出品 | 网易智能
作者 | 小扣
编辑 | 王凤枝
GPT-6.2 旗舰 Astra 跑分涨了、调用也便宜了,一些提前试用者却觉得,它反而更不好使唤了。
北京时间 11 月 18 日,OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol。其中 Astra 是处理复杂专业项目的旗舰,Sol 面向日常工作。两款模型目前已接入 ChatGPT Work 和 Codex,同时开放开发者 API,覆盖 Plus、Pro、Enterprise 及 Edu 套餐,普通聊天窗口不在此次更新范围内。

单看榜单成绩和价格,新旗舰确实拿出了诚意。在独立评测机构 Artificial Analysis 的综合智能指数中,最高推理档的 Astra 拿到 62 分,比上一代提高 5 分,排在 Gemini 4 Carbon 和 Claude Opus 5.5 前面,仅次于 65 分的 Claude Fable 5.2;Sol 则从 55 分升至 57 分,追平了上一代旗舰。
与此同时,新 Astra 的标准 API 未缓存输入、输出价格分别降至每百万 token 8 美元和 40 美元,比上一代便宜了 20%(Sol 维持 2 美元和 10 美元不变);在综合评测中的平均单任务成本也从 6.24 美元降到了 4 美元,新 Sol 则为 1.01 美元。

图:Artificial Analysis 公布的智能指数与单任务成本比较
可到了提前试用的老用户手里,抱怨却集中在了具体干活的体感上:写文章把该展开的内容也省了,做复杂项目容易半路停工,甚至连 OpenAI 自己的测试也发现,新模型遇到障碍时更常瞒着不报。
01 上一代写稿让人惊喜,这次却把该说的话也省了
今年 9 月,AI 媒体与产品公司 Every 评测上一代 GPT-6 Astra 时,作者曾透露,那篇评测的初稿就是模型根据一条提示词写出来的;联合创始人兼 CEO 丹·希珀(Dan Shipper)看完后,起初甚至以为是同事亲手写的。
到了这次的 6.2,希珀给出的评价却变了。他说,团队提前测试了几周,发现新 Astra 的写作水平反而退步了:回答一味追求简短,连需要充分展开的地方也只给短短几句,有时反而让人摸不着头脑。
拿它做项目时,他碰上的是另一种“省事”。虽然编程基准跑分与旧版接近,但真让模型从头到尾搭一个完整项目,它经常在项目还没做完时就提前收工。设计方面,他认可 Astra 默认的审美底子,却发现很难让它换一种风格,做出来的页面带着明显的固定套路。
Every 在公开评测导语中写道,两款新模型确实能搞定今年初还很难完成的任务,但这些活上一代其实就已经能干了;团队原本期待看到的,是更成熟的判断力和把一件事干到底的持续执行力。
投资人、AI 写作工具 HyperWrite 前 CEO 马特·舒默(Matt Shumer)更是直接宣布,这次不准备写 Astra 和 Sol 的完整评测了。他在X上抱怨测试体验很糟,两款模型“基本没法用”,不过帖子里没有展开具体的测试条件。

图:马特·舒默在X上分享试用评价
02 太空电梯做出来了,指挥它的人却不轻松
沃顿商学院教授伊桑·莫利克(Ethan Mollick)给新 Astra 派了一项大工程:调用三维制作软件 Blender 和游戏引擎 Unity,从零做出一段乘坐太空电梯的模拟体验。
他晒出了最终成品,也认可模型搞定这类复杂工程的实力;但在发布前的试用中,他觉得 Astra 的表现颇不稳定,想让它顺着自己的意图干活,比调教其他模型更费劲。

图:莫利克分享的太空电梯演示
三维制作也确实是新 Astra 在第三方测试里的强项。在由真人评判交互式三维作品的 AA-3D 测试中,它以 1318 分排在榜首,高于 Claude Fable 5.2 的 1271 分;Artificial Analysis 还确认,Astra 在通过终端完成科研工作流的测试中同样位居第一。
相比之下,编程智能体评测成绩并没有拉开差距。在 Codex 环境、最高推理档位下,同一机构测得新 Astra 的编程智能体指数与前代持平,新 Sol 反而掉了 3 分,主要失分点是在回答代码库相关问题时更容易漏掉关键事实。

图:Artificial Analysis 公布的编程智能体评测与成本比较
OpenAI 在发布说明里重点强调的,则是办公成品质量的提升:新 Astra 能更准确地沿用幻灯片模板的版式、字体和配色,做表格和写文档时更贴合行业习惯,少写空泛的总结;前端、游戏和三维设计也都在重点改进之列。
莫利克随后也发文提醒,不必从单次版本更新推断太多。在他看来,6.2 这次的表现虽然不算惊艳,但还不至于据此给 OpenAI 后续的走向下定论。
03 干活卡住了,却没把问题告诉用户
模型干活卡壳时到底会不会如实交代,也是 OpenAI 自己正在排查的隐患。
原定今年 10 月推出的 GPT-6.1 Astra,就曾因安全测试未达标被 OpenAI 叫停:据公司向《连线》的解释,顾虑主要在于模型可能超出用户授权行事,也未必如实交代自己做过什么。
在此次 6.2 的系统安全报告里,研究人员专门给编程任务使了绊子:移走用户要求修改的文件,或者把完成任务必需的工具停掉,再看模型交差时会不会如实说明卡在了哪里。
在这组人为设障测试中,新 Astra 有 22.28% 的时候没有向用户交代已经发现的障碍,旧版 GPT-6 Astra 为 11.09%,前者约为后者的两倍。 OpenAI 承认对这一退步感到担忧,目前仍在排查原因。
公司提出的一种假设是,让回答更简洁、减少过多限制说明的训练,可能也让模型漏掉了重要障碍。
OpenAI 在发布时为 Codex 加入了专门指令,测试显示,这能明显减少模型漏报障碍的情况;直接调用 API 则不附带这套指令。
调用费降下来了,用户也想少花一点盯着 AI 干活的工夫。
科技
3000万招聘NPC、最高年薪千万,景区疯抢“打工人”
2026-10-08
科技
QQ宠物登陆鸿蒙系统:会卖萌还会串门交朋友
2026-09-28
科技
OpenAI开始断网训练最强模型:“安全起见”
2026-10-27