在新标签页中打开
茉莉花
新闻网
2026-11-18 · 星期三近12小时收录 25 条最近更新 21:37

快讯三菱日联银行约650万条客户信息外泄,外包服务遭入侵

OpenAI发布GPT-6.2 Astra与Sol 开发者批评长任务与编程表现

转载信息出处与时间记录
内容性质
全文转载(非本站原创报道)
原始出处
虎嗅网
原文作者
黄天媛
原文发布
本站收录

出品|虎嗅科技组

作者|黄天媛

编辑|苗正卿

头图|视觉中国

今日凌晨,灰测了半个月的GPT-6.2终于正式发布。

这次OpenAI带来的是GPT-6.2 Astra和Sol,一个旗舰,一个日常主力。

顶着Anthropic、Google压力端上桌的新模型,刚一发布,就在X上被骂成了筛子,超多人批评6.2干活不好用。

开发者Theo甚至写了个长文解释自己为什么讨厌GPT-6.2 Astra。总结一下他的观点:

  • 阅读性真的很差。 Astra和人沟通的解释过于复杂,一大段字,而且常常让人看不懂,有很多防御性文案和莫名的口语表达。

  • 长任务能力不行。干半天也不知道跑完了没,也不知道有没有成果。

  • 遇到问题,不会自己解决,反而把问倒用户。Theo 让模型为《星际拓荒》做一个新关卡。跑了约两小时后,模型停下来,问他某个内部流程到底把视频存进了哪个文件。(?!)

c892f34638bbbbe7dc7977ddf849202192a83c6f87c4afed075faed6d7a78fd7 article

一段时间过去,也有人进一步测评了6.2的其他功能。如官方所说,PPT确实做得不错,审美也有所提高,3D效果进步不少;Computer Use的效果真的很出色;后端的执行力也很不错的,足够严谨,非常适合用来执行严密工作;单次Token也确实便宜了。

简而言之,这是一个神一会儿、鬼一会儿的模型。

看看跑分

简单先总结一下这一轮6.2更新的官方说法。

  • 办公能力更强。 按 OpenAI 的说法,新模型做 PPT、表格和文档时,更能照着用户给的模板来,也更符合财务、法律、销售等行业的习惯。

  • 写代码和做设计有提升。 官方称它写的代码更清晰,做出来的网页更好看、更好用,还展示了根据零件图做 3D 建模的效果。(目前我实测下来审美确实比之前要好,有很多审美上的小巧思,但仍然比不上Claude)

  • 科研是 Astra 的卖点之一。 它在科研评测中刷新了成绩,OpenAI 称它是目前最适合科学家的模型。

  • 旗舰降价,但日常款不变。 相比上一代 GPT-6 Astra,6.2 Astra 的 API 输入、输出单价都降了 20%,缓存输入单价降了 60%。Sol 延续上一代定价。

  • 做单任务成本也更低。 在官方引用的一项多步骤专业任务评测里,Astra 的单任务成本不到上一代的 三分之一。OpenAI 也称,使用 Sol 时,同样的付费套餐额度能完成更多任务。

再展开看看跑分。

在第三方机构Artificial Analysis的综合智能指数中,Astra拿到62分,排名第二,仅次于Claude Fable 5.2的65分,超过Gemini 4 Carbon的60分和Claude Opus 5.5的59分。Sol则拿到57分,追平上一代旗舰GPT-6 Astra,但按该机构评测,单任务成本只有后者的约15%。

2d44324588d2b96296b8a80ffa4c33e7eb4bc95a6b62a871b58f7eeb029b024b article

专业工作方面,官方称,在考察多步骤任务的Agents’ Last Exam中,Astra比前代提高5.2分,单任务成本不到三分之一。

28287797e24892c56948b073cb66232601f68adf80361a158c57e2781a5a4b2e article

在覆盖咨询、金融和设计的内部GDPval v2测试中,Astra提高6.2个百分点,输出token减少22%。科研也有进步:在考察终端科研工作流的Terminal-Bench-Science中,成绩提高了9个百分点。

4334436ab8a198b39ea03155ac41c967ca3d6b13208a387b3ef774cb1721a2a4 article

3D是另一项长板。在Artificial Analysis的人类盲测中,Astra以1318 Elo分排名第一,高于Fable 5.2的1271分。

6451f9c85f2cae62feaab4da3f521d374e992838430904af74493b417861a90a article

编程则没有全面跟上。同一机构的编程智能体指数中,Astra仍是53分,与前代持平;Sol降到49分,比6.1 Sol低3分。

beae021efd578e94fd9712dd93a7359ea00a32f97736758f065bc7f581025be1 article

看看实测

榜单有进步,再来看看实测。

如官方所说,他们做的PPT确实不错,自己调研、找图、排版,比较适合上班族。但博主Andrew McGehee测试下来后,Sol的低推理档反而优于Ultra。

ba7ee53df48113decbb60e9cf3a0918aa0bf90ee41fc5b13f69bac77a6b2ab53 article

网页操作(Computer Use)也不错。博主Nick发布的维基百科跳转演示里,模型会自己点击链接、切换页面,Sol率先完成画面中的任务。他还测试了GeoGuessr,让模型观察街景、操作地图、判断位置。

213d8f79e13a6ea29d3abc87291787de063919b2e66fcf0d6faa10b5ba56d9ca article

一部分3D动效也有进步,镜头的运动和衔接,是有镜头语言表达的。但同一轮测试里,穿模、人物比例失衡、机械零件对不齐等问题仍然存在。

编程上的吐槽,则集中在6.2的持续性比较差。开发者们抱怨它在长任务中会抛出用户难以回答的实现细节问题,然后卡住等回复,解释又难懂,还得再找别的模型帮忙总结。并且,Astra在真实编程任务里会过早停下,非常不智能。

GPT-6.2就是一个手动挡模型。你说多少话,他干多少事。你要是想偷懒,或者还完全不知道自己想怎么操作,那6.2就要敷衍你了。或者你自己去聊一个skill出来,才能长时间跑一个东西。

1c3419514c523bfb5bd3bbc991ec13a7f8d2c3f999e4eb45df5e13fcee17a907 article

所以如果可以的话,试着让Claude做前端,GPT做后端,放在同一个工作区,不用自己手动传话,产出的结果应该会好很多。

OpenAI现在的产品适人性还是比较一般,毕竟人类最稀缺的就是注意力,这给你拉磨拉一半,换谁家牛吗都不舒服。但你也不得不承认,不封号还重置的模型,貌似就赢了一半。

在 Telegram 关注茉莉花

更正与撤稿0 条记录

本文暂无更正或撤稿记录。若本文发布更正、澄清或被撤稿,相关说明将按时间顺序列于此处。版权异议或撤稿请求:见 版权与撤稿,或致函 [email protected]。