网通社科技快报
GPT6.2正式发布 主动汇报能力突出但长任务稳定性受质疑
美国当地时间11月17日,OpenAI正式推出GPT-6.2 Astra与GPT-6.2 Sol两款新模型,结束长达两个月的等待。此次发布较原预期推迟约11天,核心目标是推动AI从内容生成转向专业级工作流承接。GPT-6.2 Astra作为旗舰模型,强化复杂任务端到端执行能力;Sol则聚焦日常办公与多步骤智能体任务效率优化。二者均延续‘能力+成本’双降策略:Astra API输入输出单价下调20%,缓存输入价格降幅达60%;Sol虽维持标价,但因任务所需Token减少,实际开销显著降低。
第三方评测显示,Astra综合智能指数达62分(全球第二),较前代提升5分;在Agents' Last Exam测试中提高5.2分;单任务成本不足前代三分之一;法律检索通过率超Claude Fable 5.2一倍以上,成本仅为其六分之一。其在AA-3D专项评测中以1318 Elo排名第一,领先Claude Fable 5.2(1271 Elo)。尤为关键的是,Astra成为OpenAI首个被评估达到AI自主改进能力‘High’门槛的公开模型,具备特定条件下自我修正推理过程的能力。
功能拓展方面,Astra已可操作Blender建模、编写物理求解器并可视化结果;还能依据建筑结构设计实体纸灯或搭建含细节的3D城堡场景。然而首批灰测开发者指出,模型在长时间软件开发中仍易提前终止,输出过度简洁导致关键信息遗漏,如省略错误处理逻辑或未标注假设前提,反而增加人工校验负担。
分歧反映当前大模型落地的专业化困境:用户对零误差、可追溯性要求陡增,而模型仍依赖概率生成机制,难以保障确定性与完整性。OpenAI强调‘减少无效输出’,实测却显示优化集中于Token效率与成本压缩。另据爆料,模型因安全与对齐风险延迟发布;同期Anthropic推出Claude Fable 5.2与Mythos 5.2,行业竞争正从参数比拼转向工作流适配。目前Astra与Sol已向Plus及企业用户开放,价值在于自动化重复高、规则明确环节,但通往可靠工作伙伴之路仍需跨越实用主义与性能理想间的鸿沟。
第三方评测显示,Astra综合智能指数达62分(全球第二),较前代提升5分;在Agents' Last Exam测试中提高5.2分;单任务成本不足前代三分之一;法律检索通过率超Claude Fable 5.2一倍以上,成本仅为其六分之一。其在AA-3D专项评测中以1318 Elo排名第一,领先Claude Fable 5.2(1271 Elo)。尤为关键的是,Astra成为OpenAI首个被评估达到AI自主改进能力‘High’门槛的公开模型,具备特定条件下自我修正推理过程的能力。
功能拓展方面,Astra已可操作Blender建模、编写物理求解器并可视化结果;还能依据建筑结构设计实体纸灯或搭建含细节的3D城堡场景。然而首批灰测开发者指出,模型在长时间软件开发中仍易提前终止,输出过度简洁导致关键信息遗漏,如省略错误处理逻辑或未标注假设前提,反而增加人工校验负担。
分歧反映当前大模型落地的专业化困境:用户对零误差、可追溯性要求陡增,而模型仍依赖概率生成机制,难以保障确定性与完整性。OpenAI强调‘减少无效输出’,实测却显示优化集中于Token效率与成本压缩。另据爆料,模型因安全与对齐风险延迟发布;同期Anthropic推出Claude Fable 5.2与Mythos 5.2,行业竞争正从参数比拼转向工作流适配。目前Astra与Sol已向Plus及企业用户开放,价值在于自动化重复高、规则明确环节,但通往可靠工作伙伴之路仍需跨越实用主义与性能理想间的鸿沟。