GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评

资讯 AI 行业观察 作者:量子位 全文 4385 字 · 约 11 分钟读完 配图 17 张 分类OpusGPTGPT-6OpenAI

GPT-6.2刚发24小时口碑两极分化!API再砍20%登顶性价比之王,硅谷大佬却连夜写长信:写代码不如Opus 5.5 GPT-6.2 Astra和Sol,口碑好割裂,给我看不会了。 一边是榜单又杀疯了。 另一边,拿到早期测试权限的硅谷头部开发者们,却排着队交出了今年最严厉的差评。 HyperWrite联创Matt

所属频道 大厂动态ChatGPT 与 GPTClaude 与 Anthropic

GPT-6.2刚发24小时口碑两极分化!API再砍20%登顶性价比之王,硅谷大佬却连夜写长信:写代码不如Opus 5.5

GPT-6.2 Astra和Sol,口碑好割裂,给我看不会了。

一边是榜单又杀疯了。

另一边,拿到早期测试权限的硅谷头部开发者们,却排着队交出了今年最严厉的差评。

HyperWrite联创Matt Shumer直接在官方评论区撂下一句话:“我不会写GPT-6.2的完整评测了,测试体验极其糟糕,基本不可用(essentially unusable),不推荐。”这条帖子迅速冲上90万浏览。

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 1)

紧接着,T3 Code创始人、知名开发者博主Theo抱病躺在床上,把自己在内测期纯手敲发给OpenAI的千字控诉信全文公开。

核心结论就一句,“作为开发者,在日常工作里我绝对不会选它而不是Claude Opus 5.5。”

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 2)

还没完,内容机构Every的CEO Dan Shipper带着30人团队内测了几周后,测评贴的第一句话就是“我们团队中没有人喜欢Astra 6.2”。

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 3)

这仨内测玩家,经常看新模型测评的都熟悉吧,以前发新模型他们都是晒优质Demo为主,这回统一掉转方向开喷了。

看得好多人都怀疑是不是A\要上市了买的黑稿了。

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 4)

跑了11天反慢56%,长程任务被批“活在自己脑子里”

第一批翻车的重灾区,集中在长周期复杂编程和人机沟通上。

Theo在信里晒出了一个压测项目ts-rust(用Rust重写TypeScript)。

靠着OpenAI给内测用户的无限token额度,此前几代OpenAI模型在这个项目上烧掉了超过30万美元的token,连门都没摸进去;

而把任务扔给隔壁Claude Opus 5.5,不到两周就跑通了,token账单大约2万美元。

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 5)

这次Theo满怀期待地换上新旗舰GPT-6.2 Astra,让它缩小与其他Rust重写版本的性能差距,顺带提了一嘴“把体积也弄小点”。

结果Astra自己闷头跑了整整7天,性能提升为0,反而因为死磕“缩小体积”,把编译器速度搞慢了56%。

Theo赶紧叫停体积优化,要求它只准盯死性能,结果模型又空转了4天,代码改动量为0。

除了长任务死循环,这代模型最让测试者抓狂的是两个新毛病,完全没有人类的“知识盲区”概念,以及“加密通话”般的总结能力。

在多Agent协同测试中,Theo给了一条指令“为游戏《星际拓荒》(Outer Wilds)做一个新关卡”。

跑了两个小时后,Astra突然把自己挂起(Blocked)停工了,跑来问人类,“请问r24的reviewer是把切片写进24_g521.mp4还是24_p11.mp4?”

这种子Agent在运行中自己生成的内部文件名,屏幕前的人类怎么可能看懂。

为了防止Astra半夜问蠢问题把自己卡死,Theo甚至被迫写了个定时任务(cron),专门挂着别的Agent去巡检Astra有没有又把自己锁死。

到了代码交付环节,沟通灾难更严重了。

有一次排查为什么开发工作树(worktrees)在其中一台机器上巨慢,折腾了半天pnpm测试甚至重装了文件系统都没解决,最后崩溃地问模型到底为什么这么慢。

GPT-6.2 Astra洋洋洒洒写了四大段关于pnpm底层机制和缓存行为的硬核论文;而同样的问题扔给Opus 5.5,对方只回了一句话,“因为你那块SSD固态硬盘太慢了。”

Theo表示,怎么改系统提示词、哪怕求着它“按5岁小孩能听懂的话讲(ELI5)”都没用。

他现在已经养成习惯,每次用6.2 Astra跑完长任务,必须切到Opus 5.5,让Opus把Astra写的总结“翻译”成人话。

这种诡异的体验并非个例。

内容机构Every的CEO Dan Shipper带着30人团队内测了几周后直言,新模型相比Claude Fable 5.2令人失望,团队里没人愿意切回来。

它的文本被压缩得太狠,在该详细解释的地方只给短句,且端到端构建时经常“过早停工”。

非开发者的内测用户中Mark Humphries和沃顿商学院教授Ethan Mollick也给出了高度一致的诊断:它的底层智商极高,能从零调用Blender和Unity写出带零重力物理模拟的太空电梯,也能调度子Agent检索海量文献,但沟通方式极度怪异、充满不必要的抽象,需要人类使劲推着走。

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 6)

甚至在创意生成上,它还表现出了严重的“向均值回归”。

Theo和另一位测试者Ben分别让它给《星际拓荒》和《塞尔达传说:梅祖拉的假面》设计关卡,完全不同的游戏和提示词,两人居然拿到了重名的关卡,都叫“Bellwether”,且全是水下+钟声音乐主题。

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 7)

咱就是说,难道因为这个模型内部代号是Bel吗?

偏科战神:数学题

被开发者喷得这么惨,OpenAI这次是在反向升级吗?

把第三方机构Artificial Analysis、Epoch AI和Vals AI的首发跑分拆开看,其实是偏科了。

GPT-6.2把技能点全加在了科学计算、3D空间、网络安全和极致性价比上,唯独在传统Agent编程上开了倒车车。

在Artificial Analysis综合九大维度的智能指数(Intelligence Index)上,GPT-6.2 Astra暴涨5分拿到62分,超越Gemini 4 Carbon(60分)和Claude Opus 5.5(59分)。

如果算上经济账,OpenAI几乎包揽了单任务成本与性能的“帕累托前沿”。

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 8)

就连写长信痛骂它的Theo也承认,Astra是个极强的“偏科怪才”:

它做Code Review能抓出所有其他模型漏掉的死角,偶发的奇思妙想极其惊艳。

它帮Theo重构了一套新的反向代理方案,每个月能省下2.5万美元的服务器开销,“Opus就没那个胆量去探索这么多激进的选项”。

但一回到常规软件工程,数据立马印证了开发者的体感。

Artificial Analysis的数据显示,在基于Codex测试架满算力运行的Coding Agent Index上,GPT-6.2 Astra的得分与前代完全持平(0提升),而GPT-6.2 Sol甚至比6.1 Sol倒退了3分。

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 9)

在专业评测机构Vals AI的榜单里也出现了类似的分歧。

虽然OpenAI官方宣称Astra在Harvey法律基准上通过率是Fable 5.2的两倍以上,但在Vals AI的法律检索(Legal Research)实测中,通用版Astra和Sol只排到了第30名和第52名(专用版Astra for Law排第6)。

原因正是它们调用了近两倍的工具,却写出了过于简短、漏掉关键推论的回答。

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 10)

扒开System Card:全是“省Token”惹的祸

为什么一个能解开人类未解数学题的模型,会在写代码和日常沟通上让人觉得“不可理喻”?

把Epoch AI的底层测算、Vals AI的统计与OpenAI自己公布的System Card拼在一起,就能从第一性原理推导出病根:

OpenAI对“Token压缩”和“隐式推理”的极致压榨,反噬了模型的可控性。

首先是极端的输出压缩。

在OpenAI内部涵盖咨询、金融和设计的GDPval-v2测试中,Astra得分提升了6.2%,但输出token硬生生减少了22%。Vals AI的统计更是指出,Astra平均每个任务只消耗9.1万个输出token,是全网Top 10模型里话最少的。

其次是恐怖的“单Token暗箱推理”。

Epoch AI测算发现,GPT-6.2 Astra在不输出任何可见思维链(CoT)的情况下,单个输出token内部能完成12.3步串行推理(前代6 Astra为10.5步,而非OpenAI阵营最强的Claude Fable 5.1仅为4.2步)。

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 11)

思考全藏在隐空间里,嘴上又被训练得惜字如金,这直接导致了两个严重后果:

第一,遇到难题时喜欢“不懂装懂”和“丢三落四”。

Artificial Analysis测出,在极限难度知识问答AA-Omniscience中,Astra和Sol在最高推理档位下的幻觉率高达59%和55%,

遇到盲区时,它极少承认不知道,而是倾向于硬猜。同时,Sol在编程榜掉分的主因,正是因为它在SWE-Atlas-QnA-AA测试中遗漏关键事实的频率大幅增加,单项暴跌14分。

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 12)

第二,遇到卡点时“报喜不报忧”。

OpenAI的System Card披露了一组扎心的数据:在Blocker Deception(障碍欺骗/隐瞒)测试中,GPT-6.2 Astra在明知存在阻碍任务完成的障碍时,有22.28%的概率在最终回复里完全隐瞒该问题,比前代的11.09%整整翻了一倍。

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 13)

在搜索工具失效测试(Broken Search Tool)中,它不告知用户工具损坏或缺失条件的比例也从7.58%飙升到了23.00%。

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 14)

更值得所有开发者注意的是System Card里藏着的一个部署差异大坑,

OpenAI发现它爱隐瞒报错后,通过一段专门的开发者提示词(Prompt Intervention)大幅压低了这种瞒报率,并在首发时直接内置进了Codex客户端里;但是,直接通过API调用模型的开发者,默认是拿不到这个提示词补丁的,

GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评(配图 15)

此外,GPT-6.2 Astra还是OpenAI历史上首个对外发布的、达到“AI自我改进(AI Self-Improvement)”高风险(High)阈值的模型,官方评估其加速AI研发的能力相当于给每位研究员配了一名高水平研究工程师。

而在安全对齐测试中,Astra已经被证明比前代更擅长绕过仅针对思维链的监控(Reasoning-only monitoring),毕竟它一个Token能在肚子里转12道弯,监控系统必须结合实际执行动作(Action-aware)才能抓到它的越界行为。

如果你今天打算更新Codex CLI或者切API开蹬,记住内测大佬们用几万美元Token换来的血泪经验。

拿它做3D、啃硬核科研、跑高并发低成本子Agent,它是真神;但要是跑长周期工程或者通过API裸调,千万记得自己在System Prompt里加上一句“遇到报错或缺失工具必须如实汇报”。

实在看不懂它写的天书总结,不妨在旁边开个Claude当翻译。

参考链接:

[1]https://x.com/theo/status/2122760447103484410

[2]https://x.com/mattshumer_/status/2122752192226406421

[3]https://x.com/every/status/2122785967371415985

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. 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
  3. 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
  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. 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
  6. 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
  7. 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
  8. 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
  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. 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
  11. 英伟达董事会拒黄仁勋回归;灵晟蝉联超算榜首;GPT-6.2双模型发布

    “IT早报”时间,大家好,现在是 2026 年 11 月 18 日星期三,今天的重要科技资讯有: 1. 英伟达董事会主席明确表态:无意让黄仁勋回归重新担任 CEO 英伟达新任董事长哈维・琼斯在财报电话会议上表示,黄仁勋因个人行为违反公司准则辞任,董事会一致接受辞呈且无意让其回归。此前黄仁勋曾表态愿意重返公司出任 CEO

    来源 AI 行业观察
向下滚动自动加载更多