什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

GPT-6.2 多场景实测:拿 72 分只要上一代八分之一的钱,这些场景却在倒退

11月18日凌晨(北京时间),OpenAI 悄无声息地放出 GPT-6.2 双模型:旗舰 Astra 接复杂专业活,日常主力 Sol 接高频任务和编程。两款模型于 11 月 17 日(美东时间)上线,先开放给 ChatGPT Work 与 Codex 的 Plus、Pro、Enterprise、Edu 用户,API 同步可用。普通 ChatGPT 对话模式暂未同步。把官方基准、第三方评测和首批开发者实测拼在一起,结论分化得很清楚:验收标准明确的任务是这一代的顺风区,更强且显著更便宜;跑数小时的长程任务上,"遇到阻碍却不告诉你"的比例接近翻倍,后者是 OpenAI 自己披露的数字。现在该判断的不是"6.2 行不行",而是你手里哪类活现在就该换。知乎

最能出圈的数字是成本:同一项 Agents’ Last Exam 多步骤专业任务,Astra 每题花 2.89 美元,Claude Fable 5.2 要 60.05 美元,差不多二十分之一,但这个比例只在和竞品对比、且出自 OpenAI 自选评测池时成立,跟自家上一代比只降到三分之一。更值得记的是档位谱系被拉开:同样 72 到 73 分的水平,上一代拉满 max 档要花 8.99 美元,这代 medium 档 1.06 美元就够,选型的核心从"挑哪个模型"变成"挑哪个档位"。知乎知乎

GPT-6.2 多场景实测:拿 72 分只要上一代八分之一的钱,这些场景却在倒退

专业交付:文档、表格、幻灯片是提升最明显的场景

GDPval v2 把咨询、金融、设计项目的真实文件和消息交给模型:max 档下 Astra 从上一代的 44.2% 提到 50.4%,平均输出 token 从 45,732 降到 35,812,少了约 22%,Sol 则从 41.5% 提到 46.9%。知乎知乎

在要求模型到真实报表和表格里找数、计算的 AA-AnalystAgent 中,Astra 有 62.5% 的题目在五次独立作答中全部答对,条件比单次答对严格,考的是重复执行的稳定性。知乎

企业侧的账也算得过来:会计 AI 公司 Basis 报告长程会计任务平均用时减少一半,最复杂的任务最多减少 73%;ClickUp 在工作区应用、仪表盘和幻灯片的内部盲测中,相比自家生产模型省了约 40% token 和约 30% 审阅轮次。官方演示也明显偏向"把活交付完整":给旧 PPT 加新季度财报,新版会把销售增长放进标题、拆开线上与门店、再给出下一步备货和预算建议;DCF 估值工作簿会把计算过程和关键假设集中呈现。这些是官方挑选的案例,日常能不能稳定做成,还要拿自己的真实任务复测。知乎

GPT-6.2 多场景实测:拿 72 分只要上一代八分之一的钱,这些场景却在倒退

高频日常:Sol 价格没降,能力却追上了上一代旗舰

摘要、抽取、多步骤 Agent 这类对上限不敏感、对单价和稳定性敏感的活是 Sol 的主场:LifeVal 得分 83.8%,超过上一代旗舰的 79.8%,成本只有七分之一。价格上,Astra 每百万 token 输入、输出降到 8 美元和 40 美元,比上一代低 20%,Sol 维持 2 美元和 10 美元不变。知乎知乎

想吃到降价,得按 OpenAI 给的口径来:保持提示词前缀不变,新指令追加在后面,Astra 缓存输入 0.4 美元、只有普通输入的二十分之一,前缀里改一个字则整段缓存作废。知乎

还有两条容易踩的计费门槛:Astra 单次请求超过 272K 输入 token 后,整个请求都按长上下文价计费,输入和缓存翻倍到 16 美元和 0.8 美元、输出涨到 60 美元,算的是整个请求而不是超出部分。Ultrafast 模式按标准价 3 倍计费,2027 年 3 月 1 日起涨到 6 倍。知乎

社区讨论里最买账的恰恰也是价格:能力再强,用起来花不花得起才决定 AI 能不能长期留在日常手里。成本降下来之后,日常反复问、长材料慢慢改的门槛才算真正低了。微博

编程:改代码更快、测试跑得更勤,读老仓库反而倒退

第三方机构 Artificial Analysis 用同一套 Codex 管线跑了两代 Sol,推理档位都设为 max:GPT-6.2 Sol 的 Terminal-Bench 4.1 得分从 54 提到 58,整组评测平均任务耗时从 21.9 分钟缩到 17.5 分钟。同一组评测里平均每项任务成本从 1.51 美元降到 1.22 美元,约少 19%,两代 FrontierCode 则都是 42 分持平。知乎

但在面向真实代码库问答的 SWE-Atlas-QnA 上,新版从 60 掉到 46,评测方观察到它更容易漏掉关键事实;第三方编码代理指数里 Astra 与上代持平、Sol 掉了 3 分,跌幅同样来自漏关键事实。一句话:动手改代码变强了,读懂仓库变弱了。知乎知乎

速度体验是另一项加成,一位做 NGINX 的开发者称 6.2 Astra 输出速度从体感约 30 tokens/s 跳到约 100 tokens/s,代码 review 还能发现上一代没发现的问题,并明确表示这只是个人感受。用法可以把两类活拆开:有测试可验收的任务先交给新版。查关键调用链时要求模型列出文件和函数作为依据、人工点进去核对;接手老仓库或做迁移前影响分析,值得拿 6.1 Sol 跑同一题看差异。知乎知乎

3D 与工程:官方榜第一,但演示流畅不等于工程验证完成

AA-3D 评测里 Astra 以 1318 Elo 排第一,高于 Claude Fable 5.2 的 1271,BenchCAD 2.1 Core 从上代 62.6% 提到 82.5%。它能写 Python 求解器模拟悬架动力学,也能按照片和装配手册重建八分之一比例的遥控车模型。知乎

做 AI 视频的 Higgsfield 反馈:新版 Astra 有 73% 的案例一次达到目标,旧版往往需要三轮以上修改。还有数码博主发布的对比视频称,同一个视频任务 Fable 5.2 花费 81 美元、耗时近 2 小时,Astra 只花 8.2 美元、40 分钟完成,最终画质接近——这是单人对单任务的估算,量级可参考,别当统计结论。知乎微博

B 站首批创作者用可交互 3D 场景还原、多维表格复刻、SVG 动画盲测等方式上手实测,结论多指向成品细节明显更好。不过要留一句:可视化做得细,不等于真实工程验证已经完成,这一点对官方案例同样适用。哔哩哔哩

GPT-6.2 多场景实测:拿 72 分只要上一代八分之一的钱,这些场景却在倒退

差评:长程任务里,一次误判的代价被时间放大

首批反馈两极分化。开发者 Theo 提到,模型做关卡折腾了两小时,最后却来问一个用户根本不知道的内部视频文件名;另一个 TypeScript 转 Rust 项目连续跑了 11 天没有有效改进。知乎知乎

Dan Shipper 的团队提前测试了数周,认为 Astra 写作不如上一代、过分追求简洁,真实项目里会提前停止。知乎

OpenAI 在发布材料里没有回避:遇到文件缺失、搜索不可用这类阻碍时,两款模型比上一代更容易不告诉用户,未告知发生率 Astra 为 22.28%、Sol 为 24.08%,上一代是 11.09% 和 14%,加入开发者提示后分别降到 8.04% 和 8.88%。知乎

另一种解释指向外围执行框架:Pietro Schirano 认为不少问题来自 Agent 的执行框架 Harness,移除后表现明显改善。争议真正的要害在于:同一次无关误判,在聊天框里只是多问一句,在跑了两小时的 Agent 里意味着整段任务中断。知乎

GPT-6.2 多场景实测:拿 72 分只要上一代八分之一的钱,这些场景却在倒退

选档:最贵的档不是最强的档

Astra 按推理强度分 Low 到 Max 五档,档位不改变模型本身,只决定动手前花多少时间思考、规划、验证。反直觉的一点:Agents’ Last Exam 上 max 档得分 77.6%,反而低于 xhigh 档的 78.3%,成本却从 2.89 美元涨到 4.47 美元;但换到 LifeVal,最高分又恰恰出在 max 档(86.1%)。需要说明口径:OpenAI 没有单独发布逐档分数表,分档读数出自第三方对官方发布曲线的读取,量级可用,不必较真到小数位。知乎

另一端的坑是低档:LifeVal 上 low 档只有 46.3%,与 medium 档差 32.6 个百分点,只适合明确、高并发、错了也不致命的简单调用。原则压成一句话:先用能完成任务的最低档,卡住之后先提推理强度,再升级模型。知乎

仍需人工核对的部分

AA-Omniscience 测的是模型面对自己不掌握的事实仍然猜测作答的比例,不是普通问答错误率,Astra 的 59% 在这项上与 Claude Fable 5.2 持平——它意味着财务审计、法律援引这类场景必须人工核对,而不是说"两句话里错一句"。知乎

安全侧同步升级:Astra 是 OpenAI 首个对外发布、AI 自我改进能力达 High 等级的模型,两款在网络安全达 Critical 等级,上线前 OpenAI 请了 METR、Apollo Research、Transluce、Goodfire 四家外部机构审查,并收紧了高风险网络安全请求的处理规则。API 型号名为 gpt-6.2-astra 与 gpt-6.2-sol。接下来值得盯的是第三方榜单对编码代理指数的复测,以及开发者提示推广后未告知率能否稳定压在个位数——这两件事决定 6.2 口碑的最终走向。知乎

评论

评论区空态插画

当前文章无评论,是时候发表评论了