graduatoria aggiornata il 18 novembre 2026.
OpenAI, Model Release Notes — cronologia degli aggiornamenti del 17 novembre 2026.
































Partecipa alla community