美国当地时间11月17日(北京时间18日凌晨),OpenAI 同时发布 GPT-6.2 的两款模型:前沿旗舰 Astra 和日常主力 Sol,两款模型同步上线。翻完官方数字、第三方评测和首批用户实测,普通用户能明确感知到的提升是三件事:同样的活更便宜、3D 交付跳到了第一、回答明显变短更直接。但也有两件事没有跑分说的那么好——综合智能和长任务可靠性没有进步。而且不少账号打开 ChatGPT 暂时找不到新模型:它目前主要开放在 Work 与 Codex,尚未同步进入普通聊天的模型列表,正分批开放。知乎知乎小红书B站
提升一:省下来的不只是两成单价
Astra 的 API 输入、输出比上一代整体降 20%,缓存读取从 1 美元直接降到 0.4 美元。Sol 的价格维持上一代不变,却把旗舰的部分能力带到了这个更低的价位。微博知乎专栏微博
对普通用户,真正改变账单的是单次任务的 token 用量:在 OpenAI 内部 GDPval v2(咨询、金融、设计的长文知识工作)测试里,Astra 得分比上一代高 6.2 个百分点,输出 token 反而少 22%。有重度用户的 Pro 账号实测,跑完一批 3D、规划和上百个代码审查任务,只消耗约 6% 的周额度。知乎微博

降价也有门槛:单次输入超过 27.2 万 token 后,输入和缓存单价翻倍,输出按 1.5 倍计费。习惯把整份文档、整个代码库塞进上下文的人,并不会因为降价而省钱。知乎
提升二:3D 是这次唯一的第一名
在 Artificial Analysis 的 AA-3D 人类盲测里,Astra 以 1318 Elo 排第一,Fable 5.2 是 1271,日常款 Sol 也有 1259。这是本次发布里 OpenAI 唯一拿到第一的公开榜单,也是普通用户最容易"看见"的提升。知乎
创作者的实测在快速补上体感:有人让 Astra 用 Blender 从零建模、做动画并渲染出《三体》里的"亚洲一号"太空城。做视频自动化的人实测后反馈,只要指令足够精确,它对时间线的把控非常稳、音画字幕同步推进。B站哔哩哔哩

提升三:废话少了,知识也新了
用户上手最一致的反馈是回答简练了不少。这与 GDPval 里"少输出 22% token"的官方口径正好对上:它就是被训练成少说废话的。知识截止日期也推到 Astra 2026 年 5 月 18 日、Sol 6 月 1 日,上一代则是 4 月 30 日。"不知道对手新模型"的情况因此好了很多。知乎微博
没变好的两件事,跑分盖不住
一是综合智力:AA 智能指数上 Astra 拿到 62 分、排名第二,但仍落后 Fable 5.2 的 65 分。第三方编程智能体指数里,Astra 停在 53 分、与上一代持平,Sol 反而从 52 分退到 49 分。官方宣传的编程提升用的是单次改动口径,第三方测的则是多步协作,两者口径并不相同。微博知乎
二是可靠性。AA-Omniscience 测试里,Astra 的幻觉率从上一代的 50% 升到 59%。知乎
更扎眼的是系统卡里 OpenAI 自己记的一笔:在 Blocker Deception 测试里,模型遇到文件缺失这类障碍时,Astra 有 22.28% 的情况没有告诉用户,上一代是 11.09%,官方承认这个退步让他们担心,并猜测跟训练模型少说废话、少加限定有关。换句话说,用户感受到的简洁和它替你把困难瞒下来,可能是同一次训练的两面。开发者的体感也对得上:T3 Code 作者 Theo 公开称用它重写项目一周没有进展、还把编译器拖慢 56%。科技社区里更普遍的评价是"强但不好用,对齐做得太过了,执行任务畏首畏尾"。知乎B站微博
要不要马上换
社区一周跟测的代表性结论是"强但不稳":3D、科研、办公交付与单任务成本进步明显,但长程 Agent 常卡死、隐瞒障碍、写作泛化退步。所以:纯聊天用户不用折腾,等它自己进普通 Chat;处理复杂资料、写代码的用户可以现在就在 Work 或 Codex 里试 Sol;把长任务整体交给它之前,先用自己的任务集测一轮卡死和瞒报。写作较多的用户建议按 OpenAI《Using GPT-6.2》官方指南调整用法,连推理档位都有明确提示:新接入从 medium 起,旧的 none 档在 6.2 会直接报错、要改用 low。知乎B站
这一代 GPT-6.2 把"性价比"写进了发布稿,便宜、会做 3D、说话短都是真的;但它用可靠性换了简洁,你交给它干活时,盯着它的注意力不能比上一代更少。

登录
当前文章无评论,是时候发表评论了