GPT-6.2Astra正式发布,专业工作能力跃升但遭开发者质疑

OpenAI于11月17日推出GPT-6.2 Astra与Sol模型,主打复杂专业任务处理与成本优化。Astra在多项评测中得分提升、Token消耗下降,价格下调20%,并首次被评估达‘High’级自...

人工智能 阅读量: 4427

美国当地时间11月17日,OpenAI正式发布GPT-6.2 Astra与GPT-6.2 Sol两款新模型,终结了此前长达数周的“跳票”传闻。此次发布比外界预期晚了约11天——早在10月底,社区已从ChatGPT用量记录中发现疑似灰测痕迹;11月初,《The Information》曾预测新模型将于11月6日上线,最终推迟至17日。尽管发布节奏放缓,OpenAI仍强调本次升级的核心目标:让AI真正承接专业级工作流,而非仅停留在内容生成层面。

GPT-6.2 Astra定位为旗舰级专业模型,是9月发布的GPT-6 Astra的迭代版本,重点强化复杂任务的端到端执行能力;GPT-6.2 Sol则聚焦日常办公、编程及多步骤智能体(Agent)任务的效率与成本控制。二者均延续了OpenAI近期“能力+成本”双优化的策略:Astra的API输入与输出单价均下调20%,缓存输入价格从1美元降至0.40美元,降幅达60%;Sol维持原价(每百万输入Token 2美元、输出10美元),但因任务完成所需Token减少,实际开销显著下降。

根据第三方评测机构Artificial Analysis的数据,GPT-6.2 Astra在综合智能指数中以62分位列全球第二,较前代提升5分;Sol得分为57分。更关键的是其在专业场景中的表现:在衡量多步骤智能体能力的Agents' Last Exam测试中,Astra较GPT-6 Astra提高5.2分;完成任务成本不到前代的三分之一;与Claude Fable 5.2相比,得分高5.5分,单任务成本仅为后者的5%。在OpenAI内部GDPval v2测试(覆盖咨询、金融与设计)中,Astra得分提升6.2个百分点,输出Token减少22%;法律检索方面,在Harvey LAB-AA v1.1模拟律所任务中,其通过率超Claude Fable 5.2一倍以上,成本约为六分之一。

Artificial Analysis智能指数与Token效率对比图

值得注意的是,GPT-6.2 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,意味着它在特定条件下可对自身推理过程进行修正与优化——这一能力被视为通向AGI的关键阶梯之一。

除传统办公与编程外,Astra此次展示的能力边界进一步延伸至3D建模与工程仿真领域。OpenAI演示了其操作Blender生成汽车三维模型、编写Python物理求解器模拟悬架动态,并将结果可视化为行驶动画的全流程;另有案例显示其能依据芝加哥Marina City大楼阳台结构设计实体纸灯,或搭建可步行的迪士尼灰姑娘城堡3D场景(含烟花、水面纹理与船只)。在AA-3D专项评测中,Astra以1318 Elo排名第一,较前代提升150 Elo,领先Claude Fable 5.2(1271 Elo)。

然而,光鲜的演示与跑分并未赢得全部认可。发布当日,多位提前数周参与灰测的开发者公开表达失望:Astra在长时间软件开发任务中仍可能提前终止;其追求“简洁高效”的输出策略有时导致关键信息遗漏,例如省略错误处理逻辑或未明确标注假设前提。有开发者指出,模型在需反复调试的工程任务中表现不稳定,反而增加人工校验负担。

这种分歧折射出当前大模型落地的专业化困境:当AI从“辅助写作”迈向“独立交付”,用户对结果的容错率急剧下降。专业工作要求零误差、可追溯、符合行业规范——而当前模型仍依赖概率生成机制,难以保证每次输出的确定性与完整性。OpenAI虽宣称新模型“减少无效输出和反复修改”,但实测表明,其“优化”更多体现在Token效率与成本压缩上,而非根本性可靠性提升。

与此同时,GPT-6.2的延期发布背后,安全与对齐问题持续引发关注。据多位爆料者(如Token Gremlin与内部工程师Joe)透露,模型在最后阶段因发现严重安全与对齐风险而被迫延迟,OpenAI内部已将安全审查置于发布优先级之上。有观点认为,Hugging Face事件后,OpenAI对模型行为边界的管控趋于保守,甚至出现“安全公司化”倾向——这与2022年谷歌因声誉顾虑暂缓AI产品发布的路径高度相似。

值得玩味的是,就在GPT-6.2发布前夕,Anthropic于11月9日接连推出Claude Fable 5.2与Mythos 5.2,形成鲜明对比。尽管OpenAI在部分基准测试中领先,但竞品在稳定性与工具集成方面的进步,正加速推动行业从“参数竞赛”转向“工作流适配”竞争。

从技术演进看,GPT-6.2系列标志着大模型应用进入深水区:它不再满足于“能写”或“会算”,而是尝试接管财务建模、法律检索、机械设计等需领域知识与软件操作的复合型任务。但这也暴露了当前架构的根本局限——缺乏真正的因果推理与状态记忆,使其在长周期、高耦合任务中仍显脆弱。未来迭代或将更侧重工具调用的鲁棒性、错误恢复机制与人类协作接口的设计。

目前,GPT-6.2 Astra与Sol已面向Plus与企业用户开放,API服务同步上线。对于专业用户而言,其价值不在于“取代人类”,而在于将重复性高、规则明确的环节自动化,释放人力聚焦判断与创新。只是在通往“可靠工作伙伴”的路上,模型还需跨越实用主义与理想性能之间的鸿沟。