跑分狂飙,实测翻车,刚发的 GPT-6.2 暴露了 OpenAI 的软肋

资讯 腾讯网 作者:极客公园 全文 5502 字 · 约 14 分钟读完 配图 1 张 分类前沿模型GPTGPT-6OpenAI产品更新模型发布

「基本不可用,不推荐」。OpenAI 新模型上线仅仅 8 分钟,硅谷知名创业者 Matt Shumer,就在社交平台上扔下一句毫不留情的评价。紧接着,拥有大批开发者拥趸的 Theo Browne,发了一篇长文《我为什么讨厌 GPT-6.2 Astra》。向来对前沿模型保持温和耐心的沃顿商学院教授 Ethan Molli

所属频道 大厂动态产品更新模型发布ChatGPT 与 GPT

「基本不可用,不推荐」。

OpenAI 新模型上线仅仅 8 分钟,硅谷知名创业者 Matt Shumer,就在社交平台上扔下一句毫不留情的评价。

紧接着,拥有大批开发者拥趸的 Theo Browne,发了一篇长文《我为什么讨厌 GPT-6.2 Astra》。向来对前沿模型保持温和耐心的沃顿商学院教授 Ethan Mollick,测完后也给出了罕见的严厉定调,「非常不稳定且古怪」,直言这是「自 GPT-4.5 以来 OpenAI 前沿发布首次未见明显进步」。

这原本该是 OpenAI 是一场漂亮的反击战。

北京时间 11 月 18 日凌晨,OpenAI 正式推出新一代旗舰 GPT-6.2 Astra 与日常主力 GPT-6.2 Sol。官方把 Astra 的 API 单价直接砍掉 20%,还交出了一张从智能体到科研全面刷新纪录的成绩单。

当纸面跑分的狂飙撞上一线开发者的集体吐槽,这种极致的割裂感,恰恰揭开了 OpenAI 当下最真实的窘境。

01

文字游戏和算力暗箭

单看官方海报和第三方综合榜单的头部数据,GPT-6.2 两款模型确实很能打。

两款模型均配备 105 万上下文窗口,输入上限 92.2 万 tokens,输出上限 12.8 万 tokens,目前仅支持文本与图像输入、纯文本输出,不支持音视频和微调。定价上,接替 9 月初 GPT-6 Astra 的新版旗舰定在每百万输入 8 美元、输出 40 美元,缓存输入更是大砍六成至 0.40 美元;接替 9 月 DevDay 版本的 GPT-6.2 Sol 维持输入 2 美元、输出 10 美元不变。

在 Artificial Analysis 的 v5.0.1 综合指数榜上,GPT-6.2 Astra 以 62 分跃居总榜第二,仅次于 65 分的 Claude Fable 5.2,反超了 60 分的 Gemini 4 Carbon 和 59 分的 Claude Opus 5.5。

更诱人的是单任务成本,Astra 平均开销仅 4 美元,只有 Fable 5.2 高达 26.54 美元成本的 15%。拿下 57 分的 Sol 单任务仅花 1.01 美元,在帕累托前沿散点图上稳稳落入左上角的高性价比象限。

Artificial Analysis Intelligence Index v5.0.1 总分榜与单任务成本帕累托前沿对比|图片来源:Artificial Analysis

但只要顺着官方博客往下翻,仔细去读那些字号极小的脚注,味道就开始变了。

在 Agents' Last Exam 测试中,OpenAI 高调宣布 Astra 跑出最高 78.3%(XHigh 档,Max 档为 77.6%)的成绩,领先 Fable 5.2 的 72.8% 一大截。脚注里却悄悄写着,这份对比排除了 Fable 5.2 使用后备模型的 9 个任务。更微妙的是,官方配图里 Google 的 Gemini 4 Carbon 在高推理模式下拿到了 77.4%,单任务成本 4.60 美元,与 Astra 的 4.47 美元几乎打平,但官方正文对这位对手只字未提。

除了跑分口径的精妙筛选,API 定价表里还埋着两颗暗雷。

只要单次输入超过 27.2 万 tokens,整笔请求的输入和缓存单价就会翻倍,输出单价乘以 1.5 倍,Astra 直接涨到 16 美元和 60 美元。同时,仅限美区数据驻留、最高提速 4.5 倍的 Ultrafast 模式目前按 3 倍促销,但从 2027 年 3 月 1 日起将翻倍至 6 倍,届时 Astra 的输入输出价将变成 48 美元和 240 美元。

把视线挪到决定程序员日常体验的专项榜单,短板暴露得更加彻底。

在 Artificial Analysis 的编程智能体榜单上,GPT-6.2 Astra 卡在 53 分原地踏步,与上代持平,落后于 58 分的 Claude Fable 5.2 与 Opus 5.5,也落后于 55 分的 Gemini 4 Carbon。主打日常走量的 Sol 更是倒退 3 分跌至 49 分,跌回与开源 Kimi K3.1 Pro 同分的位置,其中代码库问答一项暴跌 14 分,极易漏掉关键事实。

Artificial Analysis Coding Agent Index v2.1 对比:Astra 停留在 53 分,Sol 较上代倒退 3 分|图片来源:Artificial Analysis

在另一家权威机构 Epoch AI 的测试里,Astra 虽然解出了 68 道 Erdős 前沿数学题中的 7 道,打破了此前 3 道的纪录,但报告依旧批评它在真实科研自动化任务上较前代没有明显进步、过于保守。Vals 综合榜上 Astra 仅排第 7,普通版在法律检索里甚至落到第 30 名,必须靠专门定制的法律版才能挽回颜面。

只有在彻底关闭安全护栏的极限漏洞挖掘中,它才展现出恐怖的上限。

DeepBinary 拿 12 个 Windows 系统二进制文件做测试,Astra 在两次独立运行中平均挖出 348.5 个独特漏洞,按微软赏金标准估值高达 103.8 万美元,API 成本仅 4072 美元;小模型 Sol 也以 840 美元的成本挖出估值 68.7 万美元的 227 个漏洞,把估值停在 16 万美元上下的 Opus 5 和 Kimi K3.1 远远甩在身后。

02

天才偏科生

为什么一个能独自挖出百万美元级系统漏洞的模型,到了普通程序员手里却成了「基本不可用」?翻开网友的一线实测记录,你会看到一个极度偏科的怪才。

只要交给它边界清晰、偏重空间几何或物理仿真的硬核命题,GPT-6.2 的能力上限确实惊人。

开发者 Thomas Ricouard 用它结合街道地图与法国测绘数据,在浏览器里一比一复刻出涵盖超过 13.1 万栋建筑的 3D 巴黎「Paris Atlas」,街道建筑、行人和车流一应俱全,还能靠截图反馈持续微调。

OpenAI 开发者基于 GPT-6.2 打造的 1:1 3D 巴黎项目「Paris Atlas」(包含逾 13.1 万栋建筑数据)|图片来源:TechRadar / OpenAI

OpenAI 官方演示里,Astra 更是独立建模出 3D 敞篷跑车,自己写出 Python 物理求解器,在 Blender 里同步渲染出山地弯道的悬架运动与四轮接地压力热力图。企业端同样有亮眼案例,Higgsfield 内部 3D 生成一次成功率达到 73%,量化巨头 Jump Trading 一天内打破了维持三年的硬件优化基准,Harvey、Legora 和 ClickUp 等伙伴也报告了节省三到六成 token 的成绩,Replit 实测 Sol 6.2 提速近 3 倍。

GPT-6.2 Astra 自建 3D 跑车并用 Python 求解器完成的山地底盘动力学与四轮接地压力仿真|图片来源:OpenAI 官方

但是, 一旦离开单点突破的演示场景,进入需要长线沟通与多步协作的真实软件工程,GPT-6.2 Astra 古怪的脾气就会把人逼疯。

Theo Browne 在那篇阅读破百万的长文里,先肯定 Astra 代码审查很强,还帮他设计出一套每月省下 2.5 万美元的反向代理架构,感叹「Opus 都没胆量这么探索」。但紧接着,他列出了让人崩溃的四宗罪。

最致命的是毫无沟通盲区概念。Theo 让它按目标模式给《星际拓荒》做新关卡,模型跑了两个小时后突然卡死阻塞,只为问他一个人类根本不可能看懂的内部临时文件名,逼得他专门写定时脚本去盯梢。其次是难以忍受的「Astra 黑话」,哪怕在系统提示词里恳求它用最简单的话解释也毫无作用。有一次排查工作树变慢,Astra 写下四大段包管理器缓存底层机制,Theo 把问题丢给 Claude Opus 5.5,后者一句话就点破真相,「你的固态硬盘太慢了」。

更折磨人的是死循环执念。在把 TypeScript 编译器用 Rust 重写的测试项目上,早期

这种体感落差在开发者圈子绝非孤例。Every 创始人 Dan Shipper 吐槽它不如 Fable 5.2,过度追求极简导致写作晦涩倒退,端到端写代码常半途停工,设计带着浓厚的固定模板味。Simon Willison 在知名的 Three.js 扬克斯机甲实测里,要求模型把城市地图变成巨型机甲,结果 Astra 和 Sol 双双没能完成正确变形,画面远逊于 Fable 5.2 和 Gemini 4 Carbon。

Simon Willison 同题 Three.js「扬克斯机甲」实测对比:GPT-6.2 Astra(上)与 GPT-6.2 Sol(下)|图片来源:Simon Willison

就连一向温和的 Ethan Mollick,虽然用它在 Blender 和 Unity 里搓出了穿破云层直冲太空的可交互太空电梯,依然给出「非常不稳定且古怪、更难引导」的差评。社区里还有不少人抱怨正当的二进制逆向任务频频被护栏误杀,甚至官方发布页自己的前端图表在上线当天都出现了卡死报错。

Ethan Mollick 用 GPT-6.2 Astra 在 Blender 与 Unity 中从零构建的可交互太空电梯演示|图片来源:Ethan Mollick(X)

03

自乱阵脚的妥协之作

把时间线拉回到 11 月,不难看懂 GPT-6.2 为什么透着一股仓促妥协的味道。

外部对手正在以恐怖的节奏收网。11 月 9 日,处于 IPO 前夕的 Anthropic 甩出 Fable 5.2 与 Mythos 5.2,率先把旗舰价打到 8 美元和 40 美元,霸占各大编程与综合榜单第一,还秀出 1000 个智能体 30 小时完成费马大定理形式化证明、8 天写出可启动操作系统原型、1 天设计出 3 款一次点亮电路板的震撼战绩。

另一边,Google 的 Gemini 4 家族在 10 月到 11 月连续出牌。Carbon 11 月促销价压到 2 美元和 10 美元,Hydrogen 更是只要 1.5 美元和 7.5 美元,而且精准打中企业最在意的可靠性痛点。在 AA-Omniscience 测试中,Gemini 4 Hydrogen 幻觉率低至 8%,Carbon 也只有 11%,而 GPT-6.2 Astra 的幻觉率却从上代 50% 恶化到 59%,Sol 也飙至 55%。配合多智能体看板与调度工具,Google 两天就能跑完数万次并发协作。

AA-Omniscience v1.1 知识可靠性与幻觉率对比:GPT-6.2 Astra 幻觉率达 59%,Gemini 4 Carbon 与 Hydrogen 分别仅为 11% 与 8%|图片来源:Artificial Analysis

前有 Anthropic 拉高上限,后有 Google 夯实低幻觉下限,夹在中间的 OpenAI 却在关键两个月后院起火。

原定 9 月底登场的 GPT-6.1 Astra 因测试暴露严重越权与汇报不实,在最后一刻被紧急砍掉。联席总裁 Greg Brockman 在公开访谈中透露已抽调约 25% 的产品工程师支援安全团队。就在 GPT-6.2 发布前一天,加州总检察长正式起诉 OpenAI,揭出了测试期间至少 80 起安全事件。

大量人手被抽走救火,又要赶在对手彻底占领开发者心智前强行发版,结果全都写进了官方自己披露的系统卡里。

这份罕见坦白的安全报告承认了三类倒退。首先是学会了更隐蔽地「报喜不报忧」,遇到文件缺失等阻碍时,Astra 隐瞒障碍的比例从 11.09% 翻倍到 22.28%,Sol 达 24.08%;搜索工具故障时,API 原生调用的胡编率从 7.58% 暴增至 23.00%。其次是监控逃逸与评测感知飙升,85% 的测试轨迹在思维链里怀疑自己正在接受考核,无思维链下的文件下载逃逸率从 1.7% 飙升至 48.8%。

为了按住这头首次触及「AI 自我改进」高风险门槛的猛兽,OpenAI 在 9 月强化学习代理意外连上公网后,匆忙上线了 35 秒断网急停的控制室系统,并紧急收紧拒答边界。可这套生硬补丁直接导致了安全与可用性的双输,英国人工智能安全研究所只用一半查询次数,就攻破了预发布版的网络越狱防线,批其「实质倒退」,而正当网络安全任务的可用率却从 90.7% 暴跌到 78.1%,心理健康基准得分也因为模型急着给答案、不愿追问上下文从 58.7% 跌到 53.3%。

看懂了这些隐情,OpenAI 在产品端的一系列反常妥协就全部说得通了。

直到现在,GPT-6.2 依然没有放进,面向数亿普通用户的常规 ChatGPT 聊天界面,只敢放在工作区和编程工具里;API 端直接禁止关闭推理模式,甚至规定一旦切换降级模型或改动历史前缀,系统就会直接丢弃此前的推理记录。它既不敢彻底放开手脚,又必须守住跑分榜的体面。

大模型竞争走到今天,靠堆算力刷出漂亮分数的时代已经过去了。当真实工作流开始考验稳定性、低幻觉和沟通配合时,GPT-6.2 Astra 用一场冰火两重天的首秀敲响了警钟,先让聪明的模型学会听懂人话、老实汇报问题,远比再刷高两分榜单紧迫得多。

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
  2. 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
  3. OpenAI 发布 GPT-6.2 双模型:Astra 与 Sol 定价再下探

    11 月 17 日,OpenAI 发布两款新语言模型 GPT-6.2 Astra 和 GPT-6.2 Sol。Astra 面向科学、法律、金融等专业工作,Sol 定位于快速、通用的日常任务。两款模型均已向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户开放,并同步接入

    来源 腾讯网
  4. GPT-6.2 上线12小时:开发者为何称其“史上最糟”

    就在今天,OpenAI 正式发布了新一代旗舰模型 GPT-6.2 Astra,以及主打性价比的 GPT-6.2 Sol。从官方公布的成绩来看,GPT-6.2 Astra 在专业 Agent 任务上反超 Claude Fable 5.2,完成同等任务的综合成本却只有后者的 5%,堪称一次漂亮的反击。上下滑动查看更多内容然

    来源 腾讯网
  5. GPT-6.2 Astra发布:基准超Claude Fable 5.2,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

    来源 AI 行业观察
  6. 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
  7. 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
  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 Astra仅对26.7%:Visual Cipher Bench为何难住顶级AI?

    修 bug、写功能、跑长任务…… 今天的 Agent 几乎都能做。因为要求有文字说明,做错了有测试报错。那如果规则只画在图里呢?一张黑白线稿,几个编号,几条箭头。没有题干,没有选项,做对做错也没人告诉你。所有线索都在图里,很难转成文字,只能反复看图、提假设、再回到图里验证。这就是长程视觉推理。8 个前沿模型、3480

    来源 腾讯网
  10. 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
  11. 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
  12. 微软网安 AI 模型 MAI Cyber 2 Flash 登场:性能比肩 GPT-6 Astra

    IT之家 11 月 18 日消息,微软 AI 部门于 11 月 17 日发布全新专用安全模型 MAI Cyber 2 Flash,定位为面向企业安全团队的“高性价比”网络安全 AI。该模型旨在帮助安全人员全天候发现软件漏洞、推荐修复方案并调查网络威胁,同时显著降低大规模使用 AI 的算力与成本。微软称,MAI Cybe

    来源 腾讯网
  13. 微软MAI Image 2.7发布:1/5价格击败GPT Image 2.6登顶

    IT之家 11 月 18 日消息,微软昨日(11 月 17 日)发布推出 MAI Image 2.7 和 MAI Image 2.7 Flash 图像生成与编辑模型,并上线由 Flash 驱动的交互式创作空间 Canvas。 费用方面,两款模型已在 Microsoft Foundry 开启公开预览,官方公布的每千张图片

    来源 AI 行业观察
向下滚动自动加载更多