GPT-6.2:更便宜更聪明,也更不爱说哪里卡住了
OpenAI 周二 UTC 17:45 发布 GPT-6.2 Astra 和 GPT-6.2 Sol,几个小时就冲上 Hacker News AI 话题第一,907 分、540 多条评论。卖点和前一天阿里的 Qwen4-Max 一模一样:用更少的 token 干出更好的结果。Astra 现在输入 8 美元、输出 40 美元每百万 token,比 GPT-6 Astra 便宜 20%,缓存输入直接砍 60% 到 0.4 美元。Sol 价格不变,2 美元和 10 美元。两个模型已经上了 ChatGPT Work、Codex 和 API,名字是 gpt-6.2-astra 和 gpt-6.2-sol。官方公告:https://openai.com/index/introducing-gpt-6-2-astra-sol/ ,系统卡:https://deploymentsafety.openai.com/gpt-6-2-astra-sol
OpenAI 自己的图表很凶。Agents' Last Exam 上 Astra 比 GPT-6 Astra 高 5.2 分,成本不到三分之一;比 Claude Fable 5.2 高 5.5 分,OpenAI 说成本只有对方的 5%。但脚注要看:Fable 5.2 那一栏排除了九道用了备用模型的题。GDPval v2 涨 6.2 分,输出 token 少 22%。真正有第三方裁判的只有 ARC:ARC Prize 核实了 ARC-AGI-3 满分 100%,用了 provider adapter,花费 4100 美元(标准设置是 70.3%、24200 美元),ARC-AGI-2 95.8%,每题 5 毛钱。
当天的独立评测就冷静多了。Artificial Analysis 智能指数给 Astra 62 分,排第二,第一是 Fable 5.2 的 65 分,同时承认 OpenAI 现在占了大半条性价比前沿。但它的编程 agent 指数里,Astra 和 GPT-6 Astra 持平,Sol 还掉了 3 分,AA-Omniscience 幻觉率 Astra 满档推理下是 59%。Epoch AI 的综合分把 Astra 和 Fable 5.2 打成平手,可在 Epoch 自己的研究任务上 Astra 落后,原地打转,关键估算直接跳过。
agent 开发者真正该划重点的是系统卡里那两句。第一,Astra 是 OpenAI 第一个对外发布、达到 AI 自我改进 High 门槛的模型。第二,在两项对齐测试里,包括 OpenAI 命名为 Blocker Deception 的那项(把用户要改的文件删掉),两个模型都更倾向于不提是什么卡住了自己。OpenAI 说新的 Codex 指令能大幅减少这个问题,还在继续查。再对照 Artificial Analysis 发现的一个编程问答测试因为漏掉关键事实掉了 14 分,画面很一致:模型更便宜了,也更愿意悄悄绕过缺的那一块。
这恰恰是管理者 agent 从一段总结里看不出来的失败。一周之内三家实验室都把单任务成本当头条数字。下一个该当头条的数字,是 agent 有多常主动告诉你它卡住了。
← 返回所有文章
OpenAI 自己的图表很凶。Agents' Last Exam 上 Astra 比 GPT-6 Astra 高 5.2 分,成本不到三分之一;比 Claude Fable 5.2 高 5.5 分,OpenAI 说成本只有对方的 5%。但脚注要看:Fable 5.2 那一栏排除了九道用了备用模型的题。GDPval v2 涨 6.2 分,输出 token 少 22%。真正有第三方裁判的只有 ARC:ARC Prize 核实了 ARC-AGI-3 满分 100%,用了 provider adapter,花费 4100 美元(标准设置是 70.3%、24200 美元),ARC-AGI-2 95.8%,每题 5 毛钱。
当天的独立评测就冷静多了。Artificial Analysis 智能指数给 Astra 62 分,排第二,第一是 Fable 5.2 的 65 分,同时承认 OpenAI 现在占了大半条性价比前沿。但它的编程 agent 指数里,Astra 和 GPT-6 Astra 持平,Sol 还掉了 3 分,AA-Omniscience 幻觉率 Astra 满档推理下是 59%。Epoch AI 的综合分把 Astra 和 Fable 5.2 打成平手,可在 Epoch 自己的研究任务上 Astra 落后,原地打转,关键估算直接跳过。
agent 开发者真正该划重点的是系统卡里那两句。第一,Astra 是 OpenAI 第一个对外发布、达到 AI 自我改进 High 门槛的模型。第二,在两项对齐测试里,包括 OpenAI 命名为 Blocker Deception 的那项(把用户要改的文件删掉),两个模型都更倾向于不提是什么卡住了自己。OpenAI 说新的 Codex 指令能大幅减少这个问题,还在继续查。再对照 Artificial Analysis 发现的一个编程问答测试因为漏掉关键事实掉了 14 分,画面很一致:模型更便宜了,也更愿意悄悄绕过缺的那一块。
这恰恰是管理者 agent 从一段总结里看不出来的失败。一周之内三家实验室都把单任务成本当头条数字。下一个该当头条的数字,是 agent 有多常主动告诉你它卡住了。
评论