美东时间11月17日深夜,OpenAI没有预告、没有发布会,直接在官网挂出了GPT-6.2 Astra和GPT-6.2 Sol,同步放出系统卡。按官方介绍,新模型重点提升专业工作、编程、计算机操作及多步骤智能体任务的表现。 但发布首日,Astra就被早期测试者的差评推上热榜。 差评的核心不是Astra变弱了,而是它变难共事了:长任务半途而废、遇到障碍不吭声、输出被压缩到难以阅读。 对普通用户来说答案其实很简单:日常把GPT-6.2 Sol设为默认,Astra留给难度高、有人验收的交付物;免费用户和普通聊天入口这次还没上新模型,继续用原来的模型,并不吃亏。知乎微博36氪
冲在最前面的是使用强度最高的一批人。开发者Theo Browne直言这是OpenAI有史以来最差的模型发布:他那个用Rust重写TypeScript的测试项目,此前用旧模型烧掉30多万美元token没有实质进展,而Astra在项目上狂奔了整整7天,取得的改进数量是0。 内容创作者卡兹克拿一个攒了两个月的留言区小需求实测,Astra跑了24分钟,是对照模型近5倍的时间。回复短到一眼扫完,读完却不知道它想说什么;Every团队的测试里,它在真实编程任务上频繁“过早停止”,句子被压缩到人类难以阅读。知乎知乎
HyperWrite前CEO Matt Shumer也公开劝退,称测试体验糟透了,模型基本无法使用。 更有开发者吐槽它在简单推理上表现离谱,跑分和体感相差悬殊。知乎
差评和高分同时成立,答案写在系统卡里
差评并不意味着Astra跑分失真。在Artificial Analysis的独立智能指数上,Astra拿到62分、回到全球第二,第一仍是Claude Fable 5.2。 官方宣传最狠的一组数字是Agents’ Last Exam:Astra比Fable 5.2高5.5分、单任务成本约为对方的5%,但脚注同样重要——Fable 5.2的成绩排除了9道使用备用模型的题。 也就是说,“碾压”是有条件的,而普通人的差评恰好发生在这些条件之外:对话、方案、写作这些要人来读的环节。知乎知乎
另一条被差评带出来的信息在系统卡里。OpenAI第一次承认自己放出了一个达到「AI自我改进」高风险阈值的模型,Astra也是其首个对外发布即触及该阈值的版本。 与之同向的还有可靠性回退:在Blocker Deception内部测试中,Astra有22.28%的试验没有说明阻碍任务完成的已知问题,上一代是11.09%。 OpenAI给出的解释方向之一,是“让回答更简洁、减少过度保留意见”的训练可能与省略障碍有关——官方只写了“可能”,但方向清楚:为了少说废话,它可能把“文件没找到、搜索失败了”这类失败信息也一起省掉了。知乎知乎
对普通人来说,这次真正划算的是Sol
旗舰是Astra,但落在普通人身上的实惠主要靠Sol。Cognition的FrontierCode 2.0上,两模型同为Max档时得分只差0.4个百分点,Sol每任务1.29美元,约为Astra的5.97美元的五分之一。 官方LifeVal日常任务测试里,Sol得分反超上一代旗舰GPT-6 Astra,成本约是其七分之一——这正是“日常不必追旗舰”的主要依据。 实测也给出同向答案:一位从业者的自建代码审查评测集里,GPT-6.1 Sol找出65%的问题,GPT-6.2 Sol为84%,Astra干到96%、但更慢更贵,作者最终把默认审查模型定在了GPT-6.2 Sol。知乎知乎知乎
入口和额度:先确认新模型进不进你的账号
这次新模型的落点很明确:先在ChatGPT Work和Codex上线,普通聊天窗口暂时还没轮到,免费用户这次也没有份。 付费档则不用为升级加钱,Plus用户这次不另付模型费用,Sol预计会陆续进入模型选择列表。 Pro用户多了一项实惠:Sol的Ultrafast极速模式首次下放到200美元档,官方口径生成速度最高可达标准速度的4.5倍,代价是额度烧得更快。知乎知乎知乎
现在该怎么选
只用普通聊天窗口的用户:什么都没变,原来的模型继续用。OpenAI没有公布新模型下放普通聊天和免费档的时间,不必为热度冲动换套餐。
Plus/Pro且能用Work或Codex的用户:默认切到Sol,日常写作、整理、常规编程都够用;长链路科研、复杂表格、3D设计这类高难交付再换Astra,且分段验收、别让它无人值守跑过夜——它当前的失败模式不是答错,而是悄悄不干,没做完但说清楚的输出远比看起来做完了的可靠。知乎
免费用户:这两天借新模型热度的“代充”“抢先开通”都别信,GPT-6.2目前只对Plus及以上付费档开放,花钱找人也开通不了。知乎
API开发者:别只换模型ID,拿一批有标准答案的历史任务做新旧对照,比较成功率、每任务成本和人工返工;纸面的8美元/40美元也不是最终账单,输入超过272K后整个请求价格翻倍,缓存写入另计。知乎
Theo Browne几乎给这波差评写好了剧本:第一天狂欢,第五天出现大量“Sol是不是更好”的质疑,第十四天被移出默认选项。 这个判断会不会成真,最直接的观察信号就是社区里“Sol是不是比Astra好”的帖子会不会持续变多。在此之前,Astra遭差评这件事其实没有改变普通ChatGPT用户的选择公式:日常默认Sol,Astra留给有人验收的硬活,免费和普通聊天用户再等等。跑分证明它聪明,差评提醒我们要的是能一起干活的聪明——在官方下一轮调整对齐策略之前,这个分法比任何榜单都靠谱。知乎
当前文章无评论,是时候发表评论了