精华速览

OpenAI 今日发布旗舰模型 GPT-6.2 Astra 与性价比模型 GPT-6.2 Sol。官方数据显示,Astra 在专业 Agent 任务上反超 Claude Fable 5.2,完成同等任务综合成本仅为后者 5%。然而上线不到 12 小时,X 平台出现大量差评,开发者 Theo 称其为“OpenAI 史上最糟糕的模型”,创业者 Matt Shumer 评价“基本无法使用”。争议集中在回答过度简洁、写作水平倒退、长程 Agent 任务易提前停止且不主动报告问题。但批评者亦承认其在 3D 建模、空间推理和成本效率上优势巨大。爱范儿实测显示,Astra 可在 17 分钟内生成 FPS 游戏、超写实 3D 孔雀开屏等复杂项目,但写作任务表现不佳,文章逻辑割裂、文体模糊。

要点透视

  • OpenAI 于今日发布 GPT-6.2 Astra 和 GPT-6.2 Sol,前者为旗舰模型,后者主打性价比。
  • 官方成绩显示,GPT-6.2 Astra 在专业 Agent 任务上反超 Claude Fable 5.2,完成同等任务综合成本仅为后者的 5%。
  • 模型上线不到 12 小时,X 上出现大量差评,知名开发者 Theo 称其为“OpenAI 史上最糟糕的模型”,AI 创业者 Matt Shumer 评价“基本无法使用”。
  • 争议点包括:回答过度简洁、写作水平倒退、长程 Agent 任务容易提前停止、遇到问题不主动向用户报告。
  • 爱范儿实测中,GPT-6.2 Astra 使用 Ultra 推理程度,仅用 17 分钟完成一个高质量 FPS 游戏项目;还生成了可交互的 3D 孔雀开屏动画和 3D 立体书项目。
  • 在写作测试中,GPT-6.2 Astra 将信小呆与 Reddit 裁员经历关联时逻辑模糊,高考作文跑题至无障碍设施,文体四不像;对比 Gemini Hydrogen 的文章则金句频出、结构完整。
  • 批评者同时承认 GPT-6.2 Astra 是出色的审阅者,能发现其他模型漏掉的问题,曾帮用户做出新反向代理每月省下 2.5 万美元,代码质量有实质性提升。
  • 有分析指出,Astra“不说人话”源于 OpenAI 为压缩推理成本至 Fable 5.2 的 5% 而强行压缩输出 Token;“卡在长任务”则与安全护栏进一步收紧有关。

文章拆解

GPT-6.2 Astra 的发布呈现出一种罕见的分裂:官方基准测试与社交媒体口碑几乎背道而驰。从素材看,这种分裂并非源于模型能力不足,而是能力分布极不均衡。在 3D 建模、空间推理和游戏生成等可量化、可自动验证的任务上,Astra 展现出世界级水准,17 分钟完成 FPS 游戏、超写实孔雀开屏等案例足以证明其工程执行力。同时,其成本效率惊人——仅为 Claude Fable 5.2 的 5%,这对高频调用 Agent 的开发者具有强烈吸引力。

然而,问题出在人机协作的接口层。Astra 的回答过度简洁、写作逻辑割裂、长任务中提前停止且不报告异常,这些缺陷直接推高了用户的心智成本。素材中“天才极客”的比喻颇为贴切:技术极强但拒绝写文档、遇到报错藏着掖着,团队负责人最终会认为其“没法用”。这揭示了一个关键逻辑:当模型从聊天助手转向自主 Agent,可解释性与协作体验不再是附加项,而是决定可用性的核心变量。

行业影响方面,Astra 的争议可能促使业界重新审视模型评估体系。单纯的任务完成率和成本指标,无法捕捉长程任务中的可靠性、异常报告机制和输出可读性。对于用户而言,选择模型将更依赖场景细分:3D 生成、代码审阅等任务可优先考虑 Astra,而写作、长程复杂 Agent 任务则需谨慎。

值得关注的变量包括:OpenAI 是否会通过后续更新调整输出 Token 策略以改善写作体验;安全护栏的收紧是否会在长任务中造成更多提前终止;以及竞争对手是否会利用这一窗口期强化“懂人话”的协作优势。潜在风险在于,若行业将“难用”简单归因于用户能力不足,可能掩盖工程妥协与对齐副作用,延缓产品改进。素材中“人类智能匹配不上模型智能”的说法已被作者反驳,但这一论调若蔓延,可能削弱用户反馈的价值。尚待确认的是,Astra 在长任务中提前停止的具体触发条件,以及 OpenAI 是否会在近期发布针对性补丁。

查看原文