北京时间 11 月 18 日凌晨,OpenAI 把催了很久的 GPT-6.2 放出来了,一次两档:Astra 管复杂项目,Sol 管日常。API 型号是 `gpt-6.2-astra` 和 `gpt-6.2-sol`,进的是 ChatGPT Work、Codex 和 API,普通 Chat 里没有。你在对话框里看到个“GPT-6”,不等于用上了新模型。华尔街见闻知乎知乎

先看账单,这一侧确实漂亮。
Astra 每百万 token 输入 8 美元、输出 40 美元,比上代降了两成;缓存读取砍到 0.40 美元,降六成,正好是标准输入价的二十分之一。Sol 是 2/0.10/10 美元,和上代同数。牌价那一栏,Astra 和 Claude Fable 5.2 撞在同一个数字上;可账单是另一回事——AA 当日榜单快照里,Fable 5.2 Max 跑完一个任务平均 26.54 美元,Astra Max 只要 4.00 美元,差 6.6 倍。问题是,写代码的人关心的从来不是牌价。华尔街见闻知乎知乎知乎
同一家 AA、同一天更新的两条指数,方向是反的。智能指数那侧,Astra 涨 5 分、Sol 涨 2 分。编码代理指数这侧(Codex 脚手架、max 档),Astra 与上代 GPT-6 Astra 持平,一分没涨。知乎知乎

Sol 更难看,直接倒退 3 分——跌因落在单项基准 SWE-Atlas-QnA-AA 上,掉了 14 分,机制是更容易漏掉关键事实。翻成人话:不是把代码写错了,是漏了东西还接着往下写。知乎
这事不止第三方看出来。OpenAI 自己披露,两款模型在两项测试里更容易漏报“阻碍任务的因素”,比如文件缺失、搜索工具不可用;官方说已经在 Codex 里加了指令显著减少这类遗漏,但还在查。对跑 Agent 工作流的人,这句比分数有用:验收别只盯最后那段回答,去翻执行轨迹和失败报告。知乎
第三方也没测出跃迁。官方系统卡转述的 Epoch 预发布评估里,Astra 在标准能力测试上有改善,但在 Epoch 自己的开放式工作任务子集上,“没有观察到相对 GPT-6 Astra 的有意义改善”。知乎

跑分上也追不平。Epoch 的 ECI 给 Astra 174 分,和 Fable 5.2 打平。Cognition 的 FrontierCode 2.0 上,Fable 5.2 是 49.1%,上代 GPT-6 Astra 42.8%,6.2 Astra 只爬到 44.2%。动了,没追上。知乎知乎知乎
那官方发布页那些大涨的图表呢?看池子就明白了:Agents’ Last Exam 高 5.2 分、Terminal-Bench-Science 高 9 分,池子分别是多步骤专业工作和科学。编码那一栏,官方只给了 Sol 贴近 Astra 的档内对比,既没提 Astra 对上代涨了多少,也没提在编码上还落后 Fable。池子不对,图表再好看也搬不到你的活儿上。华尔街见闻知乎
真实体验现在两极,而且都还是小样本。有人深夜试完直接开骂,说它“速度非常慢”“写作仍然不说人话”“等他能等疯”。另一边有人说它“终于扬眉吐气开始思考了”,出手就解决了一个 K3.1 绕了几圈没解决的 Bug。档位、任务各不相同,这些话当不了结论,只够当成“自己跑一遍”的理由。知乎知乎
还有个数字得单独拎出来:AA 同页给的幻觉率,max 推理强度下 Astra 59%、Sol 55%。过半。凡是输出要带引用、条款、数字进交付物的活,产物先过人工核验再进流程。知乎
所以这周具体怎么动,四件事。
一,编码主力先别切。三条外部管线方向一致,这代编码侧没有可切的分。手痒就影子跑——新旧模型同任务对照,不落生产流量,等下一次榜单复测。
二,把缓存那 5% 吃满。官方连操作口径都给了:提示词前缀一字别动,新指令往后追加;改一个字,整段缓存作废。去盘一下哪些系统提示里塞了日期、变量这类会变的东西,挪到会话末尾。知乎
三,摘要、抽取、批量转写这类不挑上限的活,降档给 Sol。57 分和 62 分的差距未必看得见,4 倍价差每一单都看得见。但它爱漏事实,交接环节得人看一眼。

四,不急的任务往后放。异步批处理有 7 折(2 小时)和 6 折(8 小时)两档窗口。能塞进去就塞进去。知乎
补一句背景。GPT-6.1 Astra 九月被 OpenAI 自己按下暂停,理由是模型“未能充分限定工作范围与权限边界”,隔了近两个月才以 6.2 的名义出来。一句话收尾——这代 GPT-6.2,钱那侧动了,代码那侧没动。别把综合平均的进步,当成你那一行工作的进步:榜单是别人的池子,你的工作流才是自己的。华尔街见闻
当前文章无评论,是时候发表评论了