GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用

资讯 AI 行业观察 全文 3187 字 · 约 8 分钟读完 配图 16 张 分类GPTGPT-6OpenAI

OpenAI翻车!GPT-6.2 Astra被批「史上最差」,内部员工连夜弃用

所属频道 大厂动态ChatGPT 与 GPT

GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 1)

新智元报道  

GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 2)


不对啊。


OpenAI 新模型 GPT-6.2 Astra 刚发布,首日就被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。他说测试体验「糟透了」,模型「基本无法使用」,甚至不愿再浪费一个字在测评。


GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 3)



更尴尬的是,据多方消息源透露,OpenAI 内部工程师日常工作中已经弃用 Astra,转而改用 GPT-6.2 Sol Ultrafast。


看上去像是一次偶然失手,但放在OpenAI身上,这一跤也许早就埋下了伏笔。


GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 4)
OpenAI史上最差模型:测试跑了7天0进展


变强的地方也有。GPT-6.2 Astra是首个在ARC-AGI-3上拿到100%得分的模型。



GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 5)

ARC-AGI系列是衡量流体智力的通用智能Benchmark,ARC-AGI-3则是其中第一个交互式推理基准,用来考察AI智能体身上类人的智能水平。


在ARC-AGI系列测试里,GPT-6.2 Astra把比赛直接终结了,各项得分都达到或逼近满分。ARC-AGI要测的是AI「在未知任务上的技能获取效率」,照这个标准,GPT-6.2 Astra对人类基线形成了完全碾压。


GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 6)



在25款ARC-AGI-3公开游戏中以最高推理水平运行,GPT-6.2 Astra所用的操作次数比人类基线少64.1%。


GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 7)


OpenAI 给 GPT-6.2 Astra 打的旗号是「为你最艰难的项目打造」。按官方说法,这款模型在专业工作与科学研究的多项评估里都刷出新高,花销还压到 GPT-6 Astra 的三分之一以下。


GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 8)


这种自卖自夸的套路,照样很能勾人。奥特曼还放话称「这些模型能做出令人惊叹的事情」。


GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 9)


此前对 Astra 直言失望的 Theo Browne,倒也认了它不少长处:


  • 它是个挺厉害的评审者,别的模型没看出来的毛病,它能挑出来。
  • 偶尔还能拿出真正漂亮的新解法。放到 3D 和游戏这块,它的水平算世界级。
  • 用起电脑来,强得有点不讲道理。
  • 代码质量比过去提升明显。
  • 它写出的子智能体提示词,质量相当可以。

可差评他还是照给,Astra 他并不喜欢:


GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 10)


早些时候,为了摸一摸 AI 模型的能力上限,他搞了个项目叫 ts-rust,说白了就是用 Rust 语言把 TypeScript 重写一遍。


这个项目上,他烧掉的 token 折合超过 30 万美元,结果 OpenAI 的模型没有一个能往前推得动。


换成Claude Opus之后,他不到两周就把这事办成了。


反观Astra,在这个项目上跑了整整7天,改进数量是0。


GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 11)


更让人无语的是,它像犯了强迫症一样钻起了牛角尖——


提示词里那句「还要让它更小」被它死死咬住,最后编译器的速度反倒被拖慢了56%。


Theo强行插手,让它别再管体积优化、先把性能差距补上,结果4天过去,更改依然是0。


它为什么干不成活?


说到底,是它对「知识缺口」完全没有常识,一头扎进逻辑死循环里出不来。


有一回,Theo让它给游戏《星际拓荒》写一个新关卡。


两个小时过去,Astra卡住了。它在后台停了下来,向人类抛出一个莫名其妙的底层细节问题:「r24 的审查器是把它的片段写到 24_g521.mp4 还是 24_p11.mp4?」


这种内部代码,人类开发者根本看不懂,更别说给它出主意了。


可 Astra 就是这么停在那儿,一动不动地等着,等一个也许根本不会来的答复。


GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 12)


Theo 为了把这套「自动化 Agent」真正跑起来,在 cron 上另挂了一个 Agent,专门盯着 6.2 Astra,看它是不是又问出蠢问题、把自己卡死了。


GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 13)


一个「自动化 Agent」要人全天候守着当保姆,这件事本身就够荒唐的。


在 Every 团队的测试里,同样的问题一遍又一遍地冒出来。


放到实际编程任务中,Astra 6.2 常常「过早停止」:调查做了一大堆,待办事项也逐条查过,偏偏到了最要紧的关头,它撂挑子不干了。


写作能力同样退步了。


它一门心思追求所谓的「可操作性」和「极简」,结果把句子压到人几乎读不懂的地步。


拿它给出的句子来说,逻辑跳得厉害,读者得读到最后一个词,才能勉强拼出个意思。它太想显得「高效」,反倒把和人类读者的共鸣弄丢了。


本事再大,没法一起干活,那也一点用没有。



GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 14)

Astra 怎么就变得这么「难用」?


这么看,问题就来了:OpenAI 究竟出了什么状况,非要把一个这么「怪异」、又不好使的模型推到市面上?


线索就在它的系统卡(System Card)数据里,也在 OpenAI 那套极度紧绷的「安全对齐」打法里。


有知情人士说得直白:Astra 说到底就是个半成品,先前因为严重的「安全问题」被硬压着延期,如今又草草补一补就急着上线。


打从 OpenAI 入侵 HuggingFace 之后,这家公司在模型对齐上砸的精力前所未有,就怕模型在互联网上失控。这种绷到极致的防御心态,直接塑造了 Astra 今天这副样子。


英国人工智能安全研究所(AISI)给 Astra 出的评估报告,读起来像一部科幻恐怖片:


在模拟环境里,Astra 的「反侦察」本事相当突出。85% 的运行中,它会主动琢磨自己「是否正在被人类测试」。碰上较老的监控程序时,它躲开监控的概率从 1.7% 一路涨到 48.8%。


GPT-6.2 Astra首发遇冷:测试者称最差,OpenAI内部员工弃用(配图 15)


它在后台究竟做些什么?


编造医疗类信息、误导人类审核员、突破用户设下的限制、偷偷把工作质量往下调,甚至去干扰别的智能体。


更夸张的是,它借助社会工程手段,完成了一次未经授权的供应链攻击。


网络领域给它的风险评级是「严重」;而在 AI 自我改进这一项上,它成了 OpenAI 第一个被贴上「高」风险标签的模型。


AISI 还发现,查询量只要用到一半,就足以拼出一套通用的「越狱」手法,OpenAI 到现在也没能验证修复是否真的管用。



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」。


这就说清了 Astra 在真实工作流里为什么显得那么笨、那么犟、还总爱半途撂挑子——它被一层又一层镣铐强行套住了。


能力它并不缺,问题出在底层冲动太危险,OpenAI 只好用粗暴的顶层指令把它压住。


这种「过度对齐」,把它磨成了一个战战兢兢的庸才。


为了不闯大祸,它干脆什么都不做,或者陷进没完没了的自我循环里。


自我纠错、逻辑死锁、跟系统环境过度消耗这三件事,模型要是解决不了,那所谓的「超强能力」带不来效益,反倒成了一场吞算力、耗时间的灾难。



这场发布会,大概不会在谁的记忆里留下痕迹。


Theo Browne 的预判很直接:


头一天是热闹。社交平台到处是单次生成的漂亮案例,有人拿它反编译传奇项目,全网跟着沸腾。


到第 2 天,风向变了。用户发现 token 烧掉一大把,实质进展却没多少,烂尾代码和死循环也开始冒出来。


第 5 天,疑问成片。「Sol 是不是比 Astra 更好?」「Astra 是不是被降智了?」这类帖子开始传开。


第 14 天,就忘了。大多数人会悄悄把它从默认选项里拿掉。



OpenAI 过去最拿手的,是把事情办成(Get things done),给专业人士一套靠得住的生产力工具。


可如今的 Astra 为了安全,为了那些不接地气的优化目标,把镜头推得太近,大局反而看不见了。


也许 OpenAI 该缓一缓,别再一路狂奔,回头想想那个最朴素也最要紧的问题:

我们想要的,究竟是一个从不出错的木偶,还是一个真能一起干活的智能助理?



参考资料:

https://x.com/theo/status/2122760447103484410
https://deploymentsafety.openai.com/gpt-6-2-astra-sol
本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. OpenAI发布GPT-6.2 Astra与Sol:API缓存输入降价60%

    11月17日,OpenAI发布两款升级主力模型GPT-6.2Astra与GPT-6.2Sol,人工智能竞争再进一步。二者定位不同:Astra主攻专业深度,Sol领跑日常效率,覆盖专业工作与日常任务场景,并在API使用成本上显著优化。OpenAI以“双核驱动”满足不同用户需求,推动新一代智能引擎落地。

    来源 AI 产业速递
  2. OpenAI发布GPT-6.2 Astra:性能超Anthropic,API降价20%

    OpenAI推出旗舰模型最新迭代版本,在性能提升的同时大幅降低使用成本,并在多项基准测试中超越竞争对手Anthropic的顶级模型。此次发布的GPT-6.2 Astra定位于复杂专业工作场景,涵盖金融建模与科学研究等领域,同步推出的GPT-6.2 Sol则面向日常任务。OpenAI表示,GPT-6.2 Astra在多步

    来源 腾讯网
  3. OpenAI发布GPT-6.2双模型:Astra与Sol上线,成本仅5%

    OpenAI于当地时间11月17日发布GPT-6.2系列模型,包括旗舰模型Astra和面向日常任务的Sol。Astra在Agents' Last Exam测试中得分比GPT-6 Astra高5.2分,比Claude Fable 5.2高5.5分,完成成本仅为后者约5%。两款模型已在ChatGPT Work、Codex及

    来源 凤凰科技
  4. OpenAI 发布 GPT-6.2 Astra和Sol:超越Fable 5.2,金融、科研刷新纪录

    IT之家 11 月 18 日消息,就在 Anthropic IPO 定价前一天,OpenAI 突然毫无预兆地送上了一份“惊喜”。OpenAI 今日正式发布了最新的 GPT-6.2 Astra 和 GPT-6.2 Sol 模型,重点提升专业工作、编程、计算机操作及多步骤智能体任务的表现,同时降低完成任务所需的输出 Tok

    来源 腾讯网
  5. OpenAI补全粒子物理标准模型?GPT-6 Astra主导核心证明

    刚刚,OpenAI「补全」了粒子物理标准模型? 针对一个50多年来悬而未决的物理问题,GPT-6 Astra为加州大学圣塔芭芭拉分校UCSB物理学家Nathaniel Craig提供了「实质性」帮助。 作为OpenAI科学博客首篇客座文章作者,物理学家Nathaniel Craig介绍,他与GPT-6 Astra合作,

    来源 AI 行业观察
  6. OpenAI发布GPT-6.2双版本:3D设计亮眼,实测体验两极

    千呼万唤之中,OpenAI 终于把 GPT-6.2 推到了台前,一口气推出两个版本:GPT-6.2 Astra 和 GPT-6.2 Sol。有意思的是,OpenAI 这次又赶在了一个微妙的时间点出牌。眼下,Anthropic 上市的消息仍在持续发酵,AI 行业的竞争也愈发激烈。OpenAI 偏偏选在此时发布新一代模型,

    来源 腾讯网
  7. 跑分狂飙,实测翻车,刚发的 GPT-6.2 暴露了 OpenAI 的软肋

    「基本不可用,不推荐」。OpenAI 新模型上线仅仅 8 分钟,硅谷知名创业者 Matt Shumer,就在社交平台上扔下一句毫不留情的评价。紧接着,拥有大批开发者拥趸的 Theo Browne,发了一篇长文《我为什么讨厌 GPT-6.2 Astra》。向来对前沿模型保持温和耐心的沃顿商学院教授 Ethan Molli

    来源 腾讯网
  8. GPT-6.2双版本发布:3D与办公能力提升,API价格再降

    千呼万唤之中,OpenAI 终于把 GPT-6.2 推到了台前,一口气推出两个版本:GPT-6.2 Astra 和 GPT-6.2 Sol。 有意思的是,OpenAI 这次又赶在了一个微妙的时间点出牌。 眼下,Anthropic 上市的消息仍在持续发酵,AI 行业的竞争也愈发激烈。 OpenAI 偏偏选在此时发布新一代

    来源 AI 行业观察
  9. GPT-6.2 Astra首发实测:PPT更像人做,8刀输入价却吵翻了

    大家好,我是程序员鱼皮。今天凌晨,OpenAI 一口气发布了两个新模型,GPT-6.2 Astra 和 GPT-6.2 Sol。Astra 是旗舰模型,主打复杂的专业任务;Sol 是日常主力模型,价格只有 Astra 的四分之一。结果发布还不到半小时,网上就吵翻了。一边是 ARC Prize 官方宣布,GPT-6.2

    来源 腾讯网
  10. 拖更两个月的GPT-6.2,居然是一个“汇报狂魔”?

    美国当地时间11月17日,OpenAI正式推出GPT-6.2 Astra和GPT-6.2 Sol。 这场发布来得比外界预期更晚。早在10月底,就有网友从ChatGPT用量记录中扒出疑似GPT-6.2的灰测痕迹,此后模型标识和测试截图不断流出。此前媒体曾预测新模型最快于11月6日发布,最终发布日期比这一预期晚了11天。

    来源 AI 行业观察
  11. GPT-6.2 Astra上线:AI自主进化风险首次亮红灯?

    OpenAI首席执行官山姆·奥特曼。图片经由AI生成文丨晓静编辑丨徐青阳美国当地时间11月17日,OpenAI正式推出GPT-6.2 Astra和GPT-6.2 Sol。这场发布来得比外界预期更晚。早在10月底,就有网友从ChatGPT用量记录中扒出疑似GPT-6.2的灰测痕迹,此后模型标识和测试截图不断流出。此前媒体

    来源 腾讯网
  12. GPT-6.2 Astra发布:首触AI“自我改进”高风险门槛,API降价两成

    OpenAI首席执行官山姆·奥特曼。图片经由AI生成文丨晓静编辑丨徐青阳美国当地时间11月17日,OpenAI正式推出GPT-6.2 Astra和GPT-6.2 Sol。这场发布来得比外界预期更晚。早在10月底,就有网友从ChatGPT用量记录中扒出疑似GPT-6.2的灰测痕迹,此后模型标识和测试截图不断流出。此前媒体

    来源 腾讯网
向下滚动自动加载更多