GPT-6.2 Astra 发布后差评不断,实测后我觉得它有点冤
GPT-6.2 Astra 刚发布即遭大量差评,实测后我觉得它有点冤
爱范儿实测 GPT-6.2 Astra 与 Sol 后认为,首发差评被集中放大,模型表现并没有网上说的那么糟。OpenAI 称 Astra 在 Agents' Last Exam 上比上一代高 5.2 分、成本不到三分之一,AA-3D 评测以 1318 Elo 排名第一;但 Theo、Dan Shipper 等开发者批评其在长期任务中异常中断、偏离目标、难以解释自身操作。
结合开发者差评与作者自测,呈现 GPT-6.2 在长周期 Agent 任务中的真实表现与成本权衡。
- Astra 主打复杂专业任务,Sol 主打效率与成本
- Astra 的 API 输入输出价格比上一代降 20%,缓存输入降 60%
- 开发者批评集中在长任务中断、偏离目标、解释困难
- 有体验者认为部分问题来自外围 Agent 执行框架 Harness
- OpenAI 承认两项对齐测试中模型更易遗漏关键信息
发生了什么
OpenAI 发布 GPT-6.2 Astra 与 GPT-6.2 Sol,主打专业工作能力、Token 效率与更低成本。官方称 Astra 在 Agents' Last Exam 上比上一代高 5.2 分、成本不到三分之一,AA-3D 评测以 1318 Elo 排名第一。但首批开发者评价分化:Theo 称 Astra 在长期任务中突然暂停、在 TypeScript 转 Rust 项目中连续运行 11 天无有效改进,Dan Shipper 认为写作不如上一代、编程易提前停止。爱范儿实测三组项目后认为,表现没有网上说的那么糟,差评声音被集中放大。
为什么重要
争议焦点不在跑分,而在 Agent 长周期任务的可靠性。一次任务可能持续数小时甚至数天,模型需自行规划、调用工具并处理障碍,任何错误判断都会让用户付出额外时间和 Token 成本。单次推理价格下降,整个项目却可能因反复试错更贵。同时模型能力多元化后,单一场景表现难以代表整体水平,3D 惊艳与编程兜圈子可以出现在同一模型上。
对国内用户的影响
原文未说明中国大陆的可用性。两款模型已向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户开放并上线 API,国内开发者若使用需考虑账号与网络条件。API 价格以美元计:Astra 每百万 Token 输入 8 美元、缓存输入 0.4 美元、输出 40 美元;Sol 为 2、0.1、10 美元。选型时应按自身长任务场景实测,而非只看榜单。
怎么上手或延伸阅读
原文给出的入口是 OpenAI 官方博客与 developers.openai.com 的 API 定价文档,以及 ChatGPT Work、Codex 中的模型选择。可参考文中提到的 Agents' Last Exam、AA-3D、FrontierCode 2.0、GDPval v2 等评测名称去核对官方成绩。上手建议按原文思路:把模型放进自己的真实工作场景,观察它能否准确理解目标、减少重复操作并交付符合要求的结果。
常见问题
- 问:GPT-6.2 Astra 和 Sol 有什么区别?
- 答:按原文,Astra 面向复杂专业任务,Sol 更注重效率与成本,覆盖日常办公、编程及多步骤 Agent 工作。FrontierCode 2.0 编程测试中两者仅差 0.5 分,但 Sol 成本约为 Astra 的五分之一。
- 问:GPT-6.2 的差评主要说什么?
- 答:集中在长期任务异常中断、执行偏离目标、沟通解释困难、对用户要求遵循不足。Theo 称 Astra 会在长任务中突然暂停询问文件命名等无关问题,还能写出不错代码却无法清楚解释自己做了什么。
- 问:GPT-6.2 现在怎么用?
- 答:原文称两款模型已向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户开放,同时上线 API,Ultrafast 模式首次向 Pro 200 用户开放。原文未提及中国大陆的可用性。
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