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
七位法国游客在杭州点了七块东坡肉,店家端肉上桌那一刻,众人顿时脸色铁青

七位法国游客在杭州点了七块东坡肉,店家端肉上桌那一刻,众人顿时脸色铁青

麦子情感故事
2026-11-17 19:22:08
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
突发!大反转!黄仁勋,传来新消息!

突发!大反转!黄仁勋,传来新消息!

财经要参
2026-11-18 07:30:05
大反转!英伟达回应“黄仁勋重返”

大反转!英伟达回应“黄仁勋重返”

广告创意
2026-11-17 16:20:37
“结婚22年两儿子均非亲生”,女方独家回应:我没出轨

“结婚22年两儿子均非亲生”,女方独家回应:我没出轨

中国新闻周刊
2026-11-17 20:47:24
前翻译揭秘杨瀚森3分钟5犯:场馆太吵没听清指令 本该卡尔森去犯规

前翻译揭秘杨瀚森3分钟5犯:场馆太吵没听清指令 本该卡尔森去犯规

罗说NBA
2026-11-18 09:27:39
中俄美元首首次三方"面谈" 深圳迎来历史性会晤

中俄美元首首次三方"面谈" 深圳迎来历史性会晤

看看新闻Knews
2026-11-17 23:12:04
考研失利为解压,在盒马400多次申请“仅退款” 薅羊毛被刑拘,大风新闻对话涉案女子

考研失利为解压,在盒马400多次申请“仅退款” 薅羊毛被刑拘,大风新闻对话涉案女子

大风新闻
2026-11-17 22:21:03
东风-61列装,引发岛内巨震

东风-61列装,引发岛内巨震

极目新闻
2026-11-17 15:57:30
下一个萌神?库里8岁儿子卡农小学比赛表现:5中5砍下10分

下一个萌神?库里8岁儿子卡农小学比赛表现:5中5砍下10分

罗说NBA
2026-11-18 07:39:17
大四女生凌晨外出失联近两年未归 母亲曾住酒店寻人4个多月无果丨红星寻人

大四女生凌晨外出失联近两年未归 母亲曾住酒店寻人4个多月无果丨红星寻人

红星新闻
2026-11-17 20:47:18
甘肃一小县城因“慢生活”走红:只有5辆出租车,视频点赞数超过当地城镇人口

甘肃一小县城因“慢生活”走红:只有5辆出租车,视频点赞数超过当地城镇人口

上游新闻
2026-11-17 14:44:05
黄仁勋与黄乐更多照片曝光,老黄没被电到我是不信的

黄仁勋与黄乐更多照片曝光,老黄没被电到我是不信的

杭城村叔
2026-11-16 16:21:12
湘雅二院“虾滑论文”火了:湖南写成人类,一厘米刻12毫米,还拿了五项基金!

湘雅二院“虾滑论文”火了:湖南写成人类,一厘米刻12毫米,还拿了五项基金!

迷世书童
2026-11-18 00:05:12
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
2-1夺冠后,U19国足主帅久尔杰维奇低调总结,而韩主帅却很沉重!

2-1夺冠后,U19国足主帅久尔杰维奇低调总结,而韩主帅却很沉重!

田先生篮球
2026-11-18 06:22:39
特朗普预计今日访问深圳:期待我的总统专机着陆深圳,我是中方的客人,这会是一件美妙的事;其将成为首位踏足深圳的在任美国总统

特朗普预计今日访问深圳:期待我的总统专机着陆深圳,我是中方的客人,这会是一件美妙的事;其将成为首位踏足深圳的在任美国总统

极目新闻
2026-11-18 10:23:17
美国总统第一次来深圳,迎接特朗普的不是几句漂亮口号

美国总统第一次来深圳,迎接特朗普的不是几句漂亮口号

迷彩人生
2026-11-17 22:06:48
外媒:深圳何以成为“奇迹之城”?

外媒:深圳何以成为“奇迹之城”?

中国青年报
2026-11-17 12:48:18
老一辈眼光就是毒辣!黄仁勋4天出局,我爸说:欧美怎么可能把AI交给一个华人?黄仁勋的倒台,从一开始就不意外

老一辈眼光就是毒辣!黄仁勋4天出局,我爸说:欧美怎么可能把AI交给一个华人?黄仁勋的倒台,从一开始就不意外

秋风妃
2026-11-17 22:55:03
2026-11-18 11:20:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16709文章数 67239关注度
往期回顾 全部

科技要闻

OPPO Reno17:手机背后竟然藏了只“喵”?

头条要闻

7岁男童做扁桃体手术后四肢瘫痪 手术录像无法读取

头条要闻

7岁男童做扁桃体手术后四肢瘫痪 手术录像无法读取

体育要闻

东契奇心仪之人 三年后拿着底薪站到他身旁

娱乐要闻

认亲被嘲讽后郭德纲委托律师发声明

财经要闻

回归英伟达,黄仁勋要先“干掉董事会”

汽车要闻

奕境X9纯电版信息曝光 将于11月27日广州车展上市

态度原创

艺术
旅游
家居
手机
军事航空

艺术要闻

国际名家镜头里的绝美人像,越看越惊艳,第几张美到你?

旅游要闻

赏秋“小长假”撬动亲子游大需求

家居要闻

2026建博会(广州) 公装联探展交流活动

手机要闻

雷军亲手曝光小米18?涂黑 Deco 重磅回归,米粉:这才是熟悉的味道

军事要闻

美乌陷入外交僵局 俄乌互攻势头不减

无障碍浏览 进入关怀版