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
38岁杜兰特喜迎2400三分里程碑:历史第10人 现役第7人

38岁杜兰特喜迎2400三分里程碑:历史第10人 现役第7人

醉卧浮生
2026-11-19 08:35:15
王思聪洛杉矶豪宅内烤全羊,双手插兜合影显霸气!网友:好惬意

王思聪洛杉矶豪宅内烤全羊,双手插兜合影显霸气!网友:好惬意

娱乐团长
2026-11-18 13:17:46
中国12个贵宾席坐满,菲方急坏了,马科斯欠1亿菲律宾人一个交代

中国12个贵宾席坐满,菲方急坏了,马科斯欠1亿菲律宾人一个交代

麓谷隐士
2026-11-19 00:05:04
湖南出现历史上最荒唐法官!判男方净身出户,然后跟拿到全部资产的女方结婚

湖南出现历史上最荒唐法官!判男方净身出户,然后跟拿到全部资产的女方结婚

爆角追踪
2025-11-23 11:25:00
为什么说以张维迎为代表的一批所谓新自由主义经济学家本质上是资本、富豪和权贵的代言人呢?

为什么说以张维迎为代表的一批所谓新自由主义经济学家本质上是资本、富豪和权贵的代言人呢?

回京历史梦
2026-11-18 10:06:16
英男不满被推销电话狂轰 将号码改成付费专线 每分钟爽赚7便士

英男不满被推销电话狂轰 将号码改成付费专线 每分钟爽赚7便士

环球趣闻分享
2026-11-18 14:57:47
北京女网红晒豪宅,“天宫一角”露出国宝级名画,账号已被禁止发布作品

北京女网红晒豪宅,“天宫一角”露出国宝级名画,账号已被禁止发布作品

娱乐E君
2026-11-17 17:34:36
中国国家主席夫妇举行欢迎宴会 大家都到了!

中国国家主席夫妇举行欢迎宴会 大家都到了!

看看新闻Knews
2026-11-18 22:29:23
参加完APEC晚宴的普京返回深圳前海下榻酒店,该酒店是知名网红地标,坐拥一线海景;此前特朗普车队也已抵达下榻酒店,市民在周边热情等候

参加完APEC晚宴的普京返回深圳前海下榻酒店,该酒店是知名网红地标,坐拥一线海景;此前特朗普车队也已抵达下榻酒店,市民在周边热情等候

极目新闻
2026-11-19 01:03:13
一首《慌啥子嘛》把我听吐了......

一首《慌啥子嘛》把我听吐了......

细雨中的呼喊
2026-11-17 18:21:32
2026年度中央安全生产考核巡查启动

2026年度中央安全生产考核巡查启动

齐鲁壹点
2026-11-18 19:21:10
普京:难怪您会选择这里作为APEC举办地,“俄罗斯也想模仿这种成就”

普京:难怪您会选择这里作为APEC举办地,“俄罗斯也想模仿这种成就”

极目新闻
2026-11-18 21:50:13
就在中国深圳!普京与特朗普见面握手并合影

就在中国深圳!普京与特朗普见面握手并合影

看看新闻Knews
2026-11-18 23:46:04
世界领先!新加坡全面拆除公路收费站,改用“卫星定位”隔空扣费

世界领先!新加坡全面拆除公路收费站,改用“卫星定位”隔空扣费

三言四拍
2026-11-18 18:40:16
重磅!英伟达突然对华停售H200芯片

重磅!英伟达突然对华停售H200芯片

大厂财经社
2026-11-18 23:43:23
真爱!曼联0-3不敌伯恩茅斯之后 波切蒂诺立马告知有解约条款

真爱!曼联0-3不敌伯恩茅斯之后 波切蒂诺立马告知有解约条款

雪狼侃体育
2026-11-18 21:16:54
一觉醒来,现货黄金触底反弹;一度失守3730美元/盎司,创14个月新低

一觉醒来,现货黄金触底反弹;一度失守3730美元/盎司,创14个月新低

环球网资讯
2026-11-19 08:37:40
太惨烈了!萍乡交警查酒驾时被杀,三人死亡

太惨烈了!萍乡交警查酒驾时被杀,三人死亡

江启
2026-11-19 05:58:48
为什么这么多领导人在深圳找到快乐?

为什么这么多领导人在深圳找到快乐?

新民周刊
2026-11-19 07:20:10
高市早苗抵达深圳,中方铺红毯,派三军仪仗队迎接

高市早苗抵达深圳,中方铺红毯,派三军仪仗队迎接

烽火观天下
2026-11-18 19:59:31
2026-11-19 10:16:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16713文章数 67239关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

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

艺术
房产
游戏
亲子
手机

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

房产要闻

6.6亿!海口卖地!

PC Gamer试玩GTA6百小时:双主角出色但任务重复

亲子要闻

宝宝气人但是聪明的4个行为

手机要闻

2026年最后一款超模旗舰!小米18标准版屏幕、性能、影像全面领跑

无障碍浏览 进入关怀版