GPT-6.2 發布:能複刻 PPT、建估值模型、做 3D 建模,但幻覺率仍高達 59%

2026-11-18 09:02:17

文|曉靜

編輯|徐青陽

美國當地時間11月17日,OpenAI正式推出GPT-6.2 Astra和GPT-6.2 Sol。

這場發布來得比外界預期更晚。早在10月底,就有網友從ChatGPT用量記錄中扒出疑似GPT-6.2的灰測痕跡,此後模型標識和測試截圖不斷流出。此前媒體曾預測新模型最快於11月6日發布,最終發布日期比這一預期晚了11天。

OpenAI這次重點強調了AI接手專業工作的能力。

從一張PPT截圖復刻完整的演示文稿,到提取財務數據、建立估值模型,再到操作Blender生成汽車三維模型、模擬車輛懸架的物理運動,甚至利用CAD設計機械零件並驗證裝配關係,GPT-6.2開始深入過去需要專業人員使用複雜軟體才能完成的工作。

OpenAI尤其強調,新模型能夠減少無效輸出和反復修改,讓AI交付的結果更接近專業工作標準。

過去兩個多月,OpenAI陸續推出GPT-6 Astra、Sol和Luna,以及GPT-6.1 Sol、Terra等模型。剛剛發布的GPT-6.2 Astra是繼9月GPT-6 Astra之後的旗艦模型升級,重點提升複雜專業任務的處理能力;GPT-6.2 Sol,主要強化日常工作、編程和多步驟智能體任務的效率。

根據Artificial Analysis最新榜單,Astra以62分升至全球第二,較前代提升5分;Sol達到57分。價格方面,Astra的API輸入、輸出單價均下調20%,快取輸入價格降低60%;Sol維持原價,但完成部分任務的總體成本進一步下降。

值得注意的是,GPT-6.2 Astra也是OpenAI首個被評估為達到AI自主改進能力"High"能力門檻的公開模型。

不過,漂亮的演示和跑分也引來了不同評價。發布當天,多位提前數周試用新模型的開發者公開表達失望,認為Astra在長時間的軟體開發任務中仍可能提前停止,過於簡潔的輸出有時還會遺漏必要信息。

同時,在越來越接近真實專業工作的同時,模型能力的邊界和安全控制也成為這次發布的重要看點。

OpenAI首席執行官山姆·奧特曼。圖片經由AI生成

01 性能與成本

GPT-6.2 Astra的API價格為每百萬輸入Token 8美元、輸出Token 40美元,快取輸入為0.40美元。與前代相比,輸入和輸出價格均下降20%,快取輸入則從1美元降至0.40美元,降幅達到60%。GPT-6.2 Sol維持每百萬輸入Token 2美元、輸出Token 10美元的價格。

對於多步驟智能體來說,API單價並不能完全反映實際開銷。模型執行任務時,可能需要多次調用工具、讀取文件、處理錯誤並重新嘗試。即使單價不變,如果完成任務所需的Token更少,最終帳單也會隨之下降。

在Cognition的FrontierCode 2.0編程測試中,GPT-6.2 Sol的得分只比Astra低0.5分,成本約為後者的五分之一。在面向日常複雜事務的LifeVal評估中,Sol的得分超過上一代旗艦GPT-6 Astra,單項任務成本約為後者的七分之一。

Astra在高難度任務中的表現也有提升。在Agents' Last Exam評估中,它較GPT-6 Astra提高5.2分,完成任務的成本不到前代的三分之一。與Claude Fable 5.2相比,Astra得分高出5.5分,單任務成本約為後者的5%。

02 專業工作交付

財務、法律和諮詢等專業工作,要求AI處理大量原始資料、核對數據,並按照行業規範形成可交付的成果。OpenAI表示,GPT-6.2 Astra在這類任務中的表現有所提升,能夠完成財務建模、併購分析、法律檢索和數據科學分析等工作。

OpenAI內部的GDPval v2測試覆蓋諮詢、金融和設計等領域,Astra得分較前代提高6.2個百分點,輸出Token減少22%。

法律檢索方面,在模擬真實律所任務的Harvey LAB-AA v1.1測試中,Astra的通過率超過Claude Fable 5.2的一倍,單任務成本約為後者的六分之一。

OpenAI內部的GDPval v2則覆蓋諮詢、金融和設計等工作。測試結果顯示,Astra的得分較前代提高6.2個百分點,輸出Token減少22%。

03 進入三維世界

GPT-6.2 Astra此次展示的另一項能力,是直接參與3D建模和工程設計。模型不再只是生成一段建模代碼,還能操作專業軟體,處理零件、調整結構,並將計算結果製作成可視化內容。

GPT-6.2 Astra進行山路駕駛與底盤動力學模擬

在山路駕駛模擬案例中,Astra先建立跑車的3D模型,再編寫Python物理求解器,計算輪胎接地力和懸掛系統的動態變化,最後把計算結果導入Blender,生成車輛行駛動畫。通過模擬,工程師可以在製造實體樣車之前,觀察車輛經過複雜路況時的載荷轉移情況。

機械建模案例的輸入資料則簡單得多。OpenAI只提供了1:8比例遙控越野車和直列六缸發動機的公開照片及裝配手冊。Astra據此建立各個機械零件的三維模型,並生成分步裝配動畫和帶圖解的零件目錄。

還有一項測試把CAD設計與實際製作聯繫起來。OpenAI團隊提供了芝加哥地標建築Marina City的扇形陽台照片,讓模型參考其結構進行設計。經過多次調整,Astra最終製作出一盞可以打印、折疊組裝的紙藝台燈,並編寫了配套網頁Lamp Builder,供用戶在線調整參數、生成定制圖紙。

GPT-6.2 Astra完成遙控越野車及發動機機械建模

在網頁開發中,Astra製作了一個露營車互動式配置器。用戶可以切換車身顏色、加裝車頂帳篷,頁面報價也會同步更新。它還根據文字描述生成了可玩的彈球台、羅馬鬥獸場復原模型,以及一款名為《Meridian Sound Racing》的未來城市賽車遊戲。

從芝加哥Marina City建築到紙藝台燈

Artificial Analysis的AA-3D人類評審盲測也對模型的3D生成能力進行了比較。GPT-6.2 Astra獲得1318 Elo分,排名第一;Claude Fable 5.2為1271分,GPT-6.2 Sol為1259分。

GPT-6.2 Astra生成的露營車互動式配置器

在測試物理世界理解和行動規劃能力的AA-Robotics v0.1預覽版中,Astra和Sol分別獲得79分和78分,高於Claude Fable 5.2的75分。不過,評測團隊表示,目前頭部模型已經能夠完成初始測試中的絕大多數基礎任務,正在增加難度更高的題目。

04 科學推理與短板

科學研究也是OpenAI此次展示的重點。

在Terminal-Bench-Science 0.1測試中,GPT-6.2 Astra較前代提高9個百分點,排名第一。這項測試主要考察模型在終端環境中完成科研工作流的能力。在要求模型解讀真實生物數據、設計實驗並推斷系統機制的Vals Science Index中,Astra也創下新高。

其他幾項測試的結果則略遜於Claude Fable 5.2。在物理推理基準CritPt v2的高難度子集、事實知識評估AA-Omniscience v1.1以及推理基準HLE-Diamond中,Astra均排名第二。

模型仍然存在的一個問題,是面對不確定的事實時可能給出錯誤答案。

Artificial Analysis的AA-Omniscience幻覺率測試顯示,在最高推理強度下,GPT-6.2 Astra和Sol的幻覺率分別為59%和55%。這項測試主要考察模型面對自身可能並不掌握答案的事實性問題時,是否仍傾向於猜測作答。它並不代表模型在一般問答中的錯誤率,但對於財務審計、法律援引等場景,仍然需要人工核對。

編程測試也沒有出現全面提升。在Artificial Analysis編程智能體指數中,GPT-6.2 Astra的得分與前代持平,GPT-6.2 Sol則較GPT-6.1 Sol下降3分。

分項結果顯示,Sol的失分主要來自SWE-Atlas-QnA-AA,成績下降14分。這項測試考察模型對複雜代碼庫的理解和問答能力。測試結果表明,Sol在回答代碼庫相關問題時,比前代更容易遺漏關鍵事實。

這對需要處理大型存量代碼庫的開發者來說,是一個需要留意的地方。模型能寫出代碼,並不代表它已經準確掌握項目的歷史、依賴關係和具體約束。

05 安全邊界

模型能夠操作終端、審查代碼和調用專業軟件後,網絡安全風險也隨之增加。

OpenAI披露,GPT-6.2 Astra和Sol均已達到公司《防範框架》(Preparedness Framework)設定的網絡安全"關鍵閾值"(Critical threshold)。兩款模型可以更高效地發現和利用軟件漏洞,也能編寫更安全的底層代碼,生成儘可能保留原有業務邏輯的修復補丁。

這意味著,同一項能力既可以用於漏洞排查,也可能被用於攻擊。OpenAI因此加強了公開版本對高風險網絡安全任務的限制。

對於需要進行漏洞測試的安全研究人員,限制也會影響部分正常工作。OpenAI目前通過Daybreak項目分級開放相關能力:防禦人員可以通過Daybreak Blue使用拒絕率較低的GPT-6 Sol;獲得高級授權的紅隊測試人員,則可以在Daybreak Red中調用GPT-6 Astra阿爾法版及GPT-6 Cyber。OpenAI表示,後續也會將GPT-6.2系列引入這一體系。

此外,OpenAI還在訓練階段加入了防禦導向的訓練信號。此前,AI已經被用於發現PHP2Shell等高危漏洞。GPT-6.2系列則進一步加強了從開發源頭識別安全缺陷的能力,並學習生成兼顧安全性和功能完整性的修復補丁。

最近融資

查看更多
11-17
$30M11-17
11-17

近期發行Token

查看更多
12-31
12-31
SSaturnSTRN
12-31

𝕏 最新關注

查看更多
SSolana關注了Reality
11-17
11-17