GPT 6.2 终于正式发布了,目前已经在官方推送给所有人使用了。这次有两个版本,Astra 冲击第一梯队,Sol 性价比更为更突出
GPT-6.2 Astra 从上一代的 57 分提升到 62 分,跻身全球第二梯队榜首附近,仅落后 Claude Fable 5.2。AI Timeline+2。这次有两个值得注意的地方:
Astra:57 → 62 分,提升 5 分。 超过 Gemini 4 Carbon 和 Claude Opus 5.5,旗舰模型的综合能力明显提升。
Sol:55 → 57 分,提升 2 分。 已经追平上一代 GPT-6 Astra 的智能指数,但单任务评测成本仅约为上一代 Astra 的 16%。
不过,Coding Agent 的独立测试并没有同步出现明显突破:Astra 与上一代基本持平,Sol 在最大推理档位甚至下降了 3 分。所以不能简单理解为所有编程任务都变强了。
价格方面,这才是本次升级最有竞争力的地方。Astra 与 Fable 的普通输入、输出同价,但 Fable 缓存读取便宜 50%;Sol 与 Sonnet 5.5 的三项价格完全一致。
综合来看,Sol 可能比 Astra 更有商业价值。 对于需要频繁调用模型的 Coding Agent、自动化办公和多 Agent 系统来说,长期运行成本比单次最高分更重要。
实际体验
山路底盘动力学仿真(工程仿真标杆)
Astra 完整跑通「建模 + 求解器 + 渲染」工程流水线:建 3D 车模 → 自写 Python 求解器模拟轮胎/悬架力学 → Blender 渲染成动画。左侧跑车跑山路,右侧四张热力图(前后悬架运动、四轮接地压力、转向油门输入)实时联动。
遥控越野车装配指南(硬件文档自动化)
给定公开照片与装车手册,Astra 逐零件建模,产出整套零件平铺图(knolling)+ 装配动画 + 图解零件目录——前悬挂、差速器、避震、车架、车壳(印 OpenAI)、发动机、油箱一应俱全。
Meridian Sound Racing —— 可玩的 3D 赛车(可直接试玩)
Astra 在浏览器里生成未来城市赛车游戏,玩家可驾驶赛车穿过灯光闪烁的城市赛道。一次 trajectory 同时搞定 3D 布局、游戏逻辑与前端打磨。
🎮 试玩链接:https://meridian-futuristic-race.openai.chatgpt.site/ (建议电脑浏览器打开)
玩法:车库选车 → 选短赛 Prism Sprint(1.64km)或大奖赛 Grand Prix(3 圈 × 7.91km)→ Launch Race,方向键驾驶、空格加速。
Marina City 纸灯(照片→CAD→实物)
拿芝加哥 Marina City 弧形阳台照片做参考,与 Astra 一起迭代 CAD 模型,最终亲手组装出实体纸灯——涵盖「照片→CAD→文档→手工装配」的完整链路,配套的纸灯生成网站也是 Astra 写的。
房车网站(交互式选配器)
Astra 为房车品牌搭建带交互式车辆选配器的网站,版式、图像围绕站点实际目标构建,观感独特。
3D重建
3D 巴黎歌剧院全景 + 奥斯曼建筑 + 行人车辆
哥特式大教堂内景,肋拱顶、尖拱、束柱、花窗
鹈鹕骑车对比 —— 同一句提示词,GPT-6.2 Astra(上)与 GPT-6 Astra(下)分别生成,画面审美、版式风格差异一目了然。
跑分还行,但是被集体差评
GPT 6.2 这个新模型,好像被硅谷开发者集体差评了,三位早期测试者的反馈非常一致:
Matt Shumer: 测试体验极差,基本不可用。
Theo: 让 Astra 连续运行 11 天优化 Rust 编译器,结果性能没提升,反而下降 56%,最后 4 天几乎没有有效进展。
Every 团队: 30 人内测后,没有人愿意将其作为首选模型。
最突出的问题是: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。
那为什么跑分高,实际体验却差?
大众都在猜测模型过度追求 Token 效率,牺牲了可解释性与可控性。下面有几个网友的案例,作证了这个想法。
长任务失控:运行 11 天,性能反而下降 56%
Theo 让 GPT-6.2 Astra 优化 Rust 编译器,主要目标是提升性能,顺便缩小体积。
结果是
前 7 天:模型过度关注缩小体积,编译速度反而下降 56%。
后 4 天:用户明确要求只优化性能,模型却没有产生有效代码改动。
问题: 模型有执行能力,但缺乏持续的目标校验和有效的失败反馈。
过度压缩沟通:解释一大堆,却没说到重点。还有让 Astra 分析为什么某台机器上的开发工作树特别慢。
模型没有准确识别用户真正需要的结论。这里反映的是沟通效率问题,而不是简单的输出 Token 太少。
写在最后
总体来看,GPT-6.2 是一次很有意思的升级:模型的能力上限更高了,价格更便宜了,但实际使用体验却不一定更好。
尤其是 Astra,综合跑分提升明显,在 3D 建模、工程仿真、复杂代码审查等场景中,确实展现出了很强的能力。但回到日常 Coding Agent 和长链路任务中,反而暴露出不少问题:容易偏离目标、遇到错误不主动反馈、沟通效率低,甚至需要人类不断介入纠偏。
这其实反映了当前大模型发展的一个矛盾:模型越来越聪明,但不代表越来越好用。
当然,Astra 的这些问题究竟是不是过度压缩 Token 导致的,目前还没有充分证据。不能简单地把开发者的负面体验全部归因于模型的推理机制。
GPT-6.2 Astra 证明了 OpenAI 依然有能力把模型的智力上限往前推,但这次开发者的集体吐槽也说明,从高智商模型到真正可靠的 Agent,中间还有很长一段路要走。