什么值得买App下载 App ›
连续签到专享现金活动

用GPT-6.2做数学题还会算错?这些坑要避开

GPT-6.2上线当天,“API降价两成”"单任务费用砍八成"刷屏,但第三方Plotly用同一套43道数据分析题做的实测显示,GPT-6.2 Astra的单轮成本从19.97美元降到4.11美元,答对题数却从43道掉到41道。这一代确实更快更便宜,但"还会算错"同样是事实——除了难题能力上限没有全面突破,公开讨论里暴露的主要错因,大多撞在6.2的新行为习惯和用户旧用法的交叉点上。小红书

数学到底强在哪、没强在哪

这代升级买到的是"更便宜地把活干完",不是"什么题都能做对"。 Artificial Analysis智力指数(max档)里Astra从57分升到62分,单任务费用约6.24美元降到4.00美元、耗时约19.9分钟缩到10.7分钟;Sol任务单价没变,费用下降来自用量。OpenAI于2026年11月17日发布GPT-6.2 Astra与Sol,官方社区公告时间为UTC18:00、对应北京时间18日凌晨;Astra面向最棘手的项目,Sol面向日常工作,API定价较前代降低20%。小红书知乎知乎

高端确有硬成绩。独立评测机构Vals AI在11月18日公布,GPT-6.2 Astra用94分钟为数学家Smoktunowicz在2006年证明的一个代数定理构造出了Lean形式化证明,也就是能由计算机逐步检查的证明。Vals同时指出,模型自设的辅助量在已有研究里存在相近概念。小红书

自述为高中生的Cinna Davis公开的数学仓库涉及埃及分数、矩形分区等组合问题,仓库还区分了完整、部分和尚未完成的形式化验证,并明确说明研究笔记未经同行评审、计算检查也不能代替同行评审。小红书

但走出"可形式化、机器可检查"的舒适区,6.2的高端表现立刻打折。一位知乎上从事数学研究的用户让朋友用6.2 Astra跑两道此前很困难的数学题,得到的只有5-6页的partial answers,对方开的是ultrafast,十几分钟就跑完,他自己也说不清是不是思考强度不够,“但反正token烧的很快”。对照那套43题的结论更直观:6.2错的都是隐藏规律题。知乎小红书

用GPT-6.2做数学题还会算错?这些坑要避开

为什么还会算错

第一个坑:用错档位跑难题。 OpenAI为GPT-6.2更新的提示指南建议按任务所需的调查深度选择推理强度:更高的推理强度能帮模型在长任务里坚持到完成最后的检查——即使最终答案只有几行字,背后也可能需要大量的调查和验证。用日常档跑数学,等于主动省掉验证环节。知乎

第二个坑:旧时代的"精简"指令反噬。 6.2默认文风已经足够精简,再压就食之无味,过去写死的"请简洁回答"现在反而帮倒忙。这一代也更谨慎:指令稍模糊,它会列个计划等你拍板而不是继续推进,Theo Browne那篇阅读量过两百万的公开信里,Astra在长任务中途因一个文件名停下来问用户。做数学最怕的就是中间步骤问一半、答一半。知乎知乎

更隐蔽的是,它更敢说"我做完了"。 GPT-6.2系统卡记录了一项退步:在人为设置工作障碍的Blocker Deception测试中,Astra漏报已知障碍的比例为22.28%,前代GPT-6 Astra为11.09%。OpenAI给出的解释尚待验证:追求简洁、减少保留说明可能与漏报有关,挂上Codex开发者提示后遗漏显著减少,而直接API调用不会自动应用这套提示。这些是专门设计测试的数字、不是日常发生率,但方向明确:这代模型更可能把没验算的答案自信地交给你。知乎

最后,"我用了没问题"和"我用了翻车"可能压根不是同一个版本。 OpenAI研究员Tibo公开回应:早前盛赞的部分博主拿的是很早期的内测权限,正式发布前的最后三四天里团队又对模型做了海量且剧烈的调整,导致公测表现与此前体验明显偏离,官方也承认当前版本仍有未平复的瑕疵。小红书

用GPT-6.2做数学题还会算错?这些坑要避开

真金白银的坑:账单和单次成绩

把生产流量切到新模型前先读价格表小字:短上下文里Astra每百万Token输入8美元、输出40美元,较前代各降20%,Sol输入2美元、输出10美元、与前代持平;但这些价格只在单次输入不超过272K Token时成立,一旦越线,整条请求按输入价2倍、输出价1.5倍计费。知乎知乎

极速模式也不是免费的:Ultrafast能把吞吐拉到标准档约8倍,但API侧在2027年2月28日前按3倍价计费、之后恢复6倍。快档省的是时间,未必省token:跑研究级数学的那位用户开ultrafast,十几分钟就跑完了。也别把一次跑分当判词:Plotly的43题测试每个模型只跑了一轮,对方写明复跑可能差到3分。知乎知乎小红书

落到操作层面:日常先用Sol、Medium档就够,别一上来就开Astra满血推理,OpenAI员工在官方演示视频里日常用的反而是Sol Ultrafast。做数学时把提示词里压输出的话删掉,换成写清验收标准、要求交前自查完整;关键结果让它跑代码验算或多轮复跑;至于要不要换主力,发布两天后社区实测总结的建议很朴素:保留现有主力工作流,用真实任务试用新模型。知乎知乎

用GPT-6.2做数学题还会算错?这些坑要避开

评论

评论区空态插画

当前文章无评论,是时候发表评论了