purnhub

电脑版下载

42720
8

purnhub截图Q8X2R7L1T4J5M9B6W3

内容详情

purnhub

作者｜周一笑邮箱｜ zhouyixiao@pingwest.com

四个月前，GPT-5 宣布时一堆人吐槽，跑分是高了，但谈天冷冰冰；一个月前，GPT-5.1 回应了这波差评，主打“更好聊、更好调”，算是把人味儿找回来了。

效果还没暖热乎，Google 的 Gemini 3 就杀了过来，直接把 LMArena 榜单屠了个遍。紧接着 Anthropic 的 Claude Opus 4.5 也上线，在编程榜单上把 OpenAI 按在地上摩擦。

于是就有了昨天破晓的 GPT-5.2。

这次宣布的配景很玄妙，就在几天前，有媒体爆出 Sam Altman 在内部发了一封Code Red邮件，要谴责公司集中资源刷新 ChatGPT。虽然官方说 GPT?5.2 不是专门为 Gemini 3 赶出来的，但 Code Red 和宣布时间点都说明：Gemini 3 至少加速了 OpenAI 把这版推向用户的程序。

这一次，OpenAI 虽然继续强调跑分相对5.1点提升，但还在重复突出一个要害词：专业知识事情。

换句话说，这次瞄准的不是“更好聊”，而是“更醒目活”。

第一个在“真实事情”上打平人类专家的模子？

这次 OpenAI 主推的新基准测试叫 GDPval：让 AI 去做 44 种职业的真实事情使命，好比做 PPT、做表格、写剖析报告。

效果是这样的：

GPT-5.2 Thinking 在 70.9% 的使命上能打平或者赢过行业专家

上一代 GPT-5 才 38.8%

Claude Opus 4.5 是 59.6%

Gemini 3 Pro 是 53.5%

更夸张的是效率：速率快 11 倍，本钱不到 1%。

虽然，GDPval 是 OpenAI 自己搞的基准，还没有被自力验证，以是这个打平人类专家的说法要打个问号。但即便打个折扣，从 38% 跳到 70%，这个提升幅度也很难忽视。

Anthropic 的 Claude 最近在这类使命上同样前进显着，但从 5.2 的发力偏向来看，OpenAI 显然想在"AI 替换知识事情"这条赛道上争先卡位。

OpenAI官方也放了一些事情中的案例，好比，同样是让模子做一个劳动力妄想表格（包括员工人数、招聘妄想、流失率和预算影响），5.1 输出的是一堆原始数据堆砌，5.2 则自动按部分分类、加上颜色标注和清晰的层级结构，看起来像是有人真的专心排过版。

Coding：前端又双叒叕更强了

编程能力也是 5.2 的重点宣传偏向。

SWE-bench Pro：55.6%（5.1 是 50.8%，Gemini 3 Pro 是 43.3%，Claude Opus 4.5 是 52%）

SWE-bench Verified：80%（和 Claude Opus 4.5 的 80.9% 基本打平，这个榜已经快刷到极限了）

OpenAI 这次重点宣传的是 SWE-bench Pro 而不是 Verified，角度是：Pro 版本场景更多样、污染更少，更能反应真实的软件工程能力。

前端开发能力又上了一个台阶，特殊是在 3D 场景渲染和重大交互界面这块。Cognition、Warp、JetBrains、Augment Code 这些相助同伴都体现，5.2 在交互式编程、代码审查和 bug 查找上都有可丈量的提升。

最直观的是这个海浪模拟案例的比照，

GPT-5.2 Thinking：

Gemini 3 Pro：

更像数学家了

数学能力是这次升级的另一个重头戏。

几个要害数字：

FrontierMath（Tier 1-3）：40.3%，创下新的行业纪录，上一代 5.1 是 31%

AIME 2025：100%，满分。这是第一个在不使用工具的情形下刷满这个竞赛数学基准的模子

GPQA Diamond（博士级科学问答）：Thinking 版 92.4%，Pro 版 93.2%

但最让人印象深刻的，是 GPT-5.2 Pro 在一个真正的数学研究问题上的体现。

OpenAI 在博客里提到，研究职员用 GPT-5.2 Pro 探索了一个统计学习理论中的开放问题，这个问题最早是在 2019 年的一个数学聚会上提出的。在一个特定的高斯设定下，模子提出了一个证实思绪，随后被人类研究者验证并扩展。

这不是AI 从零发明物理定律那种科幻场景，但确实是一个 AI 在人类监视下提供了非通俗的数学洞见，并且经受住了专家审查。5.1 没有被普遍报道做到过这一点。

用一位测试者的话说：5.1 像一个很强的数学家教和助手，5.2 最先有点"初级相助者"的意思了——尤其是配合代码工具使用的时间。

API 涨价：OpenAI 的小心思

5.2 的 API 涨价了。

输入输出的单价都上调了约 40%：$1.75/百万输入，$14/百万输出。Pro 版本更贵，划分是 $21 和 $168。

官方的诠释是：单价虽然涨了，但模子效率更高，完成同样的使命消耗的 token 更少，以是"抵达一律质量水平的总本钱可能反而更低"。

但若是花更少的 token 只能抵达"一律质量"，那升级的意义在哪儿？要是真的又好又省，直接说"更好更自制"不就完了？

说白了，模子确实变强了，但 OpenAI 选择把效率提升的盈利收进自己口袋，而不是让利给用户。

几个重点提升

除了上面这些亮点，5.2 尚有几个实打实的提升：

过失率降低 30%

这一点着实很要害。许多人只盯着"智商"看，但现适用下来会发明，国产模子和外洋头部模子之间，幻觉控制的差别往往比纯智力差别更影响体验。5.2 的 Thinking 版本比 5.1 的过失率降低了 30%，在一样平常决议、研究和写作场景下会更靠谱。

长文能力提升

以前长上下文是个老浩劫问题，塞太多内容进去模子就最先遗忘。5.2 在 256k token 级别的测试中体现稳固，基本能把要害信息都记着。像条约审核、文献梳理这种需要重复引用上文的场景，体验会好许多。Box 反响说，5.2 从长文档中提守信息的速率快了 40%，推理准确率也提升了 40%。

看图能力

图标明确、软件界面识别这块过失率砍了一半。在 CharXiv Reasoning（科学论文图标明确基准）上，5.2 Thinking 抵达了 88.7%，比 5.1 提升了 8 个百分点以上。

OpenAI 内部测试里，有人给模子一张低区分率的主板照片，它能准确识别出要害元器件。这意味着以后扔给 AI 一张模糊的营业报表截图，它或许率能直接把内里的数据结构化提取出来，这对做数据剖析的人来说挺适用的，事实现在外洋已经有不少人把 AI 当成数据剖析的主力工具了。

Code Red 下的补课之作

拉远一点看，GPT-5.2 实质上是一次“补课”。

从 8 月的 5.0 到 11 月的 5.1 再到 12 月的 5.2，四个月三个版本，这个节奏自己就说明问题：OpenAI 在被 Gemini 3 和 Claude Opus 4.5 逼着跑。效果就是PT?5.2 在 benchmark 上把许多榜单拉了回来，但真正有意义的是，它在长时知识事情、重大编码和 agent 事情流上的体现。

另外也有看法以为，这种紧迫发动 + 小步快跑的节奏可能会成为常态，年底各家都可能尚有新宣布。利益是各家实验室会被倒逼着把模子做得更快、更自制、更能变现；坏处是各人都盯着短期 benchmark 卷，真正需要恒久投入的基础性突破可能会被挤压。

这次的社区的反响也许多样，做正事的用户普遍以为真香，长上下文、重大推理确实更稳了；但陪聊党和角色饰演玩家吐槽“5.2 冷冰冰的，像从好朋侪酿成了 HR”，人味儿又被收回去了，尚有人吐槽说好的成人模式也遥遥无期。

总结一下，若是你是 ChatGPT Pro 用户，5.2 在需要深度剖析、重大推理的场景下值得一试——做 PPT、做表格、写报告、啃长文档，这些方面的前进是实打实的。

但若是你期待的是一样平常谈天体验的质变，可能要失望了。5.2 的真正价值，或许要等它接入 Codex 这类 agent 产品、最先真正替你跑腿干活的时间，才华完全释放出来。

屠榜不主要，醒目活才主要。这一点，OpenAI 这次算是想明确了。

点个“爱心”，再走吧