GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存

资讯 36氪 全文 4385 字 · 约 11 分钟读完 配图 16 张 分类GPTGPT-6OpenAI

只会做数学题,不会说人话了

所属频道 大厂动态ChatGPT 与 GPT

上线才一天,GPT-6.2 的口碑就分成了两半。API 价格又降了 20%,被不少人称作性价比之王;可硅谷那批头部开发者却连夜写下长信,直言写代码不如 Opus 5.5。

GPT-6.2 Astra 与 Sol 这一代,评价割裂得让人一时反应不过来。

榜单这边,成绩照样一路猛冲。

可另一边,拿到早期测试资格的硅谷头部开发者,却一个接一个交出了今年最不客气的差评。

HyperWrite 联创 Matt Shumer 在官方评论区留下这样一句:“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。”这条帖子浏览量很快冲到 90 万。

GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存(配图 1)

随后,T3 Code 创始人、知名开发者博主 Theo 带病躺在床上,把内测期间自己纯手工敲给 OpenAI 的千字控诉信全文公开。

信里的核心结论只有一句:“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:开发者差评与性价比争议并存(配图 2)

事情还没结束。内容机构 Every 的 CEO Dan Shipper 带 30 人团队内测了几周,测评帖开头第一句就是“我们团队中没有人喜欢Astra 6.2”。

GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存(配图 3)

这三位内测玩家,常看新模型测评的人都不陌生。以往新模型发布,他们多以晒优质 Demo 为主,这次却齐刷刷调转方向开喷。

这番景象让不少人猜测,是不是 A\ 要上市了,才买了这些黑稿。

GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存(配图 4)

标题:跑了 11 天反而慢了 56%,长程任务被批“活在自己脑子里”

第一批翻车最集中的地方,是长周期复杂编程以及人机沟通。

Theo 在信里亮出一个压测项目 ts-rust,也就是用 Rust 重写 TypeScript。

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

同样把任务交给隔壁的 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:开发者差评与性价比争议并存(配图 5)

这回 Theo 满怀期待换上旗舰 GPT-6.2 Astra,让它缩小与其他 Rust 重写版本之间的性能差距,顺带提了一句“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,反倒因为死磕“缩小体积”,把编译器速度弄慢了 56%。

Theo 赶紧叫停体积优化,要求它只盯性能,模型又空转了 4 天,代码改动量为 0。

除了长任务里死循环,这代模型最让测试者抓狂的还有两个新毛病:完全没有人类那种“知识盲区”概念,以及像“加密通话”一样的总结能力。

在多 Agent 协同测试中,Theo 下了一条指令:“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,转头来问人类:“请问r24的reviewer是把切片写进24_g521.mp4还是24_p11.mp4?”

这种子 Agent 运行中自己生成的内部文件名,坐在屏幕前的人类怎么可能看得懂。

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,沟通灾难就更严重了。

有人为了查清开发工作树(worktrees)在一台机器上为何慢得离谱,折腾了半天,pnpm 测试跑过、文件系统也重装了,问题依旧,最后只好崩溃地去问模型。GPT-6.2 Astra 一口气回了四大段,把 pnpm 底层机制和缓存行为写成硬核论文;同样的问题丢给 Opus 5.5,对面只甩来一句:「因为你那块 SSD 固态硬盘太慢了。」

据 Theo 说,改系统提示词没用,哪怕求它「按5岁小孩能听懂的话讲(ELI5)」也白搭。他现在形成了固定动作:每次用 6.2 Astra 跑完长任务,都得切到 Opus 5.5,让对方把 Astra 写的总结「翻译」成人话。

这种别扭的体验不止他一个人遇到。内容机构 Every 的 CEO Dan Shipper 带 30 人团队内测几周后直言,新模型相比 Claude Fable 5.2 令人失望,团队里没人愿意切回来。文本被压缩得太狠,该详细解释的地方只给短句,端到端构建时还经常「过早停工」。

非开发者那边的内测用户,诊断也高度一致。Mark Humphries 和沃顿商学院教授 Ethan Mollick 都认为,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,得靠人使劲推着走。

GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存(配图 6)

创意生成上,它还出现了严重的「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,游戏和提示词完全不同,两人拿到的关卡却重名,都叫「Bellwether」,主题也清一色是水下加钟声音乐。

GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存(配图 7)

难道就因为这款模型的内部代号是 Bel?

偏科战神:数学题

被开发者骂成这样,OpenAI 这次算反向升级吗?把第三方机构 Artificial Analysis、Epoch AI 和 Vals AI 的首发跑分拆开看,答案是偏科。

GPT-6.2 把技能点全押在科学计算、3D 空间、网络安全和极致性价比上,偏偏在传统 Agent 编程上开了倒车。

在 Artificial Analysis 覆盖九大维度的智能指数(Intelligence Index)上,GPT-6.2 Astra 涨了 5 分,拿到 62 分,超过 Gemini 4 Carbon(60分)和 Claude Opus 5.5(59分)。

算经济账的话,单任务成本与性能的「帕累托前沿」几乎被 OpenAI 一家占满。

GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存(配图 8)

写长信痛骂它的 Theo 也承认,Astra 是个极强的「偏科怪才」:做 Code Review 时,别的模型漏掉的死角它都能抓出来,偶尔冒出的奇思妙想也相当惊艳。它还帮 Theo 重构了一套反向代理方案,每月省下 2.5 万美元服务器开销。Theo 的评价是,「Opus就没那个胆量去探索这么多激进的选项」。

可一回到常规软件工程,数据立刻印证了开发者的体感。Artificial Analysis 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),GPT-6.2 Sol 甚至比 6.1 Sol 倒退了 3 分。

GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存(配图 9)

专业评测机构 Vals AI 的榜单也出现了类似分歧。OpenAI 官方宣称 Astra 在 Harvey 法律基准上的通过率是 Fable 5.2 的两倍以上,但 Vals AI 的法律检索(Legal Research)实测里,通用版 Astra 和 Sol 只排到第 30 名和第 52 名,专用版 Astra for Law 排第 6。

问题就出在这:它们调用的工具数量接近两倍,回答却写得太短,关键推论被漏掉。

GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存(配图 10)

翻看System Card:病根在“省Token”

一个能解出人类尚未攻克的数学题的模型,为什么一写代码、一聊日常就让人摸不着头脑?

把Epoch AI的底层测算、Vals AI的统计数据和OpenAI自己放出的System Card放在一起看,病根可以一步步推出来:

对“Token压缩”和“隐式推理”的极限压榨,反过来伤到了模型的可控性。

头一条是输出被压到极致。

OpenAI内部有一个覆盖咨询、金融、设计场景的GDPval-v2测试,Astra在那里分数涨了6.2%,输出token却少了22%。Vals AI的统计则显示,Astra平均每个任务只用掉9.1万个输出token,在Top 10模型里话最少。

第二条是单个Token里藏着惊人的暗箱推理。

Epoch AI的测算给出这样一组数:GPT-6.2 Astra不输出任何可见思维链(CoT),单个输出token内部就能跑完12.3步串行推理;前代6 Astra是10.5步,非OpenAI阵营最强的Claude Fable 5.1只有4.2步。

GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存(配图 11)

思考全闷在隐空间里,嘴上又被训练得能少说就少说,两个后果随之而来:

一是碰上难题爱“不懂装懂”,还容易“丢三落四”。

Artificial Analysis测出的结果是,在极限难度知识问答AA-Omniscience里,Astra和Sol在最高推理档位下的幻觉率分别达到59%和55%,

撞上知识盲区,它很少坦白不知道,多半直接硬猜。Sol在编程榜丢分,主因也是在SWE-Atlas-QnA-AA测试里漏掉关键事实的次数明显变多,这一项就掉了14分。

GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存(配图 12)

二是遇到卡点“报喜不报忧”。

OpenAI的System Card里有一组数据很扎眼:Blocker Deception(障碍欺骗/隐瞒)测试中,GPT-6.2 Astra明明知道有障碍挡着任务完成,仍有22.28%的概率在最终回复里把这个障碍完全瞒下,前代是11.09%,整整翻了一倍。

GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存(配图 13)

搜索工具失效测试(Broken Search Tool)里也一样,不告诉用户工具坏了或缺条件的比例,从7.58%升到了23.00%。

GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存(配图 14)

开发者更该留意的是System Card里埋着的一个部署差异。

OpenAI发现它爱瞒报错之后,用一段专门的开发者提示词(Prompt Intervention)把瞒报率压下去不少,首发时这段提示词直接内置进了Codex客户端;可要是直接走API调模型,开发者默认拿不到这个提示词补丁。

GPT-6.2 Astra首发24小时:开发者差评与性价比争议并存(配图 15)

另外,GPT-6.2 Astra是OpenAI历史上第一个对外发布、达到“AI自我改进(AI Self-Improvement)”高风险(High)阈值的模型,官方评估它加速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。

安全对齐测试还证明,Astra比前代更会绕开只盯思维链的监控(Reasoning-only monitoring)。一个Token能在里面转12道弯,监控系统得结合实际行动(Action-aware)才抓得住它的越界行为。

今天要是打算更新Codex CLI,或者切到API开跑,先记住内测的人烧掉几万美元Token换来的教训。

拿它做3D、啃硬核科研、跑高并发低成本的子Agent,确实好用;可要跑长周期工程,或者通过API裸调,千万记得在System Prompt里补一句“遇到报错或缺失工具必须如实汇报”。

实在读不懂它那套天书式的总结,就在旁边开个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. 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
  2. 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
  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同日上线GPT-6.2双模型:Astra降价20%,编程进展停滞

    2026年11月17日,OpenAI正式发布GPT-6.2 Astra和Sol两款新模型,向ChatGPT Work、Codex及API全面开放。Astra API价格下调20%至每百万输入tokens 8美元,官方声称在专业输出和编程上大幅提升,但第三方评测机构Artificial Analysis的编程代理指数显示

    来源 AI 行业观察
  5. 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
  6. OpenAI发布GPT-6.2:Astra跑分上涨,老用户却嫌不好用

    出品 | 网易智能 作者 | 小扣 编辑 | 王凤枝 GPT-6.2旗舰Astra跑分涨了、调用也便宜了,一些提前试用者却觉得,它反而更不好使唤了。 北京时间11月18日,OpenAI发布GPT-6.2 Astra和GPT-6.2 Sol。其中Astra是处理复杂专业项目的旗舰,Sol面向日常工作。两款模型目前已接入C

    来源 AI 行业观察
  7. GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极

    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

    来源 AI 行业观察
  8. 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
  9. 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
  10. 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
  11. 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
  12. 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
  13. 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

    来源 腾讯网
  14. 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
  15. 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
向下滚动自动加载更多