GPT-6.2 Sol erreicht Astras Genauigkeit zu einem Viertel der Kosten

GPT-6.2 Sol erreichte im Benchmark von Ultralytics mit 36 Datensätzen nahezu die gleiche Genauigkeit bei der automatischen Annotation wie GPT-6.2 Astra, kostete pro 1.000 Bilder aber nur etwa ein Viertel. Laut Ultralytics erzielte Sol 0,551 mAP 50, verglichen mit 0,546 für Astra.
- GPT-6.2 Sol erreichte 0,551 mAP 50 gegenüber 0,546 für GPT-6.2 Astra.
- Ultralytics errechnete Kosten von 8,10 und 31,88 US-Dollar je 1.000 Bilder.
- Sol lag bei medizinischen Bildern sowie bei Straßen- und Naturaufnahmen vorne, Astra bei Luftbildern und Einzelhandelsdaten.
- GPT-6.1 Terra bleibt mit 0,560 mAP 50 auf Platz zwei der Ultralytics VLM Leaderboard.
- Beide GPT-6.2-Modelle sind für die automatische Annotation in der Ultralytics Platform verfügbar.
Ähnliche Benchmark-Werte, deutlich unterschiedliche Kosten
Ultralytics testete GPT-6.2 Sol und GPT-6.2 Astra am 17. November 2026 über UL37, seinen Erkennungs-Benchmark mit 36 Datensätzen. Der Test fand am Tag der Veröffentlichung der Modelle durch OpenAI statt. Verwendet wurden 360 Bilder, jeweils 10 aus jedem Datensatz. Sie deckten unter anderem medizinische Aufnahmen, Luftbilder, Verkaufsregale, Sport, Dokumente und Leiterplatten ab.
In der daraus entstandenen Rangliste belegte Sol den vierten Platz unter 50 Modellen, Astra kam auf Platz fünf. Sol erreichte 0,551 mAP 50, Astra 0,546. Auch die mAP-50-95-Werte lagen dicht beieinander: 0,346 beziehungsweise 0,345. Sol hatte den höheren Recall-Wert von 0,643 gegenüber 0,625, während Astra bei der Präzision mit 0,626 gegenüber 0,623 leicht vorne lag.
Deutlich größer war der Kostenunterschied. Ultralytics errechnete Anbietergebühren von 8,10 US-Dollar je 1.000 Bilder für Sol und 31,88 US-Dollar für Astra. Sol hatte außerdem eine geringere mediane Verarbeitungszeit von 3,4 Sekunden pro Bild gegenüber 4,3 Sekunden bei Astra. Bei beiden Modellen lag die Rate fehlgeschlagener Anfragen im Test bei 0 %.
Jedes Modell ist bei unterschiedlichen Daten besser
Astra erzielte bei 17 der 36 Datensätze höhere Werte, während Sol bei 15 vorne lag und vier Gleichstände verzeichnet wurden. Sols durchschnittlicher Vorsprung wurde stark durch TN5000 thyroid ultrasound beeinflusst, wo das Modell 0,995 gegenüber 0,769 für Astra erreichte. Ohne diesen Datensatz lagen die Durchschnittswerte bei 0,539 für Sol und 0,540 für Astra.
Ultralytics stellte fest, dass Sol bei medizinischen Bildern sowie bei Straßen- und Naturaufnahmen stärker war. Sein medizinischer Durchschnitt lag bei 0,466 gegenüber 0,411 für Astra. Außerdem lag Sol bei Weizenähren in GWHD und bei Straßenmarkierungen in CeyMo vorne. Astra war bei Luftbildern sowie bei Aufnahmen aus Einzelhandel, Dokumenten und mit Personen besser. Beim Luftbilddatensatz SSDD für Schiffe erreichte Astra 0,880 gegenüber 0,749 für Sol, beim Einzelhandelsdatensatz RPC kam Astra auf 0,978 gegenüber 0,823.
Das Unternehmen warnt davor, Ergebnisse einzelner Datensätze als endgültiges Urteil zu betrachten. Stattdessen sollten sie als Hinweise für weitere Tests dienen. Ultralytics empfiehlt, die von den Modellen erfassten Boxen auf Benchmark-Datensätzen zu prüfen, bevor ein großer Datensatz annotiert wird.
Beide Modelle ersetzen ältere OpenAI-Optionen
GPT-6.2 Sol und GPT-6.2 Astra sind jetzt die OpenAI-Optionen für automatische Annotation in der Ultralytics Platform. Sie ersetzen GPT-6.1 Sol und GPT-6 Astra. Im Vergleich zu diesen Modellen erzielten beide GPT-6.2-Versionen bei Ultralytics höhere Werte, verarbeiteten Bilder schneller und hatten geringere Kosten pro Bild.
Sol erreichte 0,551 mAP 50 gegenüber 0,514 für GPT-6.1 Sol. Astra kam auf 0,546 gegenüber 0,525 für GPT-6 Astra. Bei einigen Datensätzen mit Leiterplatten waren die neueren Modelle jedoch schwächer. Beide erzielten bei den Defekten blanker Leiterplatten in DeepPCB 0,000, während GPT-6.1 Sol dort 0,393 erreichte. Ultralytics beschreibt beide GPT-6.2-Modelle außerdem als schwach bei Sicherheits-Röntgenbildern.
GPT-6.1 Terra bleibt in dem Vergleich OpenAIs bestplatzierter Annotator. Das Modell erreichte 0,560 mAP 50 bei Anbietergebühren von 4,36 US-Dollar je 1.000 Bilder. Terra hatte eine höhere Präzision als Sol, war mit einer medianen Zeit von 5,1 Sekunden pro Bild jedoch langsamer.
Was Annotierungs-Batches in der Platform kosten
Laut Ultralytics kostet ein Batch mit 1.000 Bildern bei Sol 8,10 US-Dollar an OpenAI-Anbietergebühren, bei Astra sind es 31,88 US-Dollar. Die Platform berechnet zusätzlich eine Bearbeitungsgebühr von 1,00 US-Dollar je 1.000 Bilder. Damit ergeben sich Gesamtkosten von 9,10 beziehungsweise 32,88 US-Dollar. Für 10.000 Bilder veranschlagt das Unternehmen etwa 91 US-Dollar für Sol und 329 US-Dollar für Astra.
Die Nutzer hinterlegen ihren eigenen OpenAI-API-Schlüssel und bezahlen OpenAI direkt, auch für Testvorhersagen. In der Ultralytics Platform können sie im Smart-Modus eines der beiden Modelle auswählen, Vorhersagen anhand repräsentativer Bilder vergleichen und anschließend Batch Annotation für nicht annotierte Bilder verwenden. Die Platform speichert vor der Verarbeitung eine Dataset-Version. Dadurch können Nutzer zurückgehen und die Boxen prüfen, bevor sie diese speichern.


