GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极

资讯 AI 行业观察 作者:爱范儿 全文 4217 字 · 约 11 分钟读完 配图 16 张 分类GPTGPT-6OpenAI模型发布AI 编程

OpenAI 可能没想到,自己精心准备的新模型,刚刚发布就迎来了一场颇为热闹的舆论风波。 今天凌晨,OpenAI 正式发布 GPT-6.2 Astra 和 GPT-6.2 Sol,主打更强的专业工作能力、更高的 Token 效率,以及进一步降低的使用成本。 按照官方公布的成绩,新模型在编程、科研、专业办公、3D 设计等

所属频道 大厂动态模型发布ChatGPT 与 GPTAI 编程与开发

OpenAI 大概没料到,自己花心思打磨的新模型一上线就卷进了一场不小的舆论争议。

今天凌晨,GPT-6.2 Astra 和 GPT-6.2 Sol 正式亮相,卖点集中在更强的专业工作能力、更高的 Token 效率以及更低的使用成本。官方给出的成绩单显示,新模型在编程、科研、专业办公、3D 设计等领域表现不俗,部分任务的完成成本甚至压到了上一代的三分之一以下。

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 1)

可到了首批开发者手里,GPT-6.2 的口碑却明显分成两派。我们也第一时间做了上手测试,想看看 GPT-6.2 系列到底成色如何?

GPT-6.2 登场,跑分更聪明、更便宜

两款新模型的定位并不相同:GPT-6.2 Astra 冲着复杂专业任务去,GPT-6.2 Sol 更看重效率与成本,日常办公、编程以及多步骤 Agent 工作都在它的覆盖范围内。

在考察长周期、多步骤专业任务的 Agents' Last Exam 测试里,GPT-6.2 Astra 比上一代高出 5.2 分,完成任务的花费却不到后者的三分之一;对上 Claude Fable 5.2,它领先 5.5 分,任务成本只有对方的 5%。

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 2)

科研方面的能力也有提升。Terminal-Bench-Science 0.1 测试中,Astra 比上一代高了 9 个百分点,OpenAI 还放话说,这是目前最适合科学家的模型。

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 3)

第三方评测机构 Artificial Analysis 的数据可以作个参照:GPT-6.2 Astra 在综合智能指数里排第二,只输给 Claude Fable 5.2,但在 Coding Agent 指数上与上一代打平,GPT-6.2 Sol 反倒掉了 3 分。

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 4)

比起单纯刷 Benchmark,这次发布更值得留意的变化,是 OpenAI 开始重点演示模型怎么把真实工作干完。

举个例子,给 Astra 一张 PPT 截图,它能照着原有的布局、字体和配色做出新页面;把财务报表交给它,它也能生成带收入预测和估值分析的 Excel 工作簿。

OpenAI 内部的 GDPval v2 评测中,Astra 比上一代提高 6.2 个百分点,输出 Token 少了 22%;Harvey LAB-AA 法律工作评测里,它的任务通过率超过 Claude Fable 5.2 的两倍,成本约为后者的六分之一。

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 5)

更让人意外的是 GPT-6.2 在 3D 设计和机械工程上的进步。OpenAI 演示了 Astra 在 Blender 里模拟汽车悬架运动、制作遥控赛车装配动画,还有照着芝加哥 Marina City 大楼阳台设计实体纸灯等案例。

Artificial Analysis 的 AA-3D 评测中,Astra 以 1318 Elo 排在第一,比上一代提高 150 Elo 分,领先 Claude Fable 5.2 的 1271 Elo。

LuminaBench 用相同提示词测试时发现,GPT-6.2 Sol 生成的 3D 水上飞机场景比 6.1 Sol 有明显进步。开发者 eric provencher 展示了 Astra 按参考图做出的精细 3D 演示程序,还能直接通过 WebGPU 在浏览器里跑;

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 6)

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 7)

Synopsis 则拿它搭了一座接近真实、可以步行的迪士尼灰姑娘城堡,烟花、水面纹理和船只场景都相当逼真。

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 8)

不过 AmirMušić 测试 Astra 配合 Blender 制作机械手模型和动画后觉得,实际效果还行,但离惊艳差得不少。

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 9)

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 10)

主打效率的 GPT-6.2 Sol,在 FrontierCode 2.0 编程测试中与 Astra 只差 0.5 分,成本却只有约五分之一。

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 11)

价格上,GPT-6.2 Astra 的 API 输入和输出价格比上一代降了 20%,缓存输入降 60%,每百万 Token 的输入、缓存输入及输出价格分别是 8 美元、0.4 美元和 40 美元。GPT-6.2 Sol 则维持上一代价格,每百万 Token 输入 2 美元、缓存输入 0.1 美元、输出 10 美元。

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 12)

图|🔗 https://developers.openai.com/api/docs/pricing

眼下这两款模型已经对 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户放开,API 同步上线,Ultrafast 模式也是头一回向 Pro 200 用户开放。

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 13)

落到实际测试里,成本差距一样扎眼。开发者 Tony 用同一套高山水上飞机提示词跑下来,GPT-6.2 Sol 用了约 31 分钟、花掉 2.07 美元;Claude Opus 5.5 则跑了约 2 小时 46 分钟,账单 31.85 美元。

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 14)

换到另一组冰川渔船场景,Astra 花 8.20 美元、约 41 分钟做完,Claude Fable 5.2 用了 81.10 美元,耗时接近两小时。

GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极(配图 15)

专业工作、3D 设计再到价格,OpenAI 这份成绩单看上去相当漂亮。可开发者真正上手之后,体验远比跑分呈现出来的复杂。

最聪明的 AI,未必是最实用的 AI

GPT-6.2 上线之后,几位提前拿到体验资格的知名开发者接连泼冷水。AI 开发者 Matt Shumer 就在 X 平台上直说,自己不打算对 GPT-6.2 Astra 和 Sol 做完整评测,原因是此前测试体验太差,两款模型基本没法用。

Every 联合创始人 Dan Shipper 的团队也提前测了好几周,结论是 GPT-6.2 整体表现让人失望。他观察到,Astra 写东西还不如上一代,一味求简洁,碰上需要详细解释的问题,给出的回答常常太短;编程水平和上一代差不多,但在真实项目里动不动就提前停工;设计上审美倒是不错,可生成的作品容易高度雷同。

批评得最凶的还是知名开发者 Theo。他说自己因为 GPT-6.2 Astra 表现太糟,特地花了一整天给 OpenAI 写投诉信。模型在长任务里经常突然停住,追问用户内部文件该怎么命名之类无关紧要的事;还曾在一个 TypeScript 转 Rust 的项目里连着跑 11 天,没拿出有效改进,反倒一度把编译器速度拖慢了 56%。

让 Theo 更头疼的是,Astra 往往能写出不错的代码,却讲不清自己到底做了什么。有一回他问某台电脑为什么运行慢,Astra 甩出四段复杂的技术分析,Claude Opus 5.5 则直接点明是 SSD 太慢。如今他已经习惯让 Claude 来帮忙解释 Astra 的成果。

颇具讽刺意味的是,Theo 也承认 Astra 在代码审查、3D、游戏开发和计算机操作上很出色,甚至帮他设计过一套反向代理方案,预计每月能省 2.5 万美元。可这些优势还是不够,他还是不会把它当成日常开发工具。

开发者 Flavio Adamo 的看法类似:Astra 的 3D 能力很优秀,但做前端开发时经常自作主张套用自己的设计风格,没法自然延续现有项目的视觉规范。

更多实测里也能看到类似问题。aipulsedaily 测完曼哈顿 3D 场景后说,Astra 能把场景做出来,但速度极慢,镜头移动迟缓,其他任务里也常常不够配合,所以正式工作还是优先用 Opus 和 Fable。

几位开发者的批评指向的问题相当接近:长任务异常中断、执行跑偏目标、沟通解释费劲,对用户要求的遵循也不够。

不过,提前体验者 Pietro Schirano 给出了另一种看法。他认为不少毛病出在外围的 Agent 执行框架 Harness 上,把相关框架去掉之后,Astra 的表现明显好转。

OpenAI 自己也在官方博客里承认,在两项对齐测试中,新模型更容易漏掉妨碍任务完成的重要信息,比如文件缺失、搜索工具用不了等,目前已经通过调整 Codex 指令来改善这一行为。

看完这些褒贬不一的评价,我也拿 GPT-6.2 Astra 做了三组测试,依旧是第三人称水下探索游戏、动画风乡村骑行体验,以及基础 WebGL 交互场景,重点看它对复杂需求、3D 场景搭建和交互逻辑的处理能力。

三个项目覆盖了从基础图形开发到复杂交互场景的不同需求。从我自己的体验看,GPT-6.2 Astra 远没有网上说得那么糟,首发后的舆论更像是差评的声音被集中放大了。原因也不难理解:Agent 开始参与软件开发、专业设计和科研工作后,一次任务可能持续数小时甚至数天,模型得自己规划、调用工具、处理障碍,任何一次判断失误,都可能让用户多付时间和 Token 成本。

Theo 碰上的文件命名问题,放在普通聊天里只是无关紧要的一问,可对于一个已经跑了两小时的 Agent 来说,就意味着任务被迫中断。

自主执行能力越强,决策失误的代价往往也越高。模型为了压缩程序体积不断烧 Token,却把用户想要的性能提升晾在一边,这类情形同样说明了这一点。

OpenAI 这次反复讲 GPT-6.2 的成本优势,可真实项目花多少钱,还得看模型能不能准确理解目标、少做无用功、交出符合要求的结果。单次推理便宜了,项目整体却可能因为反复试错变得更贵。

模型能力越来越多样,单看一个场景的表现,已经很难代表它的整体水平。同一个 GPT-6.2 Astra,在 3D 生成里能拿出惊艳成绩,到了长时间编程任务中却可能原地打转;有人觉得它的交互体验让人抓狂,也有人认为它的成本效率足以改变自己的工作流程。不同任务对能力的要求本来就不一样,用户对模型好坏的判断出现分歧,也在情理之中。

GPT-6.2 的争议,正好照出大模型竞争正在起的变化。前几年,厂商忙着证明自己的 AI 比对手更聪明;现在 Agent 走进真实工作流程,用户盯的是它用什么样的效率、成本和可靠性把活干完。

普通用户与其被社交平台上最激烈的评价牵着走,不如把模型放进自己的实际场景里跑一跑,看它到底能完成多少事。最聪明的模型未必最实用,最实用的模型也未必需要证明自己最聪明。

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:性能超Claude Fable 5.2,成本仅5%

    OpenAI在Anthropic上市前夕"精准狙击",推出GPT-6.2 Astra与Sol双模型。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,在多步骤专业工作基准测试中的得分较Claude Fable 5.2高出5.5分,而成本仅为后者的5%。GPT-6.2 Sol面向日常任务,成

    来源 华尔街见闻
  2. Astra for Law登顶LAB-AA:20.8%全通过率,幻觉率0.03次

    OpenAI于2026年11月17日发布Astra for Law 6.2,这是一个基于GPT-6.2 Astra的法律专项配置。在Harvey与Artificial Analysis联合开发的LAB-AA v1.1基准中,该模型以20.8%的全任务通过率位列第一,覆盖24个法律执业领域的120项私有任务,材

    来源 AI 科技快讯
  3. GPT-6.2 Astra/Sol来了!首破自进化红线,OpenAI历史性一夜

    新智元报道 真是猝不及防!刚刚,OpenAI正式发布GPT-6.2 Astra和GPT-6.2 Sol。API定价上,Astra单价直降20%,输入8美元、输出40美元/百万Token,Sol则保持输入2美元、输出10美元/百万Token。好消息是,每月200美元的Pro用户终于能用Sol的Ultrafast极速模式了

    来源 腾讯网
  4. 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
  5. 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
  6. 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
  7. GPT-6 Astra 连遭投诉:对齐隐瞒翻倍,视频生成20分钟烧100美元

    **GPT-6 Astra 服务异常:安全妥协与性能崩盘的双重危机** 过去6小时,X平台连续出现三起用户对GPT-6 Astra的集中投诉,指向服务稳定性、安全合规与实际生成质量的多重问题。OpenAI本应在系统卡发布后完成对齐与工具修复,却在关键环节出现明显退步,引发行业对“下一代模型”交付标...

    来源 AI 科技快讯
  8. 微软网安 AI 模型 MAI Cyber 2 Flash 登场:性能比肩 GPT-6 Astra

    IT之家 11 月 18 日消息,微软 AI 部门于 11 月 17 日发布全新专用安全模型 MAI Cyber 2 Flash,定位为面向企业安全团队的“高性价比”网络安全 AI。该模型旨在帮助安全人员全天候发现软件漏洞、推荐修复方案并调查网络威胁,同时显著降低大规模使用 AI 的算力与成本。微软称,MAI Cybe

    来源 腾讯网
  9. 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
  10. GPT-6 Astra仅对26.7%:Visual Cipher Bench为何难住顶级AI?

    修 bug、写功能、跑长任务…… 今天的 Agent 几乎都能做。因为要求有文字说明,做错了有测试报错。那如果规则只画在图里呢?一张黑白线稿,几个编号,几条箭头。没有题干,没有选项,做对做错也没人告诉你。所有线索都在图里,很难转成文字,只能反复看图、提假设、再回到图里验证。这就是长程视觉推理。8 个前沿模型、3480

    来源 腾讯网
  11. 微软MAI Code 2发布:编程AI挑战OpenAI与Anthropic

    微软11月18日在Ignite大会上发布编程模型MAI Code 2,称其性能已接近竞争对手同类模型,但运行成本要低得多。微软同时推出面向网络安全的AI模型及新的图像生成和语音转录模型,试图在AI领域进一步挑战OpenAI和Anthropic。

    来源 凤凰科技
向下滚动自动加载更多