GPT-6.2 Astra上线:PPT能力升级,API降价20%
新模型什么活都想干,但很难伺候。
(本文作者为 字母AI,钛媒体经授权发布)
今日凌晨接连发生了不少大事,被无数人“催更”的
GPT-6.2 Astra终于上线。此时距离9月3日上一代Astra发布,已经过去了75天。

与Astra一同推出的还有6.2 Sol,这款更适合日常工作。此次更新的重心落在现实世界的工作上,模型在复杂任务执行、编程、专业文档生成、3D建模以及工程设计等方面的能力都有提升。任务执行效率同样有所提高,价格方面,Astra的API下调了20%,Sol则延续上一代的定价。

OpenAI最近正加快推动AI进入硬件设计、工程仿真和实体制造等领域,这次模型更新延续的正是这个方向。
但模型发布之后,AI创业者Matt Shumer公开表示不推荐这些模型:“它们基本上无法使用。”

他此前拿到了模型的提前测试资格。上一代Astra发布时,他曾写过一篇预计阅读时间19分钟的长评,称GPT-6 Astra重新赢得了自己的信任,成为他处理大部分日常工作的首选模型。可面对6.2 Astra,他连一份完整的评测都不愿意写了。
更适合现实工作?
官方文档显示,GPT-6.2 Astra在专业文档生成上的改进很明显,尤其是PPT、电子表格和报告。OpenAI甚至称它是自家迄今最擅长做PPT的模型。
演示中,OpenAI给新旧两代Astra布置了同一项任务:依据一家零售商第二季度的业绩公告和监管文件,更新这家公司第一季度的业绩汇报PPT。
官方称,两款模型都找到了推动利润增长的主要因素,6.2 Astra的处理更细——它把5.3%的销售额增长直接写进标题,进一步区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,比如确保畅销商品的库存供应,制定预算时不再假定未来还能拿到类似的关税退款。


在模仿现有PPT的版式、颜色、字体乃至字号上,6.2 Astra现在做得更准。用户只要提供原始文件或截图,模型就能沿用同样的风格制作新幻灯片。
另一项任务展示了Astra在电子表格上的升级:两款模型要依据同一组财务资料,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,并完成现金流折现和股票估值分析。
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以及敏感性分析放在一起呈现,各项数据之间的关系更容易看清。


官方文档还特别提到了新模型的写作能力。
OpenAI表示,新模型产出的专业文档会减少空泛的总结和冗余内容,表达更直接、更具体,也更贴合金融、法律和咨询等行业的写作习惯。
不过这项改进似乎没有得到广泛认可。AI媒体Every创始人Dan Shipper称,团队提前数周测试了新模型,发现6.2 Astra的写作能力甚至不如上一代。
按他的说法,新模型被训练得过于简洁、太强调行动,有时很难理解它输出的内容;即便遇到需要详细解释的问题,它也倾向于给出简短回答。

网页和游戏制作是这次更新的另一块重点。不只是那些“班味十足”的演示。按照官方说法,新模型能依照文字要求挑页面布局、配图片和视觉元素,还能把对应的交互功能做出来。
OpenAI拿一款叫Meridian Sound Racing的未来城市赛车游戏做了展示,玩家开着赛车穿过灯光闪烁的城市赛道,在浏览器里就能直接玩。另有一份交互式3D场景叫Cathedral Walk,同样能在浏览器里探索。

(链接:https://meridian-futuristic-race.openai.chatgpt.site/)

(链接:https://cathedral-walk.openai.chatgpt.site/)
OpenAI称,这些改进跟模型视觉推理和电脑操作能力的提升有关。开发者最在意的编程和复杂任务执行上,官方介绍新模型更擅长改已有项目、查代码问题,以及调用不同工具把任务做完。
早期盲测里,OpenAI的合作伙伴、办公平台ClickUp发现,用6.2 Astra生成应用、仪表盘和PPT,Token消耗少了约40%,审核修改轮次少了约30%。

可一旦把目光挪到“非亲非故”的外部开发者身上,情况就没那么乐观了。开发者Theo Browne提前试了新模型,代码审查、电脑操作和3D游戏制作这几项他认可,但复杂任务执行时的表现让他颇为不满。
他还专门写了篇长文,把那些“让他反感GPT-6.2 Astra”的理由一条条列了出来。Theo抱怨说,6.2 Astra经常干到一半突然抛出一些用户根本不用操心的技术问题,本该自动完成的工作就这么卡住。

有一次他让模型给游戏《Outer Wilds》做新关卡。跑了两个小时后,6.2 Astra因为定不下来内部生成的视频文件该用哪个文件名而暂停,要他亲自拍板。
还有一次,他要求模型优化一个编译器项目,既要提性能又要缩体积。结果6.2 Astra忙活七天,有效改进没做出来,编译器反倒慢了56%。
Theo的看法是,6.2 Astra技术能力非常强,但在复杂项目里很难跟用户顺利合作。文章开头直言“不推荐这些模型”的Matt Shumer也在评论区补充,他测了编程、个人工作、电脑操作等多个场景,发现模型没法正确遵循指令、会输出胡言乱语、问题多得数不过来,“几乎在每个重要方面都比Opus 5.5糟糕”。

他甚至怀疑,模型似乎具备完成任务所需的基础智能,问题出在后训练环节,而且相当严重。从官方演示到社区反馈,6.2 Astra的表现似乎有点“货不对板”。


官方文档里它已经能完成相当复杂的工作,首批体验者却频频抱怨模型难以指挥,甚至任务都做不顺。至于具体任务里表现如何,可能还是得亲自试用才知道。
GPT-6.2 Astra和Sol已经开始面向Plus、Pro、Business、Enterprise及Edu用户开放,ChatGPT Work和Codex里都能用,开发者也可以通过API调用。价格上,6.2 Astra的API输入和输出价格均比上一代下调20%,分别为每百万Token 8美元和40美元,缓存输入价格降了60%,现为每百万Token 0.4美元。
6.2 Sol维持上一代定价,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完成复杂任务,让用户在同样的额度内完成更多工作。
另外,OpenAI扩大了Ultrafast极速模式的开放范围。Pro 200美元档用户拿到了6.2 Sol的Ultrafast使用权限,但仅限Codex;Pro 500美元档则可以用6.2 Astra(和6.2 Sol)的Ultrafast。
屏幕之外,成了Astra这一路迭代的方向。
从9月GPT-6 Astra推出起,OpenAI就不断尝试让模型离开屏幕。
11月3日,OpenAI还发过一篇文章,专门讲Astra在机械设计、电路板、工程仿真和硬件制造方面的进展。有人已经拿它设计出一台能和Codex交互的实体设备,样子很像拓麻歌子的小玩具。
这次6.2 Astra发布,又把这条路往前挪了一步。
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部件建模,再把它们拼到一起,呈现完整的机械结构。工程师用这些模型,可以查看零部件之间怎么连接、弄清装配逻辑,还能进一步分析设计改动会带来什么影响。
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。
它先建好汽车的3D模型,接着自己写Python求解程序,模拟轮胎和悬架之间复杂的动力学关系,最后用Blender把结果做成动画。
这一套流程涵盖3D建模、物理计算和动画制作。OpenAI的说法是,这些能力能帮工程师快速验证新设计方案,在真正造出原型车之前,就提前看到机械系统怎么运动。
还有一个演示,直接走完了从设计到实物的全程。
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模型一改再改,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还搭了一个配套网站,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,再到能实际组装的产品,过去工程师得在好几种专业软件之间来回切换才能做完的事,现在有相当一部分可以交给AI。
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,还得由专业工程师进一步检查和验证。
不过单看模型的升级方向,OpenAI正让Astra接手越来越多原本要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都在模型发布的推文里吐槽。
毕竟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的使用记录里出现了“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。
结果一直到11月17日,OpenAI才兑现这场被反复预告的更新。
6.2 Astra为什么拖了这么久,OpenAI目前没有明确解释。网友推测,安全问题可能是重要原因。
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。
OpenAI安全系统负责人Saachi Jain给出了解释:该模型在减少“偷懒”、提升任务积极性上有进展,但没有满足公司对授权边界和工作汇报的要求。
说白了,模型变得更愿意干活,可它有可能在未获许可时越界,也可能没跟用户讲清楚自己到底做了什么。
后训练里最难把握的正是这个度:一边要让模型碰到困难时主动找解法,一边又要防着它为了把任务做完而无视用户设定的限制。
前文Matt的吐槽还记得吗?他当时就怀疑模型的后训练出了毛病。
这个判断眼下还没有得到证实。不过OpenAI此次公开的系统卡里,确实冒出了几项值得留意的异常结果。
比如一项叫Blocker Deception的内部评测:OpenAI会刻意删掉模型需要改的文件,或者让完成任务要用的工具没法用,然后看模型会不会如实向用户报告。
GPT-6 Astra有11.09%的测试没能正确报告障碍;到了6.2 Astra,这个比例涨到22.28%,差不多翻了一倍。
OpenAI承认了这次退步,并给出一种可能的原因:为了让回答更简洁、少一些不必要的免责声明,训练过程可能让模型学会了略去某些本该说明的重要问题。
眼下公司已通过Codex里的额外指令把这一情况压下去不少,但直接走API调用模型的用户,这些指令不会自动起作用。
截至发布时,OpenAI还在查这个问题到底出在哪。
另一边,6.2 Astra面对的安全评估要求也比上一代更严。
OpenAI称,6.2 Astra是公司第一款在AI自我改进(AI Self-Improvement)能力上达到High等级的对外发布模型。
按OpenAI的评估,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)。
为管住相应风险,OpenAI把内部研究环境的隔离与监控又收紧了一层,还搭了一个叫Control Room的中央系统,用来追踪研究环境里跑的模型,必要时把相关任务停掉。
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为什么拖这么久不肯发,网友还有一种更损的猜测。
有人觉得,OpenAI本来对6.2 Astra挺有信心,模型甚至已经进了灰度测试。谁知Anthropic突然放出Fable 5.2,表现超出OpenAI预期,准备发布的Astra只好再回炉。
如今它总算发布了,社区评价却似乎不怎么叫好。还是让子弹再飞一会儿吧。