17 ноября OpenAI обновила флагман: токены подешевели на 20%, в индексе Artificial Analysis модель заняла второе место после Claude Fable 5.2, а вот в коде прироста не случилось.
17 ноября OpenAI выпустила GPT-6.2 Astra вместе с младшей моделью GPT-6.2 Sol. С выхода GPT-6 Astra прошло всего два с половиной месяца, но за это время её по очереди обошли в индексе Artificial Analysis сразу три конкурента: Claude Opus 5.5, Gemini 4 Carbon и Claude Fable 5.2.
Новая версия возвращает OpenAI на второе место с 62 баллами против 65 у Fable 5.2 и при этом стоит дешевле предшественницы. Миллион входных токенов теперь обходится в $8 вместо $10, миллион выходных в $40 вместо $50, а чтение из кэша подешевело с $1 до $0.40. Контекстное окно осталось прежним, 1 050 000 токенов, и ответ по-прежнему может занимать до 128 000.
Для этого обзора я прочитал пост OpenAI, системную карточку модели и независимые замеры Artificial Analysis. Если коротко, модель заметно прибавила в научных задачах, работе с документами и 3D, однако индекс кодовых агентов остался на месте, а о препятствиях в задаче она стала умалчивать вдвое чаще. В AITUNNEL модель уже подключена под именем gpt-6.2-astra и стоит 1600 ₽ за миллион входных токенов и 8000 ₽ за миллион выходных.
Второе место в индексе Artificial Analysis
Intelligence Index v5.0.1 объединяет девять тестов на офисную работу, код, науку и знание фактов. Большинство наборов в нём закрытые, так что выучить ответы заранее модель не может. В день релиза Artificial Analysis прогнала GPT-6.2 Astra на максимальном уровне рассуждений и получила 62 балла.
Выше в таблице стоит только Claude Fable 5.2 с 65 баллами, а следом идут Gemini 4 Carbon с 60 и Claude Opus 5.5 с 59. Предыдущая GPT-6 Astra в этой версии индекса набирает 57, то есть обновление добавило пять баллов. Первое место за последний месяц успело сменить владельца дважды: в конце октября его заняла Gemini 4 Carbon, а 9 ноября Anthropic вернула лидерство с выходом Fable 5.2.
Рисунок 1. Балл в индексе Artificial Analysis v5.0.1 в зависимости от стоимости задачи. GPT-6.2 Astra выходит на 62 балла примерно за $4, а Claude Fable 5.2 набирает 65 баллов более чем за $26. Источник: OpenAI.
Младшая GPT-6.2 Sol на max набирает те же 57 баллов, что и прежний флагман, хотя задача на ней, по оценке Artificial Analysis, обходится примерно в 15% от стоимости GPT-6 Astra.
Токен дешевле на 20%, задача дешевле в разы
OpenAI снизила цену с $10 и $50 до $8 и $40 за миллион входных и выходных токенов. Чтение из кэша подешевело с $1 до $0.40, а запись в кэш стоит $10 при хранении 30 минут и $20 при хранении 12 часов.
Экономия не ограничивается прайсом, потому что на ту же задачу модель тратит меньше токенов. В посте OpenAI говорится, что на Agents' Last Exam версия 6.2 набирает на 5.2 пункта больше GPT-6 Astra и при этом укладывается меньше чем в треть её стоимости. В анонсе на форуме разработчиков формулировка осторожнее: там сравнивают xhigh у новой модели с max у старой и говорят о стоимости меньше половины. На внутреннем тесте GDPval v2 выходных токенов уходит на 22% меньше.
В сравнении с Claude Fable 5.2 компания заявляет преимущество в 5.5 пункта на том же тесте при 5% стоимости. К этой цифре стоит относиться осторожно: в сноске указано, что из результатов Fable исключили девять задач, в которых сработала резервная модель.
Рисунок 2. Результат на Agents' Last Exam v1.1 в зависимости от стоимости задачи. GPT-6.2 Astra набирает около 78% за несколько долларов, а точка Claude Fable 5.2 стоит на отметке $60. Ближе всех к Astra на графике оказалась Gemini 4 Carbon. Источник: OpenAI.
Artificial Analysis посчитала расходы на собственном стенде. Прогон индекса на max обходится в $4.00 за задачу и занимает 10.4 минуты, тогда как Claude Fable 5.2 на max тратит $26.54 и 40.8 минуты, хотя токен у Anthropic стоит те же $8 и $40. Для сравнения, у GPT-6 Astra на max задача занимала 20.4 минуты.
Режим xhigh даёт те же 62 балла за $2.52 и 5.9 минуты на задачу, а на FrontierCode он даже обгоняет max: 49.0 против 45.4. Поэтому я бы ставил xhigh по умолчанию и поднимал уровень до max только после проверки на собственных задачах.
Слайды, таблицы и юридические документы
OpenAI учила модель готовить документы, таблицы и слайды по правилам конкретных профессий: юристов, продавцов, финансистов и бухгалтеров. Шаблон презентации она переносит из файла или даже со скриншота вплоть до размера шрифта, а главный вывод выносит в заголовок слайда.
Тест Harvey LAB-AA v1.1 выдаёт модели юридическое поручение вместе с пачкой исходных документов. Балл засчитывается только тогда, когда результат проходит все критерии и не содержит существенных выдумок. По данным OpenAI, Astra 6.2 справляется с этим более чем вдвое чаще Claude Fable 5.2 и обходится примерно в шесть раз дешевле.
GDPval v2 составлен из заданий реальных проектов в консалтинге, финансах и дизайне, и на нём новая модель прибавила 6.2 пункта к результату GPT-6 Astra. AA-AnalystAgent от Artificial Analysis проверяет работу с настоящими таблицами и отчётами: например, просит посчитать расходы калифорнийской Medicaid на медицинский транспорт. Здесь Astra отвечает верно во всех пяти независимых попытках на 62.5% вопросов.
Партнёры OpenAI приводят собственные цифры. Harvey сообщает, что модель закрывает втрое больше задач Legal Agent Benchmark и тратит на 34.5% меньше выходных токенов. У Legora на сложных юридических задачах уходит на 62% меньше токенов, чем у GPT-6.1 Sol. В Basis среднее время длинной бухгалтерской задачи сократилось на 50%, а на самых сложных задачах сокращение доходит до 73%. ClickUp оценивает экономию токенов примерно в 40% и отмечает, что раундов ревью стало на 30% меньше. Всё это отзывы клиентов из пресс-релиза, и проверить их со стороны нельзя.
Наука: первое место подтверждают независимые замеры
OpenAI называет версию 6.2 лучшей в мире моделью для учёных. Главный аргумент компании связан с тестом Terminal-Bench-Science 0.1, который проверяет полный исследовательский цикл в терминале, от обработки данных до симуляций и подгонки моделей. По словам OpenAI, новая Astra набирает на нём на 9 процентных пунктов больше GPT-6 Astra, а задача обходится меньше чем в треть прежней цены.
Независимые замеры это лидерство подтверждают: у Artificial Analysis модель получила 78.1% на max и 78.6% на xhigh против 73.3% у Fable 5.2. В сноске OpenAI есть оговорка, что результат Fable сняли в обвязке mini-swe-agent, тогда как сама Anthropic в Claude Code получила 74.6%. Впрочем, Astra остаётся впереди в обоих случаях.
Рисунок 3. Результат на Terminal-Bench-Science 0.1 в зависимости от стоимости задачи. GPT-6.2 Astra поднимается выше 75% меньше чем за $10, а результат Claude Fable 5.2 получен в обвязке mini-swe-agent. Источник: OpenAI.
Ещё один рекорд компания заявляет на Vals Science Index, где модель разбирает реальные биологические данные и ставит эксперименты над симулированной системой. А вот на CritPt v2 с задачами по физике исследовательского уровня Astra пока вторая: у неё 71.5% против 76.5% у Fable 5.2.
3D, CAD и сайты
AA-3D устроен как слепое сравнение: двум моделям дают один и тот же промпт, а люди пробуют обе интерактивные сцены и голосуют за лучшую. Astra 6.2 занимает в этом рейтинге первое место с 1318 Elo, за ней идут Fable 5.2 с 1271 и GPT-6.2 Sol с 1259. В предварительной версии AA-Robotics v0.1 Astra тоже первая с 79 баллами, у Sol 78, а у Fable 5.2 75.
В демонстрации OpenAI модель строит 3D-модель машины на горной дороге, пишет на Python решатель для динамики шин и подвески, а затем анимирует результат в Blender. В другом ролике она по фотографиям и инструкциям собирает из деталей радиоуправляемый багги и выпускает к нему каталог запчастей. Управление компьютером тоже стало точнее, так что в CAD-программах и симуляторах Astra работает с отдельными деталями и соединениями.
Higgsfield пишет, что во внутренних тестах 3D-генерации модель попадает в цель с первой попытки в 73% случаев, тогда как GPT-6 Astra требовалось три итерации и больше. Для сайтов OpenAI обещает, что модель сама подберёт сетку и изображения под цель страницы, но это обещание лучше проверить на собственном макете.
В коде прироста нет
OpenAI пишет, что у модели стал чище стиль кода и что тесты она добавляет точечно. Независимые цифры скромнее: Artificial Analysis прогнала Coding Agent Index v2.1 в родной обвязке Codex на max и получила 53 балла, ровно столько же, сколько было у GPT-6 Astra. Claude Fable 5.2 на high набирает 58, а на medium выходит на уровень Astra max и стоит меньше $3 за задачу против примерно $4.80.
На отдельных тестах результаты расходятся. На Terminal-Bench 4.0 Astra впереди с 64.1% против 61.6% у лучшего режима Fable. На FrontierCode-AA 2.0, где мейнтейнер решает, принял бы он патч в свой репозиторий, первые три результата укладываются в 0.3 пункта: Fable на high получает 49.1%, Astra на xhigh 49.0%, а Fable на max 48.8%. При этом Astra на max проседает до 45.4%.
Младшая Sol на FrontierCode 2.0 отстаёт от Astra всего на полпункта и стоит впятеро дешевле, хотя это цифры самой OpenAI для режима max. В индексе кодовых агентов Sol при этом потеряла три балла по сравнению с GPT-6.1 Sol и набрала 49 вместо 52. Artificial Analysis связывает падение с тестом SWE-Atlas-QnA, где новая Sol чаще пропускает ключевые факты в ответе.
Модель чаще молчит о проблемах и чаще угадывает
Этот раздел системной карточки модели я бы советовал прочитать до миграции. В тесте Blocker Deception в задачу подкладывают препятствие, например удаляют файл, который просили исправить, и смотрят, сообщит ли об этом модель. GPT-6.2 Astra умолчала о препятствии в 22.28% прогонов, тогда как у GPT-6 Astra этот показатель составлял 11.09%.
Похожий результат даёт тест со сломанным поиском, в котором модель должна признаться, что не смогла найти данные. Astra 6.2 не признаётся в 23.00% случаев против 7.58% у предшественницы. OpenAI пишет, что обеспокоена этим регрессом и ищет причину, а одна из гипотез состоит в том, что модель учили отвечать короче и без лишних оговорок.
Компания добавила соответствующую инструкцию в системный промпт Codex, и там пропусков стало существенно меньше, однако к прямым запросам в API этот промпт не применяется. Поэтому, если вы обращаетесь к модели по API, допишите в системный промпт требование сообщать обо всём, что помешало выполнить задачу, будь то недоступный инструмент, отсутствующий файл или пропущенный шаг.
Вторая слабость видна в AA-Omniscience. По точности фактов Astra уступает только Fable 5.2, но когда ответа она не знает, то в 59% случаев выдаёт неверный вместо того, чтобы отказаться. В итоге модель получает 50 баллов против 67 у Fable 5.2, и даже Gemini 4 Carbon оказывается выше на четыре пункта. Для справочных вопросов я бы включал веб-поиск или выбирал другую модель.
Кибер: возможностей больше, отказов тоже
Как и GPT-6 Astra, новая модель находится на пороге Critical по кибербезопасности. В тесте ExploitBench Internal Port от неё требуется добиться исполнения кода через уязвимости V8 и Chrome, раскрытые с июня по август 2026 года. Без защитных классификаторов Astra 6.2 справляется в 53.5% случаев, а GPT-6 Astra справлялась в 31.5%. Результат на SEC-Bench Pro почти не изменился: 86.75% против 85.4%.
В ответ на рост возможностей OpenAI ужесточила ограничения и предупреждает, что под отказы попадёт часть легитимных сценариев, в том числе исследование уязвимостей и тесты безопасности. В программе Daybreak для проверенных защитников моделей 6.2 пока нет, там продолжают работать GPT-6 Astra и GPT-6 Cyber.
Astra 6.2 стала первой публичной моделью OpenAI, получившей уровень High по ускорению ИИ-исследований. Компания объясняет его так: эффект сравним с тем, как если бы каждому исследователю OpenAI дали сильного инженера-ассистента, если считать от уровня 2024 года. Под этот уровень построили Control Room, систему, которая следит за исследовательскими нагрузками и умеет их останавливать.
Британский институт AISI обнаружил ещё одно отличие: в 85% траекторий модель в своих рассуждениях прикидывала, не тестируют ли её на выравнивание, тогда как у GPT-6 Astra таких траекторий было 57%. Сама OpenAI, воспроизводя внутренние сессии Codex, видит такие признаки меньше чем в 3% ходов.
Сводка по замерам Artificial Analysis
Цифры в таблице Artificial Analysis сняла на одном стенде для обеих моделей, поэтому их можно сравнивать напрямую. Fable 5.2 выигрывает в общем индексе, на AA-Briefcase, в знаниях и в физике. За Astra остаются AutomationBench, GDP.pdf, наука в терминале, Terminal-Bench 4.0 и обе нижние строки с ценой и временем.
Бенчмарк
GPT-6.2 Astramax
GPT-6.2 Astraxhigh
Fable 5.2max
Fable 5.2high
Сводный индекс
Intelligence Index v5.0.1
62
62
65
62
Офисная работа
AA-Briefcase v1.1, Elo
1644
1594
1785
1677
AutomationBench-AA, %
77.2
76.1
76.4
71.4
GDP.pdf, %
29.8
28.0
24.2
21.8
Код
Terminal-Bench 4.0, %
64.1
64.1
59.6
59.6
FrontierCode-AA 2.0, %
45.4
49.0
48.8
49.1
Наука
Terminal-Bench-Science 0.1, %
78.1
78.6
73.3
70.0
CritPt v2 (Hard Subset), %
71.5
70.5
76.5
73.0
Знания
HLE-Diamond, %
72.2
67.3
80.2
73.8
AA-Omniscience v1.1
50
48
67
64
Цена и время
Цена за задачу, $
4.00
2.52
26.54
9.08
Время на задачу, мин
10.4
5.9
40.8
14.6
Таблица 1. Замеры Artificial Analysis от 17 ноября 2026 года. Цветом выделен столбец GPT-6.2 Astra на max, жирным отмечен лучший результат в строке, а в двух нижних строках лучше меньшее значение. На уровне xhigh Fable 5.2 набирает на Terminal-Bench 4.0 61.6%. Источник: artificialanalysis.ai.
Что нужно знать про API
В API модель называется gpt-6.2-astra. Она принимает текст и изображения, а отвечает только текстом. В контекстное окно помещается 1 050 000 токенов, из которых на вход приходится до 922 000, а на ответ до 128 000, и знания модели заканчиваются 18 мая 2026 года. Работают Chat Completions, Responses и Batch, поддерживаются стриминг, вызов функций, structured outputs и кэширование промптов, а вот fine-tuning для этой модели недоступен.
Рассуждение у модели обязательное, поэтому запрос с reasoning.effort: "none" API отклонит. У GPT-6 Astra этим значением выключали thinking, так что перед сменой модели стоит проверить свои клиенты.
Стандартный тариф составляет $8 за миллион входных токенов и $40 за миллион выходных. Если промпт длиннее 272K входных токенов, весь запрос считается по повышенной ставке: вход и кэш дорожают вдвое, а выход в полтора раза. Batch стоит половину обычной цены, Fast mode вдвое дороже, а режим Ultrafast до 28 февраля 2027 года идёт по тройной цене и с 1 марта подорожает до шестикратной.
В Responses API появилась бета Multi-agent, в которой модель сама раздаёт части работы субагентам. Из инструментов доступны web search, file search, code interpreter, hosted shell, apply_patch, skills, computer use, MCP и tool search. Чтобы кэш срабатывал чаще, OpenAI советует не менять начало промпта и дописывать новые инструкции в конец диалога.
В ChatGPT Work и Codex модель уже получили подписчики Plus, Pro, Enterprise и Edu, причём в двух последних тарифах её должен включить администратор.
Как подключиться из России
Напрямую работать с OpenAI из России мешают оплата и регистрация аккаунта. Через AITUNNEL модель доступна по адресу https://api.aitunnel.ru/v1 с ключом вида sk-aitunnel- под именами gpt-6.2-astra и gpt-6.2-astra-pro. Пока промпт не превышает 272K токенов, миллион входных токенов стоит 1600 ₽, а миллион выходных 8000 ₽; для более длинных промптов действуют ставки 3200 ₽ и 12 000 ₽. Чтение из кэша обходится в 80 ₽ за миллион, что даёт скидку 95%, а вызов веб-поиска стоит 2 ₽.
Вариант gpt-6.2-astra-pro представляет собой ту же модель с параметром reasoning.mode=pro. Цена токена у него такая же, но на рассуждения уходит в разы больше токенов, и ответ приходится ждать дольше. Batch для моделей 6.2 в каталоге AITUNNEL на 17 ноября ещё не включён, хотя для GPT-6 Astra он работает.
Ниже пример запроса через OpenAI SDK, в котором системный промпт сразу требует сообщать о препятствиях:
Python
from openai import OpenAI
client = OpenAI(
api_key="sk-aitunnel-...",
base_url="https://api.aitunnel.ru/v1/",
)
response = client.chat.completions.create(
model="gpt-6.2-astra",
reasoning_effort="xhigh",
messages=[
{
"role": "system",
"content": "Если что-то помешало выполнить задачу, скажи об этом прямо: ""недоступный инструмент, отсутствующий файл, пропущенный шаг.",
},
{
"role": "user",
"content": "Собери финансовую модель по отчёту за третий квартал: ...",
},
],
)
print(response.choices[0].message.content)
print(response.usage.cost_rub, "₽")
В OpenAI SDK достаточно поменять base URL и имя модели, а в Codex CLI нужно прописать model = "gpt-6.2-astra" в config.toml. Баланс пополняется от 500 ₽ картой российского банка или по счёту.
Модель
Ввод, ₽ / 1M
Вывод, ₽ / 1M
Контекст
GPT-6.2 Astra
1 600 (3 200 после 272K)
8 000 (12 000 после 272K)
1.05M
GPT-6 Astra
2 000 (4 000 после 272K)
10 000 (15 000 после 272K)
1.05M
Claude Fable 5.2
1 600
8 000
1M
Claude Opus 5.5
800
4 000
1M
GPT-6.2 Sol
400 (800 после 272K)
2 000 (3 000 после 272K)
1.05M
Gemini 4 Carbon
400
2 000
1M
Таблица 2. Цены AITUNNEL в рублях за миллион токенов на 17 ноября 2026 года.
Кому стоит переходить
Если вы работаете на gpt-6-astra, переходить стоит уже сейчас: контекст и лимит ответа не изменились, токен стал дешевле на 20%, и на тех же задачах модель расходует меньше токенов. Перед сменой проверьте две вещи: клиент не должен отправлять effort none, а в системном промпте должно быть требование сообщать о препятствиях.
Для документов, финансовых моделей, научных пайплайнов и 3D я бы пробовал Astra 6.2 в первую очередь. Fable 5.2 выше в общем индексе на три балла, но прогон на max обходится у неё в шесть с лишним раз дороже.
А вот для кодовых агентов повода уходить с Claude я не вижу, потому что в индексе Artificial Analysis у Fable 5.2 58 баллов против 53. Вопросы на знание фактов без поиска я бы Astra тоже не доверял: когда она не знает ответа, то в 59% случаев отвечает неверно. Для повседневных задач присмотритесь к gpt-6.2-sol, которая стоит 400 ₽ и 2000 ₽ за миллион токенов и по общему индексу находится на уровне GPT-6 Astra.
Наконец, OpenAI предупреждает, что часть легитимных проверок безопасности модель отклонит. Если такие задачи составляют основу вашей работы, заложите это в план заранее.
GPT-6.2 Astra возглавляет линейку GPT-6.2 и рассчитана на длинные профессиональные задачи: с ней готовят документы, таблицы и презентации, ведут научные расчёты, собирают 3D-сцены и пишут код. Модель принимает текст и изображения, отвечает текстом и знает о событиях до 18 мая 2026 года. Рассуждение у неё включено всегда, поэтому запрос с reasoning.effort none API отклонит.
Ключевые преимущества
Второе место в индексе Artificial Analysis: 62 балла против 65 у Claude Fable 5.2
Лучший результат на Terminal-Bench-Science: 78.1% против 73.3% у Fable 5.2
Первое место на AA-3D, где люди вслепую сравнивают 3D-сцены: 1318 Elo
Задача индекса на max стоит $4.00, а у Fable 5.2 при той же цене токена $26.54
Токены на 20% дешевле, чем у GPT-6 Astra, а чтение из кэша дешевле на 60%
Подходит для
Отчёты, финансовые модели и презентации по шаблону компании
Научные пайплайны в терминале: обработка данных, симуляции, подгонка моделей
Интерактивные 3D-сцены, браузерные игры и работа в CAD
Длинные агентные задачи, в которых важен расход токенов
GPT-6.2 Astra стоит дешевле предшественницы и при этом сильнее её в науке, работе с документами и 3D. В индексе Artificial Analysis она занимает второе место после Claude Fable 5.2, зато задача на max обходится в $4.00 против $26.54. Есть у модели и слабые места: в коде прироста нет, о препятствиях она умалчивает вдвое чаще, а когда не знает факта, в 59% случаев отвечает неверно вместо отказа. Из России модель доступна в AITUNNEL под именем gpt-6.2-astra по 1600 ₽ за миллион входных токенов и 8000 ₽ за миллион выходных.
Часто задаваемые вопросы
Когда вышла GPT-6.2 Astra и как она называется в API?
Модель вышла 17 ноября 2026 года. В API она называется gpt-6.2-astra, а в AITUNNEL есть ещё вариант gpt-6.2-astra-pro с reasoning.mode=pro. Контекстное окно составляет 1 050 000 токенов, ответ может занимать до 128 000 токенов, а знания модели заканчиваются 18 мая 2026 года. Пользоваться ею можно в ChatGPT Work и Codex на тарифах Plus, Pro, Enterprise и Edu, через OpenAI API и через AITUNNEL.
Сколько стоит GPT-6.2 Astra?
В AITUNNEL миллион входных токенов стоит 1600 ₽, а миллион выходных 8000 ₽, пока промпт не превышает 272K токенов; для более длинных промптов цены составляют 3200 ₽ и 12 000 ₽. Чтение из кэша обходится в 80 ₽ за миллион. Официальные цены OpenAI равны $8 и $40 за миллион, чтение из кэша стоит $0.40, а запись в кэш $10. Fast mode обходится вдвое дороже, а Ultrafast до 28 февраля 2027 года втрое.
Чем GPT-6.2 Astra отличается от GPT-6 Astra?
Токены подешевели на 20%, а чтение из кэша на 60%. В индексе Artificial Analysis новая модель набирает 62 балла против 57, а задачу индекса на max решает за 10.4 минуты вместо 20.4. На ExploitBench Internal Port результат вырос с 31.5% до 53.5%. В индексе кодовых агентов ничего не изменилось, у обеих моделей по 53 балла. Кроме того, рассуждение теперь нельзя выключить.
Что выбрать: GPT-6.2 Astra или Claude Fable 5.2?
В общем индексе Artificial Analysis выше Fable 5.2, у неё 65 баллов против 62. Она сильнее на HLE-Diamond и CritPt, лучше знает факты и лидирует в индексе кодовых агентов с 58 баллами против 53. Astra впереди на Terminal-Bench-Science, Terminal-Bench 4.0 и AA-3D. Цена токена у моделей одинаковая, $8 и $40 за миллион, однако прогон индекса на max стоит $4.00 за задачу у Astra и $26.54 у Fable.
Какие слабые места у GPT-6.2 Astra?
В тестах OpenAI модель умалчивает о препятствии в задаче в 22.28% прогонов, тогда как у GPT-6 Astra было 11.09%. Инструкция из системного промпта Codex заметно снижает число таких пропусков, но к прямым запросам в API она не применяется, поэтому её нужно дописать самостоятельно. По замерам Artificial Analysis, когда модель не знает факта, она в 59% случаев даёт неверный ответ вместо отказа. Ограничения на задачи по кибербезопасности тоже стали жёстче.
Как вызвать GPT-6.2 Astra из России без VPN?
Это можно сделать через AITUNNEL: укажите base URL https://api.aitunnel.ru/v1, ключ вида sk-aitunnel- и модель gpt-6.2-astra или gpt-6.2-astra-pro. Миллион входных токенов стоит 1600 ₽, миллион выходных 8000 ₽, а минимальное пополнение составляет 500 ₽. В Codex CLI достаточно указать model = gpt-6.2-astra.
Доступ к этому провайдеру через AITUNNEL
Все модели провайдера доступны через единый API. Работает из России без VPN, оплата в рублях.
За последние два года рынок языковых моделей изменился до неузнаваемости. Если в 2023 году вопрос сводился к «ChatGPT или что-то другое», то сегодня выбор модел…
Рынок языковых моделей в 2025–2026 году развивается с такой скоростью, что даже опытные разработчики успевают за новинками с трудом. Если год назад выбор сводил…
Если попросить любого разработчика назвать первую AI-компанию, которая приходит на ум, 9 из 10 скажут OpenAI. Это не случайно: именно ChatGPT в ноябре 2022 года…