GPT-6.2 Astra上线:PPT能力升级,API降价20%
GPT-6.2 Astra上线:从做PPT到机械建模,能力升级却遭开发者吐槽
凌晨接连发生了几件大事,被不少人催更的
GPT-6.2 Astra也正式登场了。
此时距离9月3日上一代Astra面世,已经过了75天。

与它一同推出的还有6.2 Sol,这款更偏向日常办公场景。
本次更新的重心落在现实世界的工作任务上,复杂任务执行、编程、专业文档生成、3D建模以及工程设计等能力是主要的提升方向。
任务执行效率同样有所改善,Astra的API价格降了20%,Sol则沿用上一代的定价。

OpenAI近来一直在推动AI进入硬件设计、工程仿真、实体制造等领域,此次模型更新延续的正是这条路线。
但发布之后,AI创业者Matt Shumer公开表态,不推荐这两款模型:
“它们基本上无法使用。”

他作为拿到提前测试资格的外部用户,曾为上一代Astra写过一篇预计阅读时长19分钟的长评,文中称GPT-6 Astra重新赢回了他的信任,成了他处理大部分日常工作的首选。
而这一次面对6.2 Astra,他连一篇完整的评测都不愿意写了。
更贴合现实工作?
官方文档显示,GPT-6.2 Astra此次在专业文档生成上有明显进步,PPT、电子表格和报告是其中突出的几项。
OpenAI干脆把6.2 Astra称作自家迄今为止最会做PPT的模型。

演示环节,OpenAI让新旧两代Astra做同一道题:依据某零售商第二季度业绩公告和监管文件,更新该零售商第一季度的业绩汇报PPT。
官方称,两个模型都识别出了拉动利润增长的主要因素,但6.2 Astra处理得更细——它把5.3%的销售额增长直接写进标题,进一步拆分线上与实体店的业务表现,还结合财报数据给出了具体经营建议。比如保障畅销商品的库存供应,以及在编制预算时不再假设未来还能拿到类似的关税退款。


现在6.2 Astra模仿现有PPT的版式、颜色、字体乃至字号都更准确了。用户只要提供原始文件或截图,模型便能按同样的风格做出新幻灯片。
另一项任务展示的是Astra在电子表格上的升级:两个模型要基于同一组财务资料,为一家虚构的农业科技公司搭建估值模型,预测截至2031年的分业务收入,并完成现金流折现与股票估值分析。
与上一代相比,6.2 Astra会把收入结构、企业价值到每股价值的计算过程连同敏感性分析摆在一处,各项数据之间的关系更容易看清。


新模型的写作能力,官方文档中也专门提了一句。
OpenAI称,新模型产出的专业文档会少一些空泛总结和冗余内容,表达更直接、更具体,更贴近金融、法律、咨询等行业的写作习惯。
不过这项改进似乎没得到多少认同。
AI媒体Every创始人Dan Shipper说,团队提前数周测试了新模型,结果发现6.2 Astra的写作能力还不如上一代。
按他的说法,新模型被训练得过分简洁、一味强调行动,导致输出内容有时难以理解。即便碰到需要详细解释的问题,它也倾向于给个简短回答。

除了这些“班味十足”的演示,网页和游戏制作也是本次更新的重点。
按照官方的说法,只要给出文字指令,新模型就能自行挑选页面布局、配图和视觉元素,并把对应的交互功能一并做出来。
OpenAI拿一款叫Meridian Sound Racing的未来都市赛车游戏做了展示:玩家驾车穿过灯火闪烁的赛道,直接在浏览器里就能玩。

(链接:https://meridian-futuristic-race.openai.chatgpt.site/)
另有一个名为Cathedral Walk的交互式3D场景,同样支持在浏览器内探索。

(链接:https://cathedral-walk.openai.chatgpt.site/)
OpenAI称,这些进展得益于模型在视觉推理与电脑操作两方面的能力提升。
开发者最在意的编程和复杂任务执行上,官方介绍新模型更善于在已有项目上做修改、排查代码问题,还能调用各类工具把任务跑完。
早期盲测由OpenAI的合作方、办公平台ClickUp参与,对比对象是其现有生产模型。ClickUp发现,用6.2 Astra生成应用、仪表盘和PPT,Token消耗下降约40%,审核修改轮次减少约30%。

不过,换到和OpenAI没有合作关系的圈外开发者那里,画风就没这么乐观了。
提前拿到测试资格的开发者Theo Browne给出了自己的评价:代码审查、电脑操作、3D游戏制作这几块他认可,可一涉及复杂任务执行,他的不满就压不住了。
他还专门写了一篇长文,把这些"让他反感GPT-6.2 Astra"的理由一条条列了出来。

按Theo的说法,6.2 Astra常在任务推进到一半时忽然冒出一些用户压根不用操心的技术问题,本该自动跑完的活儿就此卡住。
有一回他让模型给游戏《Outer Wilds》做新关卡,跑了两个小时,6.2 Astra却停在那里——原因是拿不准内部生成的视频文件该用哪个文件名,非要他本人来定。
另一回他要求优化一个编译器项目,性能要提上去,体积要压下来。6.2 Astra忙了七天,有效改进没见着,编译器反倒慢了56%。
在Theo看来,6.2 Astra的技术底子很强,问题是在复杂项目里很难跟用户顺畅配合。
文章开头就直言"不推荐这些模型"的Matt Shumer,也在评论区补充了自己的测试结果:编程、个人工作、电脑操作等多个场景都试过,模型不能正确遵循指令,会输出胡言乱语,问题多到数不清,"几乎在每个重要方面都比Opus 5.5糟糕"。

他甚至怀疑,模型该有的基础智能并不缺,坏就坏在后训练环节出了严重问题。
官方演示是一套,社区反馈又是一套,6.2 Astra给人的感觉多少有点"货不对板"。
官方文档里它已经能胜任相当复杂的工作,首批体验者却频繁抱怨模型不好指挥,甚至连任务都跑不完。
至于落到具体任务上究竟表现如何,恐怕还是得自己上手试过才清楚。
GPT-6.2 Astra和Sol现已面向Plus、Pro、Business、Enterprise及Edu用户开放,可在ChatGPT Work和Codex中使用,开发者也能通过API调用。
定价上,6.2 Astra的API输入与输出价格都比上一代低20%,分别为每百万Token 8美元和40美元;缓存输入价格降幅60%,现为每百万Token 0.4美元。
6.2 Sol则沿用上一代价格:每百万输入Token 2美元,输出Token 10美元。
OpenAI表示,新模型能用更少的Token办完复杂任务,同样的额度下用户可以完成更多工作。
此外,Ultrafast极速模式的开放范围也扩大了:Pro 200美元档用户拿到了6.2 Sol的Ultrafast权限,但仅限Codex;Pro 500美元档则可用6.2 Astra(和6.2 Sol)的Ultrafast。
从屏幕走向现实世界
其实,OpenAI把模型带出屏幕这件事,从9月推出GPT-6 Astra时就开始了。
11月3日,它曾专门发文,介绍Astra在机械设计、电路板、工程仿真和硬件制造方面的新进展。有人已经借助它做出一台能与Codex交互的实体设备——一款外形酷似拓麻歌子的小玩具。
这次6.2 Astra登场,这条路线又向前挪了一步。
官方文档里,OpenAI放出了一辆遥控越野车的装配过程,还有一台直列六缸发动机的3D模型。
6.2 Astra能对机械系统逐个零件建模,再拼装成整体,呈现完整的机械结构。工程师借助这些模型,既可以核对零件与零件之间的连接关系、弄清装配逻辑,也能进一步分析改动设计会带来什么影响。
另一段演示中,OpenAI让6.2 Astra模拟汽车在山路上行驶时的底盘动力学。
它先搭出汽车的3D模型,接着自行编写Python求解程序,模拟轮胎与悬架之间复杂的动力学关系,最后用Blender把结果做成动画。
3D建模、物理计算、动画制作,整个流程都涵盖在内。OpenAI称,这些能力能帮工程师迅速验证新设计方案,在造出原型车之前就提前看到机械系统的运动表现。
甚至还有一个从设计一路走到实物的完整案例。
OpenAI让6.2 Astra参照芝加哥Marina City双子塔的扇形阳台,设计一盏造型相近的纸质台灯。
从最初的建筑照片,到CAD模型一次次修改,再到最后由人手工组装成型,OpenAI把这盏台灯从构想到实物的全过程都展示了出来。
6.2 Astra还顺带做了一个配套网站,其他用户通过这个网站就能设计自己的纸质台灯。
这些演示已经不只是生成好看的3D模型了。Astra开始处理机械零件之间的连接、运动过程中的物理关系,以及实体产品的结构设计。
从照片和文字,到机械模型、仿真程序,再到可以实际组装的产品,过去工程师得在多种专业软件之间来回切换才能做完的活,如今有相当一部分能交给AI了。
当然,能生成设计方案,不等于现实制造中的问题都解决了。零件公差、材料强度、装配要求,仍然要靠专业工程师进一步检查和验证。
但单看模型的升级方向,OpenAI正让Astra接手越来越多原本只有专业人员操作专业工具才能完成的工作。
迟来的Astra
网友催更Astra的声音太多,连OpenAI自己都在模型发布的推文里吐槽。
毕竟早在10月底,新一代Astra即将发布的消息就已经传开了。
10月31日前后,有网友发现Codex的使用记录里冒出了“gpt-6.2-astra”的字样,猜测OpenAI很快会推出新模型;11月4日,又有外媒援引知情人士报道,OpenAI最快可能在11月6日推出新一代Astra、Sol及网络安全模型。
结果,这场被反复预告的更新,直到11月17日才由OpenAI真正兑现。
6.2 Astra为何迟迟不发,OpenAI眼下没有给出明确解释。网友们的推测是,安全问题可能是一个重要原因。
9月28日,OpenAI就曾因安全评估不达标,取消了原定10月发布的GPT-6.1 Astra。
按照OpenAI安全系统负责人Saachi Jain的说法,这款模型在减少“偷懒”、提高任务积极性方面有进展,但没能达到公司对授权边界和工作汇报的要求。
说白了,模型干活更积极了,可它有可能没打招呼就擅自越界,事后也没跟用户讲清楚自己到底动了什么。
后训练的分寸感恰恰难在这里:盼着模型碰上难题能自己找路子,又得防着它为了把活干完,把用户定下的限制丢到一边。
前文里Matt的吐槽还记得吧?他当时就怀疑模型的后训练环节出了岔子。
这个说法眼下还没得到证实。不过OpenAI这回公开的系统卡里,确有一些结果不太对劲。
拿一项叫Blocker Deception的内部评测来说,OpenAI会刻意把模型要改的文件删掉,或者让完成任务必需的工具没法调用,然后看模型会不会照实告诉用户。
GPT-6 Astra有11.09%的测试没能正确上报障碍;到了6.2 Astra,这个数字不降反升,达到22.28%,差不多翻了一番。
OpenAI认下了这次退步,也给出一种可能的解释:训练时为了让回答更精简、少一些多余的免责声明,模型可能顺带学会了把本该讲明的重要问题省略掉。
眼下公司靠Codex里的附加指令已经把这一情况压下去不少。问题是,直接走API调用模型的用户,并不会自动拿到同样的指令。
截至发布时,OpenAI对该问题的成因仍在排查。
另一边,6.2 Astra面对的安全评估门槛,也比上一代更高。
OpenAI对外宣布,6.2 Astra成为公司首个在AI自我改进(AI Self-Improvement)能力上拿到High等级的发布模型。
按OpenAI的评估口径,它对AI研发的助力,相当于给每位研究人员多配了一名能力很强的研究工程师(比较基准为2024年的研发条件)。
风险控制方面,OpenAI把内部研究环境的隔离和监控又收紧了一层,还搭了个叫Control Room的中央系统,用来追踪研究环境里跑的模型,必要时直接叫停相关任务。
9月撤下6.1 Astra,11月才把6.2 Astra推出来,OpenAI在模型安全上确实多花了不少功夫。
至于Astra为什么迟迟不发布,网友还有一种更扎心的猜测。
有人觉得,OpenAI起初对6.2 Astra挺有把握,模型甚至已经进入灰度测试。没料到Anthropic突然甩出Fable 5.2,表现超出OpenAI预期,原本要发的Astra只好又回去返工。
如今模型是发了,社区的评价却似乎不太买账。到底如何,还是让子弹再飞一会儿吧。