GPT-6.2 Astra被批难用:开发者为何集体吐槽?
出品|虎嗅科技组作者|黄天媛编辑|苗正卿头图|视觉中国今日凌晨,灰测了半个月的GPT-6.2终于正式发布。这次OpenAI带来的是GPT-6.2 Astra和Sol,一个旗舰,一个日常主力。顶着Anthropic、Google压力端上桌的新模型,刚一发布,就在X上被骂成了筛子,超多人批评6.2干活不好用。开发者Theo
出品|虎嗅科技组
头图|视觉中国
今日凌晨,
这一轮OpenAI拿出的模型是
GPT-6.2 Astra和Sol,前者是旗舰,后者是日常主力。
新模型顶着
Anthropic、Google的压力端上桌,发布没多久,X上就骂声一片,不少人吐槽6.2干活不好用。
开发者Theo还专门写了长文,说明自己为什么讨厌GPT-6.2 Astra。他的观点大致是这几条:
可读性差。Astra跟人解释问题时说得过于复杂,一大段字,常常让人看不懂,里面夹着不少防御性文案和莫名的口语表达。
长任务能力不行。跑了半天,既不知道有没有跑完,也不知道有没有成果。
碰到问题它不会自己解决,反倒把问题抛回来。
过了一段时间,也有人接着测了6.2的其他功能。按官方的说法,PPT确实做得不错,审美有提高,3D效果也进步不少;
一句话说,这是个神一会儿、鬼一会儿的模型。
看看跑分
先把这一轮6.2更新的官方说法简单捋一遍。
办公能力更强。按官方说法,它在文档、表格这类日常办公任务上表现更好。
官方表示,Astra 在代码和设计场景上同样有进步:生成的代码条理更清楚,产出的网页外观和易用性都更好。官方还演示了依照零件图完成 3D 建模的效果。我实际用下来,它在审美上确实比前代强,添了不少小巧思,不过跟 Claude 相比仍有差距。
科研是Astra的卖点之一。它在科研评测中刷新了成绩,OpenAI称它是目前最适合科学家的模型。
旗舰降价,日常款不变。相比上一代GPT-6 Astra,6.2 Astra的API输入、输出单价都降了20%,缓存输入单价降了60%。Sol延续上一代定价。
单任务开销也降了。官方引用的一项多步骤专业任务评测显示,Astra 跑一个任务的成本不到上一代的三分之一。OpenAI 还提到,使用 Sol 时,同一档付费套餐的额度可以跑完更多任务。
跑分再展开看看。
在第三方机构公布的评测中,Astra的成绩有升有降。
专业工作方面,官方称,在考察多步骤任务的评测里,Astra表现领先。
在覆盖咨询、金融和设计的内部评测中,Astra同样拿到不错的分数。
3D是另一项长板。在相关评测里,Astra的3D能力明显强于前代。
编程则没有全面跟上。同一机构的编程智能体指数中,Astra仍是53分,与前代持平;Sol降到49分,比6.1 Sol低3分。
看看实测
榜单有进步,再来看看实测。
如官方所说,他们做的PPT确实不错,自己调研、找图、排版,比较适合上班族。但博主Andrew McGehee测试下来后,Sol的低推理档反而优于Ultra。
网页操作(
3D动效这一块倒是有进展,镜头怎么运动、怎么衔接,能看出有镜头语言的表达。可同一轮测试下来,穿模、人物比例失衡、机械零件对不齐这些毛病照样在。
编程方面的抱怨,集中在6.2持续性不行。开发者说,长任务里它会抛出用户很难回答的实现细节问题,然后就卡在那儿等回复;解释还不好懂,得再找别的模型来帮忙总结。另外,Astra在真实编程任务中会过早停下,很不智能。
说到底,GPT-6.2就是个手动挡模型。你说多少话,它干多少事。想偷懒,或者还没想清楚自己到底要怎么操作,6.2就会敷衍你。
所以能的话,可以试试让Claude做前端、GPT做后端,搁在同一个工作区里,不用自己手动传话,产出结果应该会好不少。
OpenAI现在的产品适人性还是偏一般。毕竟人最稀缺的就是注意力,活干到一半给你撂挑子,换谁家牛都受不了。
稿件由作者授权发布,其中观点只反映作者本人,虎嗅不为其背书。若对内容有异议或需要投诉,可发邮件至 tougao@huxiu.com。