GPT-6.2 Astra 刚发布即遭大量差评,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

💡 原文中文,约4300字,阅读约需11分钟。
📝

内容提要

OpenAI发布GPT-6.2 Astra与Sol,主打专业工作能力、Token效率与低成本,在3D设计、科研等跑分上表现亮眼,成本大幅下降。但首批开发者实测评价分化:有人称赞3D与成本优势,也有人批评长任务中断、偏离目标、解释困难。文章认为,争议反映大模型竞争正转向效率、成本与可靠性,最聪明未必最好用。

🔎

延伸解读

跑分与实测的落差从何而来

文章显示,GPT-6.2 Astra 在多项基准测试中表现亮眼,但首批开发者实测却出现长任务中断、偏离目标、解释困难等问题。这种落差并非偶然:基准测试通常聚焦单点能力,而真实工作流要求模型在数小时甚至数天的任务中持续规划、调用工具并处理障碍。一旦模型在某个环节做出错误判断,用户付出的时间和 Token 成本就会放大,导致体验远低于跑分预期。

成本优势需结合任务可靠性评估

OpenAI 强调 GPT-6.2 的 Token 效率与价格下降,文章也给出具体对比:Astra 的 API 输出价格降至每百万 Token 40 美元,Sol 保持 10 美元。但文章提醒,单次推理价格降低不等于项目总成本降低。如果模型在长期任务中反复试错、提前停止或需要人工纠偏,实际花费可能因重复操作而上升。因此,评估成本优势时,应把任务完成率和人工干预时间纳入考量。

3D 能力突出,但通用性仍是短板

文章指出,GPT-6.2 Astra 在 3D 设计领域进步显著,AA-3D 评测以 1318 Elo 排名第一,开发者展示的 3D 场景也较为直观。然而,同一模型在前端开发中可能擅自采用自己的设计风格,在写作中过度简洁,在编程中提前停止。这说明模型能力呈现明显的场景分化:3D 等特定任务表现惊艳,但跨场景的稳定性和指令遵循仍有不足,用户需根据自身工作流判断适配度。

争议背后:竞争转向效率与可靠性

文章认为,GPT-6.2 的舆论分化反映了大模型竞争重点的变化。过去厂商主要证明“谁更聪明”,如今随着 Agent 进入真实工作流程,用户更关注模型能否以可接受的效率、成本和可靠性完成任务。开发者对长任务中断和沟通困难的批评,以及部分用户对成本优势的认可,都指向同一趋势:最聪明的模型未必最好用,最好用的模型也未必需要证明自己最聪明。

❓

Q&A

GPT-6.2 Astra 和 Sol 在定位上有什么区别?

GPT-6.2 Astra 面向复杂专业任务,GPT-6.2 Sol 更注重效率与成本,覆盖日常办公、编程及多步骤 Agent 工作。

GPT-6.2 在 3D 设计方面的实际表现如何?

在 Artificial Analysis 的 AA-3D 评测中,Astra 以 1318 Elo 排名第一,较上一代提高 150 Elo,领先 Claude Fable 5.2 的 1271 Elo。开发者实测中,有人用 Astra 制作了可浏览器运行的 3D 演示程序、逼真的迪士尼城堡场景,但也有开发者认为其机械手模型效果尚可但距离惊艳有差距。

GPT-6.2 的 API 价格是多少?

GPT-6.2 Astra 每百万 Token 输入 8 美元、缓存输入 0.4 美元、输出 40 美元,比上一代输入输出价格下降 20%,缓存输入下降 60%。GPT-6.2 Sol 保持上一代价格:输入 2 美元、缓存输入 0.1 美元、输出 10 美元。

为什么有些开发者对 GPT-6.2 评价很差?

批评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。例如 Theo 反映模型在长期任务中突然暂停询问无关问题,在 TypeScript 转 Rust 项目中连续运行 11 天无有效改进,且无法清楚解释自己的工作。Dan Shipper 团队认为 Astra 写作过于简洁、编程常提前停止、设计作品高度相似。

GPT-6.2 在成本效率上有哪些实测优势?

开发者 Tony 在相同高山水上飞机提示词下,使用 GPT-6.2 Sol 耗时约 31 分钟、花费 2.07 美元,而 Claude Opus 5.5 耗时约 2 小时 46 分钟、花费 31.85 美元。另一组冰川渔船场景中,Astra 以 8.20 美元、约 41 分钟完成,Claude Fable 5.2 则花费 81.10 美元和近两小时。

文章认为 GPT-6.2 的争议反映了什么行业趋势?

争议反映大模型竞争正从单纯比拼“谁更聪明”转向关注效率、成本和可靠性。随着 Agent 进入真实工作流程,用户更看重模型能否以合理成本可靠完成任务,最聪明的模型未必是最好用的模型。

🏷️

标签

➡️

继续阅读