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
国债利息也要征税?网传华泰证券测算:机构每年或增4590亿元税负

国债利息也要征税?网传华泰证券测算:机构每年或增4590亿元税负

爆角追踪
2026-11-18 11:01:03
新一轮制裁开启,A股失守3600点

新一轮制裁开启,A股失守3600点

睿知睿见
2026-11-18 07:23:02
刘德华辅导女儿功课也头疼,他表示:“最烦恼数学,算来算去结果都对不上”

刘德华辅导女儿功课也头疼,他表示:“最烦恼数学,算来算去结果都对不上”

韩小娱
2026-11-18 08:10:38
克里米亚议长:泽连斯基害怕返回乌克兰,因此大部分时间待在国外

克里米亚议长:泽连斯基害怕返回乌克兰,因此大部分时间待在国外

麓谷隐士
2026-11-18 00:40:04
忘恩负义到顶峰了!足坛名宿公开怒喷葡萄牙忘本:没有C罗你们什么都不是,如今却把功勋传奇当耻辱!没有那双脚,连决赛门朝哪开都不知道

忘恩负义到顶峰了!足坛名宿公开怒喷葡萄牙忘本:没有C罗你们什么都不是,如今却把功勋传奇当耻辱!没有那双脚,连决赛门朝哪开都不知道

锐评利物浦
2026-11-18 10:15:40
李女士的悲剧,痛惜,痛惜!

李女士的悲剧,痛惜,痛惜!

新动察
2026-11-18 10:01:19
深圳APEC领导人会议今日开幕,你必须知道的10件事

深圳APEC领导人会议今日开幕,你必须知道的10件事

刘润
2026-11-18 08:07:50
售卖“蒂法手办”被抓!原因竟是盗版做得比正版还好,完全分不清

售卖“蒂法手办”被抓!原因竟是盗版做得比正版还好,完全分不清

邻居的小蜘蛛
2026-11-17 16:27:34
高盛对2027年中国经济判断:中国房地产最坏时刻,可能已经过去了

高盛对2027年中国经济判断:中国房地产最坏时刻,可能已经过去了

城事堂
2026-11-17 09:03:52
英伟达临时CEO证实:H200正式退出对华销售

英伟达临时CEO证实:H200正式退出对华销售

快科技
2026-11-18 11:37:03
男性黄金体重公布,过瘦过胖都不好,170、175、180 厘米各参考

男性黄金体重公布,过瘦过胖都不好,170、175、180 厘米各参考

牛锅巴小钒
2026-11-18 13:05:17
宁波:高速堵满了集卡,夜市却空了一半

宁波:高速堵满了集卡,夜市却空了一半

茶狐看世界本尊
2026-11-18 13:25:44
姚笛分享近况,住大房子连凳子都是LV的,但并不开心焦虑到躯体化

姚笛分享近况,住大房子连凳子都是LV的,但并不开心焦虑到躯体化

八怪娱
2026-11-18 09:29:26
比2-2更扎心的,是巴林主帅桑切斯赛后的表态,简直是对国足的双重羞辱

比2-2更扎心的,是巴林主帅桑切斯赛后的表态,简直是对国足的双重羞辱

南海浪花
2026-11-18 01:30:46
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
这两天,网友们在围观一个叫玉芬的记者

这两天,网友们在围观一个叫玉芬的记者

清晖有墨
2026-11-17 12:40:13
大厂主动报案,副总裁被警方带走

大厂主动报案,副总裁被警方带走

中国新闻周刊
2026-11-17 23:06:06
全球化退潮,APEC如何寻找新定位?

全球化退潮,APEC如何寻找新定位?

凤凰WEEKLY
2026-11-18 14:59:22
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
老婆跟男邻居旅游七天,回来往我身边凑,我推开她说了一句话

老婆跟男邻居旅游七天,回来往我身边凑,我推开她说了一句话

雾岛夜话
2026-05-27 17:28:50
2026-11-18 15:48:49

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

房产
旅游
家居
亲子
公开课

房产要闻

雅居乐海南,又要卖地了!

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

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版
×