深度实测 GPT-6.2 Astra:3D 与成本亮眼,写作和长任务体验受质疑
深度实测 GPT-6.2:强是真强,难用也是真难用
爱范儿实测 OpenAI 当天发布的 GPT-6.2 Astra 与 GPT-6.2 Sol,用一句话提示词在 17 分钟内生成 FPS 游戏,并完成可交互孔雀开屏 3D 场景、深海图谱网页和日式奇幻城市 GIF。
作者用游戏、3D 场景、网页与写作等多组实测,呈现 GPT-6.2 Astra 在能力与可用性之间的落差。
- Astra 官方称 Agent 任务反超 Fable 5.2,成本仅其 5%
- 实测 17 分钟用一句提示词生成 FPS 游戏
- 上线 12 小时内 X 出现大量差评,指写作与长任务
- 原文归因:压缩输出 Token 与收紧安全护栏
- 批评者亦承认 3D、空间推理与成本效率领先
发生了什么
爱范儿实测 OpenAI 当天发布的旗舰模型 GPT-6.2 Astra 与主打性价比的 GPT-6.2 Sol。官方称 Astra 在专业 Agent 任务上反超 Claude Fable 5.2,完成同等任务综合成本只有后者 5%。实测中,Astra 用一句提示词在 17 分钟内做出 FPS 游戏,还完成可交互孔雀开屏 3D 场景、深海图谱单文件 HTML、日式奇幻城市 GIF 等。但上线不到 12 小时,X 上出现大量差评,开发者 Theo 称其为「OpenAI 史上最糟糕的模型」,Matt Shumer 称「基本无法使用」,争议集中在回答过度简洁、写作水平倒退、长程 Agent 任务容易提前停止、遇到问题不主动报告。
为什么重要
这条资讯的价值在于呈现了一个分裂样本:同一模型在 3D 建模、空间推理和成本效率上被批评者承认领先,却在写作与协作体验上被集中吐槽。原文把原因指向工程妥协——为把推理成本压到 Fable 5.2 的 5% 而压缩输出 Token,以及前代 GPT-6.1 Astra 被砍后进一步收紧安全护栏。它提示开发者:模型能力榜单与真实可用性之间可能存在明显落差,选型时不能只看跑分和单价。
对国内用户的影响
对国内开发者而言,原文未提及 GPT-6.2 Astra 在中国大陆的可用性、定价或接入方式,因此实际使用很可能仍受账号与网络条件限制,原文未说明。可确认的影响是选型思路:若任务偏 3D、游戏原型、空间推理或成本敏感型 Agent,原文实测表现亮眼;若偏长文写作、长程 Agent 自主交付,原文给出的体验评价偏负面,需自行验证提前停止与不主动报告问题的情况。
怎么上手或延伸阅读
原文出现的入口包括 OpenAI 开发者文档页面 developers.openai.com/api/docs/guides/latest-model,以及爱范儿官方微信公众号(微信号 ifanr)。原文未给出模型调用方式、价格或地区支持信息,建议先阅读该开发者文档确认模型标识与能力说明,再结合自身任务做小规模对比测试,重点观察长任务是否提前停止、输出是否过简。
常见问题
- 问:GPT-6.2 Astra 和 GPT-6.2 Sol 有什么区别?
- 答:原文称 Astra 是新一代旗舰模型,Sol 主打性价比,但未说明 Sol 的具体参数、价格或能力差异,也未给出两者对比实测结果,因此除定位描述外无法进一步判断。
- 问:GPT-6.2 Astra 写作真的很差吗?
- 答:原文实测认为其文章有大量短句、表达类似废话,两件事之间的关联难以看出;高考作文则被认为文体四不像、重心滑向无障碍设施。原文同时提到它在审阅、代码质量和子 Agent 提示词上表现不错。
- 问:为什么 GPT-6.2 Astra 长任务会提前停止?
- 答:原文给出的解释是前代 GPT-6.1 Astra 被砍后,团队进一步把安全护栏焊死,导致模型卡在长任务里;同时为把推理成本压到 Fable 5.2 的 5%,训练时压缩了输出 Token,造成「不说人话」。原文未提供更具体的技术细节。
本解读由 AI 根据原文(爱范儿)整理,只基于原文内容;细节以原文为准。
来源:爱范儿 · ifanr.com