GPT-6.2 Astra上线:AI自主进化风险首次亮红灯?
OpenAI首席执行官山姆·奥特曼。图片经由AI生成文丨晓静编辑丨徐青阳美国当地时间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
OpenAI首席执行官山姆·奥特曼。图片经由AI生成
美国当地时间11月17日,OpenAI正式推出
GPT-6.2 Astra与GPT-6.2 Sol两款新模型。
这场发布会比外界预想的要晚。10月底就有网友从
ChatGPT的用量记录里翻出疑似GPT-6.2的踪迹,此后两个多月传闻不断,如今靴子才算落地。
这次OpenAI把重点放在AI接手专业工作上。
从一张PPT截图复刻出完整演示文稿,到提取财务数据、搭建估值模型,再到操作专业软件完成具体任务,新模型展示的能力都指向真实的岗位场景。
OpenAI尤其强调,新模型能减少无效输出和反复修改,让AI交付的结果更贴近专业工作的标准。
过去两个多月,外界对GPT-6.2的猜测一直没停。
根据
GPT-6.2 Astra还是OpenAI首个被评估为达到「AI自我改进」高风险阈值的模型,这一点在发布中被单独提出。
不过,漂亮的演示和跑分也招来不同声音。发布当天,多位提前数周试用新模型的开发者公开表示失望,认为Astra在长时间的软件开发任务中仍可能提前停止,输出过于简洁时还会漏掉必要信息。
与此同时,模型越接近真实的专业工作,能力边界和安全控制也越成为这次发布的重要看点。
01 性能与成本
价格方面,GPT-6.2 Astra的API为每百万输入Token 8美元、输出Token 40美元,缓存输入0.40美元。相比前代,输入和输出价格都降了20%,缓存输入则从1美元降到0.40美元,降幅60%。GPT-6.2 Sol维持每百万输入Token 2美元、输出Token 10美元不变。
对多步骤智能体来说,API单价并不能完全反映实际开销。模型执行任务时可能要多次调用工具、读取文件、处理错误并重试。单价不变,但完成任务所需的Token更少,最终账单也会跟着降下来。
在Cognition的测试中,Astra的表现被拿来与前代对比。
高难度任务上,Astra同样有进步。Agents' Last Exam评估中它比GPT-6 Astra高5.2分,完成任务的花费不到前代的三分之一。
02 专业工作交付
财务、法律、咨询这类专业工作,要求AI处理大量原始资料、核对数据,再按行业规范形成可交付的成果。OpenAI称,GPT-6.2 Astra在这类任务中表现有所提升,能完成财务建模、并购分析、法律检索和数据科学分析等工作。
OpenAI内部的评测也覆盖了这些场景。
法律检索方面,在模拟真实律所任务的测试中,Astra的表现被单独列出。
OpenAI内部的GDPval v2覆盖咨询、金融和设计等工作。结果显示,Astra得分比前代提高6.2个百分点,输出Token减少22%。
03 进入三维世界
GPT-6.2 Astra这次展示的另一项能力,是直接参与3D建模和工程设计。模型不再只是生成一段建模代码,而是能操作专业软件,处理零件、调整结构,并把计算结果做成可视化内容。
GPT-6.2 Astra进行山路驾驶与底盘动力学模拟
山路驾驶模拟案例中,Astra先建起跑车的3D模型,再编写Python物理求解器,计算轮胎接地力和悬挂系统的动态变化,最后把结果导入Blender生成车辆行驶动画。借助这套模拟,工程师在造出实体样车之前就能观察车辆经过复杂路况时的载荷转移情况。
OpenAI这次给的机械建模素材要简单不少,只有一辆1:8比例遥控越野车和一台直列六缸发动机的公开照片及装配手册。Astra靠这些资料建出各机械零件的三维模型,还生成了分步装配动画以及带图解的零件目录。
另一项测试把CAD设计和动手制作连了起来。OpenAI团队拿出芝加哥地标建筑Marina City的扇形阳台照片,让模型照着这个结构做设计。Astra前后调整了好几轮,最后做出一盏能打印、能折叠组装的纸艺台灯,还配套写了一个网页Lamp Builder,用户可以在线改参数、生成定制图纸。
网页开发方面,Astra做了一个露营车交互式配置器,车身颜色能切换,车顶帐篷能加装,页面报价跟着同步变。它还能按文字描述生成可玩的弹球台、罗马斗兽场复原模型,以及一款叫《Meridian Sound Racing》的未来城市赛车游戏。
Artificial Analysis的评测里,考察物理世界理解和行动规划能力的部分,结果如下。
04 科学推理与短板
科学研究的展示同样是OpenAI此次的重点。
在
另外几项测试的成绩不如Claude Fable 5.2。物理推理基准上表现偏弱。模型还有一个没解决的问题:碰到不确定的事实时,它可能直接给出错误答案。
Artificial Analysis的编程测试也没有全面上涨。分项结果看,Sol丢分主要集中在一部分项目上。对要处理大型存量代码库的开发者来说,这一点得留意。模型能写出代码,不等于它已经摸清了项目的历史、依赖关系和具体约束。
05 安全边界
模型一旦能操作终端、审查代码、调用专业软件,网络安全风险就跟着上来了。OpenAI披露,GPT-6.2 Astra和Sol都已经达到公司《防范框架》里的高风险门槛。
也就是说,同一种能力既能拿来排查漏洞,也可能被拿去攻击。OpenAI为此收紧了公开版本对高风险网络安全任务的限制。需要做漏洞测试的安全研究人员,正常工作也会受部分影响。OpenAI目前通过专门渠道处理这类需求。
OpenAI还在训练阶段掺入了防御导向的训练信号。此前,AI已经被用于发现漏洞。
从这次发布看,OpenAI正把模型往更具体的工作场景里推。Astra接复杂的专业任务,Sol用更低的成本处理日常工作和多步骤流程。跑分还是重要,但企业最后看的,是模型能不能干完真实工作,以及干这些活要花多少钱。