从 2026 年 10 月 31 日开始，陆续有 OpenAI 用户在 Codex 的用量统计里看到一个尚未发布的模型标识：gpt-6.2-astra。流传的实测里，被讨论最多的正是社区用来"验金"的鹈鹕骑自行车动画。对比前代 GPT-6 Astra，目前反馈中最突出的变化是生成画面的物理一致性：角色动作衔接、轮子与脚踏的动力传递不再轻易崩坏。但 OpenAI 始终没有官宣：截至 11 月 1 日，官方模型目录仍只列到 GPT-6 Astra，也没有任何第三方基准数据——所谓"物理效果很强"，还停留在用户自述层面。知乎
灰度是怎么被发现的：界面没换，后台换芯
第一条线索是用量页截图：机器之心 11 月 2 日的整理提到，多人晒出内容相同的截图，界面模型名称仍显示 GPT-6 Astra，但详细使用统计里的模型标识已经变成 GPT-6.2，反复重复的报告说明这不是单个账号的显示异常。 还有用户看到所选日期内 gpt-6.2-astra 的占比显示为 100%，不过这类页面统计的是 Work、Codex 等智能体任务，不含普通聊天。机器之心知乎
第二条线索来自 API 抓包：开发者晒出的响应数据里，response.model 字段显示为 gpt-6.2-astra。 另有用户的账户统计显示，约 19.8% 的请求被分配到了这个未发布版本，前端模型选择器则仍写着 GPT-6 Astra。36氪微博
第三条线索是 Codex CLI：有用户称升级后可以在终端指定模型名调用，截图同时出现了 medium 速度档标识和 100 万 token 上下文窗口。 但流传的那张 CLI 截图里，系统先弹出了 unsupported-model 的错误提示，随后才完成任务——"6.2 已经能在 CLI 正常运行"这一步还不能确认。 把线索拼起来，比较稳妥的结论是：确实有小范围真实流量被路由到未发布的新版本，而 OpenAI 官方口径保持沉默。36氪机器之心
物理效果实测：鹈鹕的腿，终于会动了
“让模型画一只骑自行车的鹈鹕"早已是社区检验生成能力的标尺，这个画面同时考验结构、比例和运动关系的理解。此前这项测试就翻车过不少模型：9 月的网友实测里，GPT-6 的 Luna、Sol 档位被评价为"鹈鹕自行车都做不好”。 DeepSeek 的灰测版本也被指出画面"渲染最佳，但是腿居然不会动"。微博新浪
这次 6.2 的灰测案例，焦点正是这些细节。原作者 Fini.Yang 分享了灰测版制作的 3D 鹈鹕，让它表演 360° 立体骑车，围观截图转遍了国内平台。 有网友用同一提示词对比 GPT-6 Astra 和 GPT-6.2 Astra，晒出的结果是新版本"在画面细节、动作衔接等方面都有明显改善，整体表现更加自然"。 更硬核的测试直接叠上了嵌套动力链——手柄通过操纵杆操作自行车、自行车骑鹈鹕、鹈鹕在跑步机上走、跑步机停在飞机翅膀上，实测用户的评价是"不仅画面精美和细节正确，移动的动力链也比较不错"。 这条提示词要求模型理解的不是一幅静态画，而是四级连锁的力传递关系。微博知乎小红书
画面之外的验证同样指向物理。有 B 站用户用一句短提示词让灰测模型自行设计了一支 Blender 短片，作者本人的感叹是"这个物理理解能力太牛逼了"。 另有用户晒出灰测版生成的 HTML 物理动画。带速度、镜头控件的 3D 海岸骑行场景，原始界面记录的生成用时为 11 分 4 秒——这个耗时本身也说明灰测流量走的是较重的推理档位。哔哩哔哩知乎
提升的是什么性质：后训练优化，不是物理知识扩容
一个容易被忽略的细节给这次升级定了性。有灰测用户实测发现 6.2 的知识库截止日期与前代一致，据此判断"这么看 6.2 就是纯纯后训练优化了一波"。 版本跳级的时间线与这个判断相合：机器之心转述的说法是，此前的 GPT-6.1 Astra 据称因安全问题被取消发布，社区猜测 OpenAI 修复后将版本号提升至 6.2——这部分仍属社区信息，无官方证实。小红书机器之心
如果"纯后训练"成立，物理表现的改善方向就容易理解了：优化的是把已有物理知识稳定、连贯地"执行"进生成代码和动画的能力，而不是注入新物理知识。前代的短板恰好演示过这组区别：在 RoboDojo 的 42 项仿真任务、共 2100 次试验中，GPT-6 Astra 的平均成功率为 22.48%，评测方的结论是"模型能够理解任务，并不意味着机器人就能稳定完成它"。 理解物理、生成物理画面、控制物理实体是三回事，6.2 灰测目前被验证的只有中间那一项。知乎
争议和边界：别急着喊"世界第一"
强度层面，社区口径分裂。有用户认为 6.2 相比前代进步明显、部分任务可能超过 Claude Opus 5.5；另一名用户的判断相反，称新 Astra 尚未达到 Opus 5.5 的水平。 这条"6.2 不如 Opus 5.5"的说法传回国内社区后引发 57 条评论的争论，双方都没有给出可核对的基准成绩，只是使用体感。36氪小红书
横向对比也没停在 OpenAI 一侧：11 月 2 日流传的实测对比称，Astra 6.2 表现尚可，但 Fable 5.5 在视觉质量上仍明显领先——而 Fable 5.5 本身同样未经 Anthropic 官宣，两边都还是"未见官方庐山真面目"的状态。微博
实测用户也给出了不客气的差评：复杂任务和研发能力提升了不少，但"默认的审美在某些情况下还是一言难尽"。 这名用户同时提到，用量相比前代没有体感提升，定价因为只是后训练优化预计不会上涨，缓存计费甚至可能下调——这些属于用户的个人预估，不构成发布承诺。小红书
对用户来说，眼下值得盯的信号很简单：官方模型目录和更新日志会不会正式出现 6.2 Astra，Codex 用量页的模型标识会不会从"藏在统计里"变成界面可选项。已经灰度到的用户，拿同一提示词对比新旧版本的鹈鹕动画就行——物理效果有没有长进，一眼可辨。
