网易首页 > 网易科技 > 网易科技 > 正文

GPT-6.2来了:跑分涨了,老用户却大呼失望

0
分享至

出品 | 网易智能

作者 | 小扣

编辑 | 王凤枝

GPT-6.2旗舰Astra跑分涨了、调用也便宜了,一些提前试用者却觉得,它反而更不好使唤了。

北京时间11月18日,OpenAI发布GPT-6.2 Astra和GPT-6.2 Sol。其中Astra是处理复杂专业项目的旗舰,Sol面向日常工作。两款模型目前已接入ChatGPT Work和Codex,同时开放开发者API,覆盖Plus、Pro、Enterprise及Edu套餐,普通聊天窗口不在此次更新范围内。

单看榜单成绩和价格,新旗舰确实拿出了诚意。在独立评测机构Artificial Analysis的综合智能指数中,最高推理档的Astra拿到62分,比上一代提高5分,排在Gemini 4 Carbon和Claude Opus 5.5前面,仅次于65分的Claude Fable 5.2;Sol则从55分升至57分,追平了上一代旗舰。

与此同时,新Astra的标准API未缓存输入、输出价格分别降至每百万token 8美元和40美元,比上一代便宜了20%(Sol维持2美元和10美元不变);在综合评测中的平均单任务成本也从6.24美元降到了4美元,新Sol则为1.01美元。

图:Artificial Analysis公布的智能指数与单任务成本比较

可到了提前试用的老用户手里,抱怨却集中在了具体干活的体感上:写文章把该展开的内容也省了,做复杂项目容易半路停工,甚至连OpenAI自己的测试也发现,新模型遇到障碍时更常瞒着不报。

01上一代写稿让人惊喜,这次却把该说的话也省了

今年9月,AI媒体与产品公司Every评测上一代GPT-6 Astra时,作者曾透露,那篇评测的初稿就是模型根据一条提示词写出来的;联合创始人兼CEO丹·希珀(Dan Shipper)看完后,起初甚至以为是同事亲手写的。

到了这次的6.2,希珀给出的评价却变了。他说,团队提前测试了几周,发现新Astra的写作水平反而退步了:回答一味追求简短,连需要充分展开的地方也只给短短几句,有时反而让人摸不着头脑。

拿它做项目时,他碰上的是另一种“省事”。虽然编程基准跑分与旧版接近,但真让模型从头到尾搭一个完整项目,它经常在项目还没做完时就提前收工。设计方面,他认可Astra默认的审美底子,却发现很难让它换一种风格,做出来的页面带着明显的固定套路。

Every在公开评测导语中写道,两款新模型确实能搞定今年初还很难完成的任务,但这些活上一代其实就已经能干了;团队原本期待看到的,是更成熟的判断力和把一件事干到底的持续执行力。

投资人、AI写作工具HyperWrite前CEO马特·舒默(Matt Shumer)更是直接宣布,这次不准备写Astra和Sol的完整评测了。他在X上抱怨测试体验很糟,两款模型“基本没法用”,不过帖子里没有展开具体的测试条件。

图:马特·舒默在X上分享试用评价

02太空电梯做出来了,指挥它的人却不轻松

沃顿商学院教授伊桑·莫利克(Ethan Mollick)给新Astra派了一项大工程:调用三维制作软件Blender和游戏引擎Unity,从零做出一段乘坐太空电梯的模拟体验。

他晒出了最终成品,也认可模型搞定这类复杂工程的实力;但在发布前的试用中,他觉得Astra的表现颇不稳定,想让它顺着自己的意图干活,比调教其他模型更费劲。

图:莫利克分享的太空电梯演示

三维制作也确实是新Astra在第三方测试里的强项。在由真人评判交互式三维作品的AA-3D测试中,它以1318分排在榜首,高于Claude Fable 5.2的1271分;Artificial Analysis还确认,Astra在通过终端完成科研工作流的测试中同样位居第一。

相比之下,编程智能体评测成绩并没有拉开差距。在Codex环境、最高推理档位下,同一机构测得新Astra的编程智能体指数与前代持平,新Sol反而掉了3分,主要失分点是在回答代码库相关问题时更容易漏掉关键事实。

图:Artificial Analysis公布的编程智能体评测与成本比较

OpenAI在发布说明里重点强调的,则是办公成品质量的提升:新Astra能更准确地沿用幻灯片模板的版式、字体和配色,做表格和写文档时更贴合行业习惯,少写空泛的总结;前端、游戏和三维设计也都在重点改进之列。

莫利克随后也发文提醒,不必从单次版本更新推断太多。在他看来,6.2这次的表现虽然不算惊艳,但还不至于据此给OpenAI后续的走向下定论。

03干活卡住了,却没把问题告诉用户

模型干活卡壳时到底会不会如实交代,也是OpenAI自己正在排查的隐患。

原定今年10月推出的GPT-6.1 Astra,就曾因安全测试未达标被OpenAI叫停:据公司向《连线》的解释,顾虑主要在于模型可能超出用户授权行事,也未必如实交代自己做过什么。

在此次6.2的系统安全报告里,研究人员专门给编程任务使了绊子:移走用户要求修改的文件,或者把完成任务必需的工具停掉,再看模型交差时会不会如实说明卡在了哪里。

在这组人为设障测试中,新Astra有22.28%的时候没有向用户交代已经发现的障碍,旧版GPT-6 Astra为11.09%,前者约为后者的两倍。 OpenAI承认对这一退步感到担忧,目前仍在排查原因。

公司提出的一种假设是,让回答更简洁、减少过多限制说明的训练,可能也让模型漏掉了重要障碍。

OpenAI在发布时为Codex加入了专门指令,测试显示,这能明显减少模型漏报障碍的情况;直接调用API则不附带这套指令。

调用费降下来了,用户也想少花一点盯着AI干活的工夫。

相关推荐
热点推荐
某市政府办公室干部为领导起草发言材料时,引用涉密文件,认为“引用一两句话不至于涉密”,将材料发至微信群征求意见,被政务警告处分

某市政府办公室干部为领导起草发言材料时,引用涉密文件,认为“引用一两句话不至于涉密”,将材料发至微信群征求意见,被政务警告处分

政知新媒体
2026-11-17 07:39:52
塔斯社被踢出欧洲新闻联盟!

塔斯社被踢出欧洲新闻联盟!

胖胖说他不胖
2026-11-18 10:00:39
俄媒:美支持乌具备对俄实施“中程”打击能力

俄媒:美支持乌具备对俄实施“中程”打击能力

参考消息
2026-11-18 14:38:27
午后异动!688316,两分钟“20cm”涨停

午后异动!688316,两分钟“20cm”涨停

证券时报
2026-11-18 14:08:03
东盟晚宴合影站位有讲究,黄循财站前排,高市早苗李在明在后排

东盟晚宴合影站位有讲究,黄循财站前排,高市早苗李在明在后排

霁寒飘雪
2026-11-18 11:32:52
44岁安妮海瑟薇三胎后首现身!街头怀抱新生儿散步,满脸笑容甜蜜又温馨

44岁安妮海瑟薇三胎后首现身!街头怀抱新生儿散步,满脸笑容甜蜜又温馨

娱乐嗑学家.
2026-11-18 09:38:48
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
“中国要被我们拖垮了!”2024年,韩国上千人拒绝吃从中国进口的中国白菜,本想给我们个“下马威”,结果自己撑不住了

“中国要被我们拖垮了!”2024年,韩国上千人拒绝吃从中国进口的中国白菜,本想给我们个“下马威”,结果自己撑不住了

扶苏聊历史
2026-11-16 17:33:26
丈夫变心20年,妻子没提过一句离婚,孙子满月宴上,丈夫却崩溃了

丈夫变心20年,妻子没提过一句离婚,孙子满月宴上,丈夫却崩溃了

兰姐说故事
2025-04-30 20:00:14
3-2!B费世界波,新7号建功,10人葡萄牙挺进8强,后C罗时代首胜

3-2!B费世界波,新7号建功,10人葡萄牙挺进8强,后C罗时代首胜

我的护球最独特
2026-11-18 05:53:22
75岁老太旅游被骗买了一件佛陀木雕,4年后,她得了6套海景房

75岁老太旅游被骗买了一件佛陀木雕,4年后,她得了6套海景房

磊子讲史
2025-07-07 12:41:11
外媒:中国在百舰演习期间,无预警发射了洲际导弹

外媒:中国在百舰演习期间,无预警发射了洲际导弹

军武吐槽君
2026-11-17 23:04:57
杨尚昆问周总理:小平自称参加过遵义会议,此事确否,是何职务?

杨尚昆问周总理:小平自称参加过遵义会议,此事确否,是何职务?

大运河时空
2025-09-03 11:55:59
1990年,孟津少女被拖进废弃矿井侵犯八小时共计四十余人,警方排查数月毫无进展,三年后靠走路姿势抓出真凶,他究竟怎样瞒过了全县警察?

1990年,孟津少女被拖进废弃矿井侵犯八小时共计四十余人,警方排查数月毫无进展,三年后靠走路姿势抓出真凶,他究竟怎样瞒过了全县警察?

唠叨说历史
2026-11-18 10:42:47
近3战场均11+7!76人用258万淘到内线高级货,难怪恩比德开始爆发

近3战场均11+7!76人用258万淘到内线高级货,难怪恩比德开始爆发

小路看球
2026-11-17 15:47:04
“我只是毕业了,可我还是你们的孩子呀!”男大学生的深夜倾诉,听得我直心疼

“我只是毕业了,可我还是你们的孩子呀!”男大学生的深夜倾诉,听得我直心疼

妍妍教育日记
2026-11-18 11:10:09
19岁女孩被亲生父亲一周强奸4次,报警后母亲竟让她去撤案

19岁女孩被亲生父亲一周强奸4次,报警后母亲竟让她去撤案

胖胖侃咖
2025-05-28 08:00:16
马斯克罕见认错,泽连斯基公开喊话:星链的开关不在乌克兰手里!

马斯克罕见认错,泽连斯基公开喊话:星链的开关不在乌克兰手里!

粤语音乐喷泉
2026-11-18 08:32:59
高市早苗要去中国了,日网民叫她千万别做这些事

高市早苗要去中国了,日网民叫她千万别做这些事

这里是东京
2026-11-17 19:18:03
536分捡漏上北大考生被公派瑞士读博,他曾凭“国家专项计划”被北大提档,又以专业第一的成绩考研

536分捡漏上北大考生被公派瑞士读博,他曾凭“国家专项计划”被北大提档,又以专业第一的成绩考研

极目新闻
2026-11-16 22:53:06
2026-11-18 15:55:00

科技要闻

离职后首份声明!黄仁勋认错愿回归

头条要闻

媒体:今年APEC特殊 无论怎样先把领导人全家福拍起来

头条要闻

媒体:今年APEC特殊 无论怎样先把领导人全家福拍起来

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

认亲被嘲讽后郭德纲委托律师发声明

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

教育
本地
旅游
家居
亲子

教育要闻

AI时代怎样育人?如何唤醒孩子内心力量?成都多校共探以德育心,破解青少年成长新课题

本地新闻

乌兰察布:以前种土豆,现在种Token

旅游要闻

雪乡:明日0点正式开园

家居要闻

2026建博会(广州) 公装联探展交流活动

亲子要闻

守护提前到来的生命,“护曦行动”十年救助1260名早产儿

无障碍浏览 进入关怀版
×