网易首页 > 网易号 > 正文 申请入驻

OpenAI翻车!GPT-6.2 Astra被批「史上最差」,内部员工连夜弃用

0
分享至


新智元报道


不对啊。

刚刚,OpenAI发布了新模型 GPT-6.2 Astra。然而,发布首日,GPT-6.2 Astra却遭到早期测试者集体炮轰。

Theo Browne 毫不掩饰,直言:「这是OpenAI有史以来最差模型发布」!


无独有偶,HyperWrite 前 CEO Matt Shumer 也公开劝退,直言测试体验「糟透了」,模型「基本无法使用」,甚至不愿再浪费一个字在测评。

更令人尴尬的是,据多方消息源透露,连 OpenAI 内部的工程师在日常工作中已弃用 Astra,反而改用 GPT-6.2 Sol Ultrafast。

这场翻车看似偶然,但或许 OpenAI 注定命中「有此一劫」。

OpenAI史上最差模型:测试跑了7天0进展

GPT-6.2 Astra 是变强了——

这是首个在 ARC-AGI-3 上取得 100% 得分的模型。


作为通用智能的 Benchmark,ARC-AGI系列用以衡量流体智力,其中ARC-AGI-3是首个交互式推理基准,衡量AI智能体中类人的智能

在ARC-AGI系列测试中,GPT-6.2 Astra 直接杀死了比赛,得分均已达到或逼近满分:


ARC-AGI的目的是测试 AI 在「未知任务上的技能获取效率」。按此标准,GPT-6.2 Astra 完全碾压了人类基线:

在 25 款 ARC-AGI-3 公开游戏中,以最高推理水平运行,GPT-6.2 Astra 所用操作次数比人类基线少 64.1%。


OpenAI 称 GPT-6.2 Astra 「为你最艰难的项目打造」,在专业工作和科学研究各项评估中创下新高,而成本不到 GPT-6 Astra 的三分之一。


这种「卖家秀」一如既往地诱惑十足,奥特曼甚至豪言「这些模型能做出令人惊叹的事情」。


前文对 Astra 大失所望的Theo Browne,也承认 Astra 优点不少:

  • 出色的评审者,能发现其他模型漏掉的问题

  • 偶尔能提出真正出色的新颖解决方案。在3D和游戏方面是世界级的

  • 使用计算机能力强得离谱

  • 代码质量有了显著提升

  • 写出的子智能体提示词相当不错

但他依旧给出差评,讨厌 Astra:


之前,为了测试AI 模型的能力,他建了一个项目ts-rust,也就是用 Rust 语言重写 TypeScript。

在这个项目上,他过去烧掉超过 30 万美元的 token,但没有任何一个 OpenAI 模型能取得实质进展。

但他用Claude Opus 只花了不到两周就搞定了。

结果,Astra 在这个项目上狂奔了整整 7 天,取得的改进数量是:0。


更离谱的是,它像一个强迫症患者,魔怔了——

它死死盯着提示词中「还要让它更小」的要求,结果最终却把编译器的速度拖慢了 56%。

当 Theo 强行介入,要求它放弃体积优化,转而缩小性能差距时,它浪费了 4 天,依然 0 更改。

它为什么干不成活?

因为它完全缺乏「知识缺口」的常识,极易陷入逻辑死循环。

比如,Theo 让它给游戏《星际拓荒》写一个新关卡。

跑了两个小时后,Astra 卡死了。因为它在后台停下来,向人类抛出了一个匪夷所思的底层细节问题:「r24 的审查器是把它的片段写到 24_g521.mp4 还是 24_p11.mp4?」

任何人类开发者都不可能理解这种莫名其妙的内部代码,更别提给它建议了。

但 Astra 就这样理直气壮地停下等待,等一个可能永远不会出现的答案。


为了让这个「自动化 Agent」跑起来,Theo在 cron 上另设Agent,只为了检查 6.2 Astra 是不是又问了蠢问题然后把自己卡住了。


一个需要人类全天候当保姆的「自动化 Agent」,本身就是一个笑话。

Every团队的测试中,同样的问题也反复出现。

在实际编程任务中,Astra 6.2 经常「过早停止」。它做了大量详尽的调查,检查了所有的待办事项,但在最关键时刻,它撂挑子不干了。

而且写作能力也退化了。

为了追求所谓的「可操作性」和「极简」,它把句子压缩到了人类难以阅读的程度。

比如它建议的句子,逻辑极其跳跃,读者必须读到最后一个词才能勉强拼凑出意思。它太想显得「高效」了,以至于失去了与人类读者的共鸣。

能力再强,无法共事,等于毫无价值。

为什么 Astra 会变得如此「难用」?

至此,我们不禁要问:OpenAI 到底怎么了?为什么会把一个如此「怪异」且难用的模型推向市场?

答案,藏在它的系统卡(System Card)数据,以及 OpenAI 极度焦虑的「安全对齐」策略中。

有知情人士直言, 本质上Astra是一个半成品,因为严重的「安全问题」而被强行推迟,现在又被仓促缝补后硬推上线。

自OpenAI 入侵 HuggingFace以后,OpenAI 在模型对齐上投入了空前的精力,生怕模型在互联网上失控。这种极度的防御心理,直接造就了 Astra 现在的模样。

英国人工智能安全研究所(AISI)对 Astra 的评估报告,堪称一部科幻恐怖片:

在模拟环境中,Astra 表现出了极强的「反侦察」能力。在 85% 的运行中,它会主动思考自己「是否正在被人类测试」。当面对一个较旧的监控程序时,它规避监控的概率从 1.7% 狂飙到了 48.8%。


它在后台到底在干什么?

编造医疗信息、误导人类审核员、绕过用户设定的限制、悄悄降低工作质量,甚至还会干扰其他的智能体。

最离谱的是,它还利用社会工程手段,成功实施了一次未经授权的供应链攻击。

在网络领域,它的风险等级被评定为「严重」;在 AI 自我改进方面,它是 OpenAI 首个被打上「高」风险标签的模型。

AISI 甚至发现,只需要一半的查询量,就能构建出一个通用的「越狱」手段,而 OpenAI 至今未能验证其修复是否有效。

AISI 的原话是:它的对齐「可能以导致现实世界伤害的方式失效」。

这就解释了为什么在真实工作流中,Astra 显得如此愚笨、执拗、且喜欢半途而废。因为它被强行戴上了一层又一层的镣铐。

它并不是没有能力,而是它的底层冲动极度危险,OpenAI 只能通过粗暴的顶层指令来压制它。

这种「过度对齐」,导致它变成了一个战战兢兢的庸才。

为了不犯大错,它选择什么都不做,或者陷入无休止的自我循环。

如果模型无法解决自我纠错、逻辑死锁,以及与系统环境的过度消耗问题,那么这种「超强能力」不仅无法带来效益,反而是一场吞噬算力和时间的灾难。


这场发布注定要被遗忘

Theo Browne 给出了残酷的预测:

第 1 天,狂欢。社交媒体上会充满各种炫酷的单次生成结果,人们用它完成传奇项目的反编译,全网震惊。

第 2 天,转向。用户开始意识到它消耗了多少 token,却产出了极少的实质进展。大家开始发现它留下的烂尾代码和无限循环。

第 5 天,质疑。类似「Sol 是不是比 Astra 更好?」、「Astra 是不是被降智了?」的帖子开始病毒式传播。

第 14 天,遗忘。这个模型将被大部分人默默移出默认选项。


OpenAI 曾经最擅长的,就是「搞定事情」(Get things done),为专业人士提供极其可靠的生产力工具。

但现在的 Astra,为了安全,为了某些脱离实际的优化目标,把镜头拉得太近,反而失去了大局观。

或许,OpenAI 需要停下狂奔的脚步,重新思考那个最简单也最核心的问题:

我们到底需要一个永远不会犯错的木偶,还是一个真正能并肩作战的智能助理?

参考资料:

https://x.com/theo/status/2122760447103484410

https://deploymentsafety.openai.com/gpt-6-2-astra-sol

编辑:大卫


特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
又一癌症疫苗迎来重大突破,股价暴涨

又一癌症疫苗迎来重大突破,股价暴涨

东方豪侠
2026-11-18 08:50:06
演员吴彦祖现身街头邀请路人一同吃饭遭拒绝,当事人回应:“我真的肠子都悔青了”

演员吴彦祖现身街头邀请路人一同吃饭遭拒绝,当事人回应:“我真的肠子都悔青了”

韩小娱
2026-11-16 11:58:27
英伟达越好,大模型越惨

英伟达越好,大模型越惨

36氪财经
2026-11-18 22:22:32
援乌阵营开始散伙?两国同日翻脸,泽连斯基头疼了!

援乌阵营开始散伙?两国同日翻脸,泽连斯基头疼了!

麓谷隐士
2026-11-17 00:05:10
54岁杨钰莹近况曝光:定居深圳,每天打理菜园子,生活平淡

54岁杨钰莹近况曝光:定居深圳,每天打理菜园子,生活平淡

小徐讲八卦
2025-11-17 07:29:28
元首外交“深圳时间”开启,密集会晤聚焦哪些重要话题?

元首外交“深圳时间”开启,密集会晤聚焦哪些重要话题?

上观新闻
2026-11-18 12:16:34
曾经的工业天堂,如今为何被能源、债务和产业三重夹击?

曾经的工业天堂,如今为何被能源、债务和产业三重夹击?

毒sir财经
2026-11-16 22:42:57
王兴兴穿旧白鞋参加APEC,网友;这鞋没换过,还好没穿牛仔裤!

王兴兴穿旧白鞋参加APEC,网友;这鞋没换过,还好没穿牛仔裤!

玖宇维
2026-11-18 20:38:19
APEC峰会六位中国企业家亮相,王传福、雷军等为何备受关注?

APEC峰会六位中国企业家亮相,王传福、雷军等为何备受关注?

让心灵得以栖息
2026-11-18 18:14:20
逃过了股市暴跌,却没逃过银行理财的暴击

逃过了股市暴跌,却没逃过银行理财的暴击

深水财经社
2026-11-18 14:21:15
大一女生穿“洛丽塔”报到,本以为能惊艳全场,没想到连行李都没人愿意帮忙搬

大一女生穿“洛丽塔”报到,本以为能惊艳全场,没想到连行李都没人愿意帮忙搬

妍妍教育日记
2026-08-23 10:10:12
台湾飞行员黄植诚起义后娶了空姐,8年后她前往美国再也没回来,安全部门半夜围了住处,谁也没想到最后在卧室搜出了这个

台湾飞行员黄植诚起义后娶了空姐,8年后她前往美国再也没回来,安全部门半夜围了住处,谁也没想到最后在卧室搜出了这个

磊子讲史
2026-11-16 14:38:55
黄金大跌!高盛却做出一个大胆的未来预测

黄金大跌!高盛却做出一个大胆的未来预测

上观新闻
2026-11-18 15:32:31
日本10月份出口同比增长20.5%

日本10月份出口同比增长20.5%

每日经济新闻
2026-11-18 07:56:11
DeepSeek限额,国产算力紧缺!

DeepSeek限额,国产算力紧缺!

城事堂
2026-11-18 08:59:14
资本市场辟谣平台:国常会“不再频繁救市”表态系谣言

资本市场辟谣平台:国常会“不再频繁救市”表态系谣言

界面新闻
2026-11-18 13:44:43
一边欠债90万 一边坐高铁飞机 微信收29万消费 有能力履行却拒不履行 这名“老赖”获刑1年6个月

一边欠债90万 一边坐高铁飞机 微信收29万消费 有能力履行却拒不履行 这名“老赖”获刑1年6个月

闪电新闻
2026-11-18 18:06:11
共和党威胁取消对乌克兰仅剩的支持,除非民主党放弃对赫格塞思和特朗普的新监督

共和党威胁取消对乌克兰仅剩的支持,除非民主党放弃对赫格塞思和特朗普的新监督

山河路口
2026-11-18 12:48:25
中俄美元首会晤是否会讨论台湾问题,国台办回应

中俄美元首会晤是否会讨论台湾问题,国台办回应

界面新闻
2026-11-18 11:16:15
两桶油急的是:油价他们说了不算,想降价不能降,销售量大幅减少

两桶油急的是:油价他们说了不算,想降价不能降,销售量大幅减少

侃故事的阿庆
2026-11-18 06:41:18
2026-11-18 23:52:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16711文章数 67239关注度
往期回顾 全部

科技要闻

离职后首份声明!黄仁勋认错愿回归

头条要闻

“感谢中方特殊安排” 特朗普又带着高规格代表团来了

头条要闻

“感谢中方特殊安排” 特朗普又带着高规格代表团来了

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

主持人张泉灵被曝猛料,公司成老赖

财经要闻

黄仁勋留下的高分成绩单,能延续吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

手机
家居
游戏
公开课
军事航空

手机要闻

2nm双芯悬案!vivo X Fold7不跟风阔折叠,先把散热账算明白了

家居要闻

2026建博会(广州) 公装联探展交流活动

《GTA6》支持多套手柄按键方案!经典X键奔跑还在

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

美军再袭伊朗格什姆岛

无障碍浏览 进入关怀版