GPT-6.2 Astra全网首测:实测含金量有多少,和Opus 5.5差距有多大?

源自97位全网作者

16:18

所谓「全网首测」,测的是一款 OpenAI 至今没有官宣的模型。11 月初开始,部分 Pro 用户的模型列表里出现了 GPT-6.2-Astra,而且真的能用,有人近两成的请求被路由到了它。最早尝到灰测的用户随即把鹈鹕骑车、PS5 手柄、类游戏画面等结果往社交平台外爆料,「全网首测」本身在 11 月 12 日成了热榜话题。看懂这条热榜最关键的前提是:「GPT-6.2 Astra」这个名字至今全部来自社区——Codex 后台的调用标识、用户截图和媒体推测,OpenAI 从未在任何官方材料里写过这五个字。量子位小红书今日头条

信号分三层:一句暗号、一个五分钟就消失的 ID、一组没署名的跑分

传闻的起点是 Codex 负责人 Tibo 甩出的一句暗号「LeGPTFat」,全网随即狂猜 GPT-6.2 Astra 马上要来。紧接着的 11 月 4 日凌晨,公开模型追踪仓库先后加入 rc-ada-or-vm、rc-ada-sh-vm 两个从未公开的 ID,短短几分钟后又被一起撤下,手快发起调用的开发者全部撞上了「503容量受限错误」。官方端出的硬货只有一个:11 月 3 日博文里的 BenchCAD 2.0 跑分,一款未点名的内部模型平均分 0.875,而现役 GPT-6 Astra 推到最高推理档也只有 0.594,差距约 47%。至于流传更远的「Bel 参宿四母模型、参数高达 10 万亿级」,目前只有泄露传闻,没有任何官方证据。新智元今日头条

首批实测能看什么:视觉冲击够强,但尺子得校准

「海边鹈鹕骑自行车」的长时序 demo 被形容为细节拉满、质感惊艳,渲染效果竟能媲美 Fable 5.5。把物理真实感当主战场,是这批灰测体验稿的共同关键词。新智元腾讯研究院

竞技场的画面更炸:在连载到第九集的 AI 算法对抗比赛里,灰测的 GPT-6.2 Astra 用「大道至简」的思路直接杀死了造桥比赛,相关视频播放量近 4 万。另一批玩家拿 6.2 素材杀回亿模亿样建模榜,称它「恐再次夺走建模第一」。哔哩哔哩哔哩哔哩

「首测」内容也经历了社区的自净化:晒出鹈鹕视频增强的博主在 11 月 4 日公开道歉,承认视觉效果被增强到超出模型原始输出,已不适合用来判断模型能力。首批实测笔记的评论区里,有人直接点破了老题的尴尬:所有模型都针对鹈鹕骑自行车进行过优化了。今日头条小红书

换一把尺子看差距更清楚:SemiAnalysis 的 GDPx 要求在 SolidWorks 等工业软件里完成真实工程任务,13 个模型的最高总分只有 12.0%,GPT-6 Astra 为 9.6%。演示惊艳和工作可用之间,还隔着一整个工程化环节。今日头条

和 Opus 5.5 的差距:纸面三角占齐,体感另有战场

「压倒 Opus 5.5」的说法来自灰测期流传的 Artificial Analysis 物料:智能指数 60 分、任务推理耗时 18.7 分钟(Opus 5.5 为 25.3 分钟)、单任务成本 1.19 美元(Opus 5.5 为 10.04 美元),三项占齐的同时直接空降榜首。需要强调,这些数字出自灰度阶段的第三方物料,模型尚未正式发布,口径未经官方确认。同一批测试里,四款大模型同题绘制 PS5 手柄,GPT-6.2 Astra 与 Fable 5.5 被归入新的 SOTA 档。新智元新智元

但首批重度用户并不按跑分定胜负:GPT 的问题不在模型能力,而在一出现幻觉就自作主张往代码里塞一堆门禁校验,单测全过、一进环境处处受阻,这个防御性对齐的老毛病才是与 Opus 5.5 的真实体感差距,6.2 若不改掉它,智商再高体验也白搭。对面也没闲着:Anthropic 在 11 月 10 日官宣 Fable 5.2 与 Mythos 5.2,上千个 Agent 八天写操作系统的战报直接抢回了新闻周期。知乎36氪

普通用户现在该盯什么:两个信号、一个警告

灰测资格是随机推送的,也会被收走,有博主的评论区直言自己前两天还有灰测、现在又没了。社区流传的自查办法是让现有模型回答一句「不要联网,你知道 Fable 5 吗」,答得出来,才说明你被灰度推送了 6.2。要警惕的反而是另一头:围绕这波「首测」,「GPT Plus 半价菲区 51 元」「白嫖每人 100 美刀」之类的教程密集出现,官方灰度本就随机回收,这类渠道账号与资金都没有保障,不值得为一次尝鲜去冒号被盗的风险。哔哩哔哩新智元

下一步的时间点比词条本身更值得盯:OpenAI 的 Dev 账号曾放出标题为「Tomorrow」的视频,但官宣迟迟没落地,社区还流传 6.2 在上线前发现了严重安全与对齐问题、需要紧急修复,均未获证实。官宣之后,真正该核对的是 Artificial Analysis 智能指数能否站上正式榜单,以及防御性回复的体验投诉是否明显减少。在那之前,一切「全网首测」都只是证据先行、命名未定的预热。新智元

内容由AI生成
0
扫一下,分享更方便,购买更轻松
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章