GPT-6.2 評測:辦公與 3D 有亮點,編程長任務表現不穩
原创 GPT-6.2“拉”了,一个神鬼二象性的模型
OpenAI 發佈 GPT-6.2 Astra 和 Sol,文章指出兩款模型表現不一,辦公、Computer Use 和 3D 有亮點,編程長任務則受批評。Artificial Analysis 綜合智能指數中,Astra 得 62 分、排名第二;3D 人類盲測得 1318 Elo、排名第一。
文章將官方基準與多方實測並列,呈現 GPT-6.2 在辦公、Computer Use 和 3D 的亮點,以及長任務編程的持續性問題,對照出各類任務表現不一。
今日凌晨,灰測了半個月的GPT-6.2終於正式發佈。
這次OpenAI帶來的是GPT-6.2 Astra和Sol,一個旗艦,一個日常主力。
頂着Anthropic、Google壓力端上桌的新模型,剛一發布,就在X上被罵成了篩子,超多人批評6.2幹活不好用。
開發者Theo甚至寫了個長文解釋自己為什麼討厭GPT-6.2 Astra。總結一下他的觀點:

一段時間過去,也有人進一步測評了6.2的其他功能。如官方所説,PPT確實做得不錯,審美也有所提高,3D效果進步不少;Computer Use的效果真的很出色;後端的執行力也很不錯的,足夠嚴謹,非常適合用來執行嚴密工作;單次Token也確實便宜了。
簡而言之,這是一個神一會兒、鬼一會兒的模型。
看看跑分
簡單先總結一下這一輪6.2更新的官方説法。
辦公能力更強。 按 OpenAI 的説法,新模型做 PPT、表格和文檔時,更能照着用戶給的模板來,也更符合財務、法律、銷售等行業的習慣。
寫代碼和做設計有提升。 官方稱它寫的代碼更清晰,做出來的網頁更好看、更好用,還展示了根據零件圖做 3D 建模的效果。(目前我實測下來審美確實比之前要好,有很多審美上的小巧思,但仍然比不上Claude)
科研是 Astra 的賣點之一。 它在科研評測中刷新了成績,OpenAI 稱它是目前最適合科學家的模型。
旗艦降價,但日常款不變。 相比上一代 GPT-6 Astra,6.2 Astra 的 API 輸入、輸出單價都降了 20%,緩存輸入單價降了 60%。Sol 延續上一代定價。
做單任務成本也更低。 在官方引用的一項多步驟專業任務評測裏,Astra 的單任務成本不到上一代的 三分之一。OpenAI 也稱,使用 Sol 時,同樣的付費套餐額度能完成更多任務。
再展開看看跑分。
在第三方機構Artificial Analysis的綜合智能指數中,Astra拿到62分,排名第二,僅次於Claude Fable 5.2的65分,超過Gemini 4 Carbon的60分和Claude Opus 5.5的59分。Sol則拿到57分,追平上一代旗艦GPT-6 Astra,但按該機構評測,單任務成本只有後者的約15%。

專業工作方面,官方稱,在考察多步驟任務的Agents’ Last Exam中,Astra比前代提高5.2分,單任務成本不到三分之一。

在覆蓋諮詢、金融和設計的內部GDPval v2測試中,Astra提高6.2個百分點,輸出token減少22%。科研也有進步:在考察終端科研工作流的Terminal-Bench-Science中,成績提高了9個百分點。

3D是另一項長板。在Artificial Analysis的人類盲測中,Astra以1318 Elo分排名第一,高於Fable 5.2的1271分。

編程則沒有全面跟上。同一機構的編程智能體指數中,Astra仍是53分,與前代持平;Sol降到49分,比6.1 Sol低3分。

看看實測
榜單有進步,再來看看實測。
如官方所説,他們做的PPT確實不錯,自己調研、找圖、排版,比較適合上班族。但博主Andrew McGehee測試下來後,Sol的低推理檔反而優於Ultra。
網頁操作(Computer Use)也不錯。博主Nick發佈的維基百科跳轉演示裏,模型會自己點擊鏈接、切換頁面,Sol率先完成畫面中的任務。他還測試了GeoGuessr,讓模型觀察街景、操作地圖、判斷位置。
一部分3D動效也有進步,鏡頭的運動和銜接,是有鏡頭語言表達的。但同一輪測試裏,穿模、人物比例失衡、機械零件對不齊等問題仍然存在。
編程上的吐槽,則集中在6.2的持續性比較差。開發者們抱怨它在長任務中會拋出用戶難以回答的實現細節問題,然後卡住等回覆,解釋又難懂,還得再找別的模型幫忙總結。並且,Astra在真實編程任務裏會過早停下,非常不智能。
GPT-6.2就是一個手動擋模型。你説多少話,他幹多少事。你要是想偷懶,或者還完全不知道自己想怎麼操作,那6.2就要敷衍你了。或者你自己去聊一個skill出來,才能長時間跑一個東西。

所以如果可以的話,試着讓Claude做前端,GPT做後端,放在同一個工作區,不用自己手動傳話,產出的結果應該會好很多。
OpenAI現在的產品適人性還是比較一般,畢竟人類最稀缺的就是注意力,這給你拉磨拉一半,換誰家牛嗎都不舒服。但你也不得不承認,不封號還重置的模型,貌似就贏了一半。
文章標題:GPT-6.2“拉”了,一個神鬼二象性的模型
文章鏈接:https://www.huxiu.com/article/4906516.html
來源:虎嗅 · huxiu.com