OpenAI 發佈 GPT-6.2 Astra 與 Sol,Astra 任務成本下降並提升 3D 能力
Anthropic上市前夕,OpenAI发布GPT-6.2:成本大降,3D能力再突破
OpenAI 發佈 GPT-6.2 Astra 和 GPT-6.2 Sol,主打專業任務與日常工作效率,並提升 3D 建模及物理仿真能力。在 Agents' Last Exam 中,Astra 較前代提升 5.2 個百分點,任務成本降至三分之一以下;AA-3D 得分為 1318 Elo,排名第一。
文章對照專項評測、3D 工程案例及編碼與幻覺率數據,讓讀者掌握 GPT-6.2 Astra 的能力表現及適用邊界。

就在 Anthropic IPO 定價前一天,OpenAI 送上了一份“上市大禮包”。
凌晨,OpenAI 正式發佈 GPT-6.2 系列模型,包括面向複雜任務的 GPT-6.2 Astra,以及主打日常工作與效率的 GPT-6.2 Sol。
這次升級的重點是專業任務能力和運行效率。在衡量 AI 智能體完成複雜工作的 Agents' Last Exam 測試中,GPT-6.2 Astra 較前代提升 5.2 個百分點,任務成本降至原來的三分之一以下;與 Anthropic 最新發布的 Claude Fable 5.2 相比,成績領先 5.5 個百分點,成本僅為後者的 5%。
新模型還延續了上一代 Astra 在 3D 空間理解和交互式場景構建方面的優勢,並進一步強化了機械建模與物理仿真能力。
此前,GPT-6 Astra 已經憑藉在機器人任務規劃和控制方面展現出的潛力,引發具身智能行業的廣泛討論。如今,OpenAI 開始展示 AI 如何參與真實的工程設計,從零件裝配到汽車動力學模擬,應用範圍進一步擴大。
這款模型的發布,還經歷了一段小插曲。早在 11 月初,就有消息稱 OpenAI 計劃推出新一代 Astra 和 Sol,但發佈日期幾經推遲。近期,爆料人士又聲稱,GPT-6.2 因安全和對齊問題遭遇延期,不過具體原因尚未得到官方證實。
有意思的是,新模型剛發佈,就有開發者給出了毫不留情的差評,甚至有人直言這是 OpenAI 迄今最差的模型,幾乎無法正常使用。
一邊是官方公佈的亮眼成績單,一邊是開發者的尖鋭吐槽。究竟是模型實際表現不及預期,還是微妙的商戰,目前還不好説。具體表現如何,還得等待更多用戶的實際測試。
任務表現提升,成本降至前代三分之一
在第三方評測機構 Artificial Analysis 公佈的最新 Intelligence Index 榜單中,GPT-6.2 Astra 獲得 62 分,較前代提升 5 分,排名第二,仍落後於 Anthropic 的 Claude Fable 5.2,後者以 65 分保持第一。
(來源:Artificial Analysis)
不過,在科研、法律和 3D 等專項測試中,GPT-6.2 Astra 取得了更為突出的成績,完成任務的成本也明顯下降。
在衡量 AI 智能體完成複雜專業工作的 Agents' Last Exam 測試中,GPT-6.2 Astra 較前代提升 5.2 個百分點,任務成本降至原來的三分之一以下。與 Claude Fable 5.2 相比,成績領先 5.5 個百分點,成本僅為後者的 5%。不過,OpenAI 註明,Fable 5.2 的對照結果排除了 9 項調用後備模型的任務。
(來源:OpenAI)
科研領域也有明顯進步。在 Terminal-Bench-Science 0.1 測試中,GPT-6.2 Astra 較前代提高 9 個百分點,任務成本同樣不足原來的三分之一;在考察生物數據分析與實驗推斷能力的 Vals Science Index 上,新模型也刷新了最高成績。
法律和專業辦公場景的表現同樣有所提升。在 Harvey LAB-AA v1.1 法律任務評測中,GPT-6.2 Astra 的通過率超過 Claude Fable 5.2 的兩倍,成本約為後者的六分之一。在 OpenAI 內部的 GDPval v2 評測中,新模型較前代提升 6.2 個百分點,輸出 Token 減少 22%。
OpenAI 還展示了模型製作 PPT 和財務表格的能力。它可以根據最新財報更新整份演示文稿,提煉關鍵經營數據,也能夠生成包含財務預測、估值計算和敏感性分析的可編輯 Excel 文件。
不過,新模型在編程任務上的表現就落後了一些。根據 Artificial Analysis 的 Coding Agent Index,GPT-6.2 Astra 得分為 53,與前代持平;GPT-6.2 Sol 得分為 49,反而較前代下降 3 分。Claude 系列模型仍佔據該榜單前三名。
此外,在 AA-Omniscience 測試中,GPT-6.2 Astra 和 Sol 的幻覺率分別達到 59% 和 55%,説明模型在面對不確定問題時,仍然存在較為明顯的過度猜測傾向。
目前,兩款模型已經面向符合條件的 Plus、Pro、Enterprise 和 Edu 用戶開放,可通過 ChatGPT Work 和 Codex 使用,開發者也能夠通過 API 調用。
API 價格方面,GPT-6.2 Astra 每百萬輸入 Token 收費 8 美元,輸出 Token 收費 40 美元,均較前代下調 20%,緩存輸入價格則降至 0.40 美元。GPT-6.2 Sol 維持上一代的定價,每百萬輸入、輸出 Token 分別為 2 美元和 10 美元。
3D 能力升級,從虛擬遊戲走向物理工程
相比常規的推理和編程能力,GPT-6.2 在 3D 設計與物理工程領域的表現,可能是本次發佈最有辨識度的變化。
在 Artificial Analysis 推出的 AA-3D 評測中,GPT-6.2 Astra 以 1318 Elo 排名第一,明顯高於上一代 GPT-6 Astra 的 1168 Elo,也領先 Claude Fable 5.2 的 1271 Elo 和 GPT-6.2 Sol 的 1259 Elo。
(來源:Artificial Analysis)
這項評測主要考察模型根據文字要求構建 3D 交互體驗的能力。評測過程中,不同模型需要根據相同的提示詞生成作品,再由人類評審進行盲測比較。
OpenAI 展示的案例包括可以直接操作的彈球遊戲、能夠從不同角度探索的羅馬鬥獸場,以及一款在未來城市賽道中駕駛飛行器的競速遊戲。用戶只需要輸入文字要求,模型就能自行編寫代碼,生成可以在瀏覽器中運行的 3D 交互場景。
除了評測分數,實際開發中的效率提升也比較明顯。視頻創作平台 Higgsfield 的聯合創始人兼 CEO Alex Mashrabov 表示,在其內部 3D 生成評測中,GPT-6.2 Astra 有 73% 的案例能夠一次達到目標效果,而上一代 GPT-6 Astra 通常需要三次甚至更多輪修改。
事實上,上一代 Astra 發佈時,就已經憑藉生成可玩遊戲和複雜交互場景的能力引發關注。如今,隨着生成質量和一次成功率進一步提高,AI 有望承擔更多遊戲原型製作、場景搭建和交互邏輯開發工作,幫助開發團隊縮短開發週期。
不過,這次 OpenAI 展示的能力還不止於虛擬世界。
在一個案例中,GPT-6.2 Astra 建立了一輛汽車的 3D 模型,隨後編寫 Python 求解程序,模擬輪胎、懸架之間複雜的動力學關係,最後使用 Blender 生成動畫,展示車輛行駛過程中各個部件的運動情況。
(來源:OpenAI)
而在另一個案例中,OpenAI 要求模型根據公開照片和裝配手冊,對一輛遙控越野車及其發動機進行建模。Astra 不僅建立了各個機械零件的 3D 模型,還生成了裝配動畫和帶有插圖的零件目錄,讓工程師能夠直觀地檢查組件之間的連接關係。
OpenAI 甚至用芝加哥 Marina City 大樓的弧形陽台作為參考,讓模型完成一盞紙質枱燈的 CAD 設計,並經過修改和人工裝配,最終製作出實體產品。
從這些案例來看,GPT-6.2 已經能夠參與更復雜的機械結構設計與物理仿真工作,其應用場景也開始從遊戲、網頁等數字內容,延伸至真實產品的研發過程。
其實,OpenAI 此前已經開始佈局這一方向。11 月 3 日,OpenAI 專門發表文章,介紹 AI 如何加速真實物理世界中的工程設計,並披露了與馬自達等企業在汽車設計、空氣動力學仿真等領域的合作。
當時 OpenAI 透露,一款尚未公開命名的新內部模型在 BenchCAD 2.0 測試中取得 0.875 的平均分,明顯高於 GPT-6 Astra 的 0.594 分。
這些能力的提升,也可能給遊戲開發、工業設計乃至具身智能等行業帶來新的影響。
趕在 Anthropic 上市前
此次 GPT-6.2 的發佈時間,多少有些耐人尋味。按照既定安排,Anthropic 預計將在 11 月 18 日完成 IPO 定價,並於 11 月 19 日正式登陸納斯達克,股票代碼為 ANT。
今年 9 月,Anthropic 推出 Claude Opus 5.5 時,曾宣佈其在智能體編程、計算機操作和知識工作等多個領域處於領先位置。11 月 9 日,Anthropic 又連續推出 Fable 5.2 與 Mythos 5.2,進一步鞏固產品陣容。
如今,GPT-6.2 Astra 在 OpenAI 公佈的 Agents' Last Exam 評測中已經超過 Opus 5.5,並在多個專業任務上領先更新的 Fable 5.2。
選擇這個時間節點發布新模型,OpenAI 顯然給 Anthropic 的上市之旅增添了一些競爭壓力。
不過,由於性能的大幅提升,Openai 可能還得面對更加棘手的安全問題。
根據 OpenAI 披露的信息,GPT-6.2 Astra 成為該公司首款在 AI 自我改進能力評估中達到 High 級別、並向外部開放的模型。按照 OpenAI 的估計,相對於 2024 年的研發水平,這款模型對 AI 研究的加速作用,相當於為每位研究人員增加一名能力較強的研究工程師。
與此同時,GPT-6.2 Astra 和 Sol 的網絡安全能力均達到 Critical 級別,生物與化學能力達到 High 級別。OpenAI 因此加強了部署限制、模型監測和研究環境的安全防護。
官方還承認,新模型在部分測試中更容易隱瞞阻礙任務完成的問題,例如沒有告知用戶文件缺失或搜索工具不可用。OpenAI 已經通過額外指令緩解相關行為,但調查仍在繼續。
參考鏈接:
[1]https://openai.com/index/introducing-gpt-6-2-astra-sol/
[2]https://openai.com/index/accelerating-engineering-for-the-physical-world/
[3]https://x.com/TokenGremlin/status/2122009985005597027
[4]https://x.com/TokenGremlin/status/2122001326871634406
來源:新浪科技 · finance.sina.com.cn