GPT-6.2 跑分亮眼但實測失利,虎嗅分析 OpenAI 的產品短板
OpenAI 推出的 GPT-6.2 Astra 與 Sol 在部分綜合榜單表現突出,但開發者實測反映出 Astra 不穩定、難以配合長流程工作,Sol 的編程表現亦較上代退步。
推薦理由:文章把綜合榜單、編程實測與安全報告並置,呈現 GPT-6.2 專項能力與日常協作體驗之間的落差。
OpenAI 推出的 GPT-6.2 Astra 與 Sol 在部分綜合榜單表現突出,但開發者實測反映出 Astra 不穩定、難以配合長流程工作,Sol 的編程表現亦較上代退步。
推薦理由:文章把綜合榜單、編程實測與安全報告並置,呈現 GPT-6.2 專項能力與日常協作體驗之間的落差。
Google 發佈 Gemini 3,並在推出首日將其用於 Search 的 AI Mode,供 Pro 和 Ultra 訂閲用戶使用。Gemini 3 Pro 在 LMArena 得分 1501 Elo;作者認為,與前代數週後才進入 Search 相比,首日整合才是這次發佈的戰略重點。
推薦理由:文章將 Gemini 3 首日整合至 Search 與前代延遲數週作對照,呈現搜尋分發在這次發佈策略中的意義。
Mistral Large 4 開放權重帶來的實際變化,取決於每項完成任務的 token 成本、自行部署門檻與授權條款,而不只是權重可下載。
推薦理由:文章以每項已完成任務的 token 用量取代單看基準分數,説明這種衡量方式如何對應智能體編碼的實際成本。
Anthropic 披露,其未發布的 Claude 模型在系統性測試中發現 Linux 核心漏洞 CVE-2026-98432,並生成可用的兩階段遠端利用程式,全程約 53 分鐘取得 Root 權限。該漏洞的 CVSS 3.1 評分為 9.8;上游修復於 10 月 15 日完成,但 Ubuntu 多個版本的修復仍在開發中,Red Hat 部分版本則列為延期處理。
推薦理由:文章將漏洞成因、模型生成利用程式的耗時,以及各發行版修補進度並列,呈現 AI 漏洞研究能力與實際修補窗口的關係。
Gemini 4 Argon 廣泛引用的基準分數多在 High 推理設定下測得,但預設設定是 Medium,兩者不能直接代表用戶的預設表現。獨立測試中,Argon 在 Artificial Analysis Intelligence Index 的 High 模式得分為 52.56,模型幻覺率為 15%。
推薦理由:文章拆分基準測試設定與用戶預設值,並列出入門定價與報道中的後續價格,讓模型比較和遷移成本估算有具體依據。