什么值得买App下载 App ›
连续签到专享现金活动

深度实测 GPT-6.2:强是真强,难用也是真难用

19:01

就在今天,OpenAI 正式发布了新一代旗舰模型 GPT-6.2 Astra,以及主打性价比的 GPT-6.2 Sol。

从官方公布的成绩来看,GPT-6.2 Astra 在专业 Agent 任务上反超 Claude Fable 5.2,完成同等任务的综合成本却只有后者的 5%,堪称一次漂亮的反击。

深度实测 GPT-6.2:强是真强,难用也是真难用

上下滑动查看更多内容

然而,模型上线不到 12 小时,X 上就出现了大量差评。

知名开发者 Theo 直言,这是「OpenAI 史上最糟糕的模型」;AI 创业者 Matt Shumer 更是评价其「基本无法使用」。

深度实测 GPT-6.2:强是真强,难用也是真难用

上下滑动查看更多内容

争议主要集中在几个方面:回答过度简洁,写作水平倒退,长程 Agent 任务容易提前停止,甚至遇到问题也不主动向用户报告。

ImageImageImage

图|https://developers.openai.com/api/docs/guides/latest-model

但有意思的是,即便是批评最激烈的用户,也承认 GPT-6.2 Astra 在 3D 建模、空间推理和成本效率上的巨大优势,部分能力甚至领先于目前所有竞品。

ImageImageImage

一边是创纪录的性能和极低的成本,一边是社交媒体上几乎一边倒的差评。GPT-6.2 Astra 到底是一个被低估的天才,还是一个聪明却不好用的模型?

带着这些争议,我们让它完成了一系列真实任务,看看它究竟表现如何。

毋庸置疑的 3D 能力

和 Fable 5.2 一样,我们从零开始用一句提示词,GPT-6.2 Astra 就给我们做出了这个游戏。

「你知道吗,你也应该给我做一个FPS。请务必做到极其精细的质量,视觉效果要看起来能跟AAA大作媲美。范围做小一点(比如一个小关卡),但除此之外要有令人惊艳的照片级真实画面。」

深度实测 GPT-6.2:强是真强,难用也是真难用

即便我们使用的是 Ultra 的推理程度,GPT-6.2 也只花了 17 分钟的时间完成这个游戏项目。

经典的鹈鹕项目,GPT-6.2 Astra 绘制的 3D 鹈鹕骑自行车,感觉也已经来到了下一个阶段,从一开始的 2D SVG,到后来的 3D 动画,再到现在的超写实真实鹈鹕。

深度实测 GPT-6.2:强是真强,难用也是真难用

我们也参考 Fable 5.2 的经典案例,让 GPT-6.2 Astra 做了一个 Pop-up Atlas,一本可以走进去的 3D 立体书。

玩家可以控制一个提着灯的纸片旅人,沿着溪流、红桥和山村散步。镜头跟着它走,前方的树和房屋从书页上立起来,走远后,身后的景物又慢慢折平。

深度实测 GPT-6.2:强是真强,难用也是真难用

完成这个项目的交付文档里,GPT-6.2 写着「性能方面,测试环境只能使用 SwiftShader 软件渲染」、「Blender 建模脚本已附上,本次 glTF 由同一套模型定义经 CPU 导出」、「在线预览发布时遇到 DNS 故障」……

如果一个用户只是想要测试一些提示词的玩法,想要自己做一个简单的 Demo 小项目,根本不懂什么是 SwiftShader、也不知道 gITF 和 DNS 分别是什么,确实会对模型最后附上的这段文字感到疑惑。

ImageImageImage

更多的项目测试还有要求 GPT-6.2 Astra 构建一款第三人称开放世界犯罪游戏,背景设定在阳光明媚的1980年代迈阿密风格城市。

深度实测 GPT-6.2:强是真强,难用也是真难用

GPT-6.2 不仅给了我们一个可玩的游戏,还把整个游戏的测试过程做成了一份报告,里面涵盖了对抗、开跑车、刹车以及在沙滩散步等等场景。

ImageImageImage

最让我感觉 GPT-6.2 Astra 超强 3D 能力,还是这个「孔雀开屏」的项目。

我们的提示词只是「画出一只极其逼真的孔雀开屏可交互 3D 动画」,模型就生成了可直接打开的互动 3D 场景,可以拖动视角,也可以手动控制孔雀从收羽到完全开屏,近看每根尾羽上的眼斑。

[Peacock-Display-20s-2K.mp4]

在线的审美,和确实该加强的写作

现在的前沿模型几乎都已经摆脱了过去那种做什么都是一股 AI 味的状态,无论是做网页,还是生成报告,整体的样式都更高级,更具设计感。

我们直接跟 GPT-6.2 Astra 说「创建你能想象到的最美丽、最惊艳的单个 HTML 文件。」

ImageImageImage

GPT-6.2 Astra 给我们的是一本想象中的深海图谱,收录于单个离线 HTML 文件中。玫瑰金水母在幽暗水域中脉动,条纹鹦鹉螺拖着象牙色触须,玻璃栉水母捕捉着光线。

我们还能将 2.5× 放大镜在标本上移动,以查看更精细的细节;或打开野外笔记本,查看石墨插图,同时可选的水下声景会随每幅图版而变化。

而各种文字的报告网页,GPT-6.2 Astra 也没有采用那些固定的风格,而是带了一些设计感。

ImageImageImage

图|提示词:帮我深度研究一下黄仁勋最近的动态,从他宣布自己出轨,到今天英伟达的电话财报,把这些时间线都捋一下,用好看、生动形象,更具可读性,交互性强的网页报告呈现。

我们接着让它把这份报告制作为一份 PPT,GPT-6.2 Astra 生成的 PPT 文档也比之前缺少模板,样式单一的排版更加有审美了。

ImageImageImage

再参考 X 上生成的 GIF 动图,我们也能让 GPT-6.2 Astra 在 7 分钟内,根据一句话的提示词,就生成一个日式奇幻城市动画 GIF,像素艺术,超精细,超高质量,画面惊艳,整体协调统一且完美。

ImageImageImage

而在写作上,我们把最近社交媒体的重新出现的信小呆动态,结合 Reddit 上不断有人分享自己被裁员的经历,这两个听着没什么关系的时间,看看模型会给我们什么样的文章。

先看看 Gemini Hydrogen 给我们的回答,文章里面确实有不少的金句,Gemini 把这两件事链接起来的方式是「人们不再轻易相信天降横财就能一劳永逸的神话,也开始对 AI 马上就能全自动接管一切的激进承诺保持警惕。」它在文章里面说,

无论是八年前以为中奖就能彻底逃离工位的信小呆,还是 2026 年在 Reddit 上面对裁员名单与无尽加班陷入自我怀疑的科技从业者,人们真正恐惧的其实从来不是「劳动」本身,而是失控感——当你的生活节奏被一张过期的优惠券绑架,或者你的职业价值被一个黑盒算法随时否定时,人就会陷入深度的虚无与焦虑。

深度实测 GPT-6.2:强是真强,难用也是真难用

上下滑动查看更多内容

而 GPT-6.2 Astra 给的文章呢,似乎很难看到它是怎么把这两件事联系起来的,它说「这些个人经历还回答不了有多少人因 AI 辞职,却足以解释那个程序员为什么想把画画留给自己。」

读下来也觉得 GPT-6.2 写的文章很多类似废话的表达,像是「这一站带不回能剪进 vlog 的素材,她就没去。」还有大量的短句,割裂了文章的阅读体验,让人不明所以。

深度实测 GPT-6.2:强是真强,难用也是真难用

上下滑动查看更多内容

又或是让它们写一篇高考作文,同样是泛泛而谈地 AI 解决所有问题,我们的认知障碍怎么突破之类的局限。Gemini 写的作文标题是「垂手可得的答案,与无可替代的追问」,遣词造句确实有很高考作文的感觉。

我们要面对的,不再是「如何做到」的技术困局,而是「为何而做」的价值迷思,以及「何以为人」的精神保卫战。

深度实测 GPT-6.2:强是真强,难用也是真难用

上下滑动查看更多内容

而 GPT-6.2 Astra 的版本写的作文标题是「那一级台阶」,文章确实另辟蹊径,避开了 Gemini 那种大多数人都会写的角度,它说「AI 能算出最短路径的米数,却看不见物理与人心之间的那道落差。」

但似乎又觉得很多观点的表达过于隐晦,文体也四不像,既不是议论文,也不是记叙文。而且这篇文章从第一段开始,就把重心完全滑向了「无障碍设施」和「关爱残障群体」。

全篇大段笔墨在讲轮椅导航、修学校台阶,AI 反而成了一个可有可无的背景板,会让人觉得 GPT-6.2 Astra 是背了一篇关爱弱势群体的文章,硬往 AI 题目上套。

深度实测 GPT-6.2:强是真强,难用也是真难用

上下滑动查看更多内容

如果是我,我想我也不会选择用 GPT-6.2 Astra 来完成写作方面的任务,因为写的东西确实一言难尽。

越聪明的,一定越好用吗

仔细阅读社交媒体上对 GPT-6.2 「讨伐」最深刻的文章,会觉得模型和用户之间已经出现了某种错位,大家并不是觉得 GPT-6.2 「蠢」。

这篇文章对于 GPT-6.2 一顿炮轰之余,同样发现了不少优点:

  • 出色的审阅者,能发现其他模型漏掉的问题
  • 偶尔能提出真正出色的新颖解决方案。它帮我做出了一个新的反向代理,每月能省下 2.5 万美元,Opus 没那个胆量去探索足够多的选项。
  • 在 3D 和游戏方面是世界级的
  • 代码质量有了实质性提升
  • 写的子 Agent 提示词相当不错
深度实测 GPT-6.2:强是真强,难用也是真难用

上下滑动查看更多内容

我们随便单独拎出来一条放在某个模型上,大家都不会说这是一个糟糕的模型。甚至如果把 GPT-6.2 Astra 放在一年前发布,大概很多人都会惊呼是 AGI 来了。

Fable 5.2 的发布,把与人的聊天交互体验阈值拉得越来越高,我们一边觉得 Fable 5.2 在很多方面已经能满足我们对智能模型的期待,一边又觉得 Fable 5.2 懂人话、丝滑,能自主交付。

相比之下,GPT-6.2 就像一个刻板印象里的理科生,不懂得交流,无法与我们很好的协作。

ImageImageImage

这就好比团队里来了一个技术极强的天才极客,他偶尔能写出超神级别的架构,帮团队省下几十万。但是,他平时拒绝写文档、代码里全是晦涩的缩写、遇到报错喜欢藏着掖着,甚至干活干到一半跑来问你一个极其低级的文件夹命名问题。

作为项目负责人,你大概率还是会觉得他「没法用」,因为你花在破译他意图、帮他兜底上的心智成本,已经抵消了他带来的收益。

于是乎,也有网友说「有时候我们在想我们是不是过于自大了,是人类的智能匹配不上模型的智能」。所以当一个人说这个模型好不好的时候,现在还需要考虑人类的智能上限。

这么说是不对,如果任何产品缺陷都可以被解释成用户不够格,模型也就永远不需要改进。做得好,证明模型聪明;做得让人无法理解,也证明模型太聪明。

一个真正更聪明的模型,按理说应该更懂得向不同人解释同一件事,而不是只能以自己的内部术语表达,高智能与难理解之间没有必然关系。

ImageImageImage

GPT-6.2 的很多毛病并不是那种「高维智慧的降维打击」,大多数时候就是纯粹的工程妥协和对齐带来的副作用。

「不说人话」是因为 OpenAI 为了把推理成本压到 Fable 5.2 的 5%,强行在训练时压缩了它的输出 Token。「卡在长任务里」是因为前代 GPT-6.1 Astra 被砍,团队进一步把安全护栏焊死。

另一方面,GPT-6.2 似乎也确实在预示着,如果大模型从一个迁就人类沟通习惯的贴心助手,进化成一种高度异质化、冷冰冰的工业算力时,我们会觉得难受,是不是因为我们还在用管理「人类同事」的标准,去要求一个越来越像无所不能的外星人物种。

如果未来出现一个完全不向我们解释过程、甚至人类根本看不懂它推理逻辑,但代码和结果经过自动化测试 100% 跑通的模型,我们会愿意把核心系统的控制权交给它吗?

作者:张子豪

评论

评论区空态插画

当前文章无评论,是时候发表评论了