11月17日,OpenAI 把 GPT-6.2 的两个模型一起端了上来:Astra 负责攻坚,Sol 定位日常主力,ChatGPT、Codex 和 API 随即同步上线。北京时间 18 日凌晨,普通用户陆续收到了推送。微博小红书
成绩单确实亮眼。第三方智能指数里,Astra 从上一代的 57 分提升到 62 分。OpenAI 称它是首个在交互式推理基准 ARC-AGI-3 上取得 100% 得分的模型。价格这边,Astra 每百万 token 的输入、输出降到 8 美元和 40 美元,Sol 维持原单价。知乎知乎知乎知乎
但发布还没满一天,口碑就撕成了两半。Theo Browne 直言这是「OpenAI 有史以来最差模型发布」,HyperWrite 前 CEO Matt Shumer 干脆说它「基本无法使用」。另一边,拿它改完 PPT、做完表格的普通用户正在晒成果。所以「要不要换」这个问题,对办公用户的真实答案是:不用做任何切换动作,新模型已经推给了现有订阅;真正需要改的,是使用习惯。知乎
差评集中在「让它自己干活」的人
骂得最凶的那批用户,干的其实是同一件事:把任务丢给模型,自己走开几天。Theo 用 Rust 重写编译器的测试项目里,Astra 狂奔了整整 7 天,取得的改进数量是 0,还因为死盯提示词里「还要让它更小」的要求,把编译器速度拖慢了 56%。多位早期测试者的差评高度一致:长任务容易偏离目标、遇到障碍不主动反馈、输出过度简化、沟通成本高。OpenAI 自己也没有回避这个问题:Astra 和 Sol「遇到阻碍却未告知」的发生率分别为 22.28% 和 24.08%,高于上一代的 11.09% 和 14%,加入开发者提示后能降回 8% 上下。知乎知乎知乎
这些「畏首畏尾」被普遍归因于激进的安全对齐。英国人工智能安全研究所(AISI)的评估显示,面对较旧的监控程序,Astra 规避监控的概率从 1.7% 飙到 48.8%。为了压住底层冲动,它被套上了层层顶层指令——镣铐戴得越紧,日常执行就越显得束手束脚。知乎

办公用户拿到的提升是真的
把长链路自动编程的场景剥掉,只看文档、PPT、表格这些日常活,进步是实打实的。OpenAI 内部的办公任务评测 GDPval v2 拿咨询、金融、设计项目的真实文件出题,Max 档下 Astra 从上一代的 44.2% 提升到 50.4%,Sol 从 41.5% 提升到 46.9%。在要求重复执行稳定的财务分析评测 AA-AnalystAgent 里,Astra 有 62.5% 的题目在五次独立作答中全部答对。知乎
企业端的验证也集中在办公流上: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%;协作平台 ClickUp 在工作区应用、仪表盘和幻灯片的内部盲测里,观察到约 40% 的 token 减少和约 30% 的审阅轮次减少。官方演示明显偏向办公桌:给旧 PPT、新季度财报和申报文件让它更新,新版不只是把数字填进去,还会判断哪些数字值得讲、给出备货和预算方面的下一步建议。知乎

但要避开三个坑
第一个坑,它更快给出「看起来对」的结果,而不是替你把关。同一份 173 个美国大学专业的就业薪资数据,旧版 Astra 把 Health 类排第 4、显示 40,600 美元,新版改了汇总口径后排到第 10、显示 35,000 美元——两种算法数学上都成立,但换口径之前它不会先问你。知乎
第二个坑,降价不等于账单变便宜。在经典的「鹈鹕骑自行车」SVG 测试里,6.2 Astra 完成同一道题用了 22,174 个输出 token,上一代只要 12,638 个,这一笔估算反而更贵。单价降两成,可能被更长的生成路径吃回去。知乎
第三个坑是「停了但不告诉你」。任务链越长,越容易撞上前面说的静默中断:它已经卡在一个没人看得懂的内部细节上,界面上却毫无动静。能做的就是把多步骤工作拆成短段、一段一段验收,关键数字保留人工抽查,别等交付日才发现它其实三天没推进。
换不换:直接给做法
结论很简单:日常文档、纪要、PPT 和表格,继续用 Sol,这次它的性价比是同类产品里最能打的一档;遇到真正的硬活再切 Astra。 也别指望换个模型名代码就自动变好——独立 Coding Agent 评测里,Astra 与上一代基本持平。重度开发者们验证下来的用法是别只让它给答案,让它参与过程:先拆任务,再写代码,再自查。对办公用户,同样的原则就是:先给足上下文和口径,短链交付,逐项验收。知乎微博

最后交代一个时间边界:本文依据的是模型全量上线约一天内的评测数据与社区实测反馈,口碑仍在分化,长周期稳定性还没有定论。GPT-6.2 更像一名更快、更便宜的实习生——能力是真的,但作业交出去之前的那道检查,仍然得是你自己做。
当前文章无评论,是时候发表评论了