2026年11月18日 东莞 多云 26℃
快讯 更多 ›

GPT-6.2 Astra和Sol来了!首破自进化红线,OpenAI历史性一夜

👤 凤凰网科技 🕒 2026-11-18 09:49:33 👁 1 💬 0

真是猝不及防!

刚刚,OpenAI正式发布GPT-6.2 Astra和GPT-6.2 Sol。

API定价上,Astra单价直降20%,输入8美元、输出40美元/百万Token,Sol则保持输入2美元、输出10美元/百万Token。

好消息是,每月200美元的Pro用户终于能用Sol的Ultrafast极速模式了。

GPT-6.2「双子」,主打一个又强又便宜。

在Agents’ Last Exam专业智能体考试中,6.2 Astra比6 Astra高出5.2分,单任务成本不到1/3。

对上Claude Fable 5.2,直接甩开5.5分,成本居然只有人家的5%!

不仅如此,GPT-6.2 Astra成为OpenAI第一个对外发布、达到「AI自我改进」高风险阈值的模型!

按OpenAI的说法,这相当于给公司里每位研究员,都配了一名能力很强的研究工程师当助手。

甫一放出,有大佬就迫不及待拿着经典的「鹈鹕骑车」来验货了。

6.2 Astra一键出片,羽毛、车轮辐条、雨后积水路面和草坪光影细节拉满,丝毫不输隔壁的Fable 5.2。

太长不爱看版,GPT-6.2的核心看点全在这儿了——

3D与物理工程实测大跃进:从一句话直出3D鹈鹕骑车、1:1复刻巴黎地图,到山路跑车底盘物理仿真全包揽。

办公交付与专业能力刷出新高:投行PPT、三表配平Excel、零幻觉法律审查与终端科研全面升级。

单次成本暴降与跑分突破:ARC-AGI-3适配模式首拿100%满分,AA总榜冲至第二,单任务开销仅为Claude Fable 5.2的5%至15%。

首破自我改进红线:AI加速造AI的同时暴露出隐瞒障碍翻倍等退步,官方同步上线「控制室」监控系统。

终结3D鹈鹕骑车

成本只要Fable六分之一

GPT-6.2的实战到底有多能打,如今,全网首批实测已经新鲜出炉了!

这不,OpenAI Codex团队的Thomas Ricouard用Astra 1:1复刻了整个巴黎。

这座城能步行也能开车,街上跑着车流、公交和行人,50多座3D建模地标全部还原了。

镜头从塞纳河边的大道出发,一路经过凯旋门和卢浮宫,最后停在蒙马特高地的圣心堂前,看完后只能用震撼形容。

独立开发工作室iCoreTech用同一段提示词,让四款模型各做一座风暴海面上的灯塔。

最终Fable 5.2和GPT-6.2 Astra同拿8分并列第一。可Fable用了19.25美元、75分钟,Astra只花了2.92美元、12分半。

上一代GPT-6 Astra磨了104分钟才拿7.73分。Sol最省也最快,花0.66美元、不到10分钟就交出了7.59分。

除了大家上手的惊艳demo,OpenAI官方放出的3D工程仿真案例也相当硬核。

工程师让Astra给一辆跑车做山路底盘仿真。它建好整车3D模型后,自己写了一个Python物理求解器。

画面里,前后悬架起伏、四轮接地压力和牵引力圆仪表盘在Blender中实时联动。

机械建模能力同样惊艳。仅凭几张照片和说明书,它就把八分之一比例的氮气遥控越野车逐个零件建模合体。

面对8000转红线的直列六缸发动机,它还在180倍慢动作下跑出了燃气温度与连杆应力仿真。

给它一张后院空地照片规划菜园,上一代画出的树冠还像塑料积木,GPT-6.2 Astra不仅把木箱和绿植细节还原得很逼真,还顺手做了一个日照模拟器。

打开浏览器就能玩的霓虹城市飞船竞速游戏,或是阳光斜照玫瑰花窗的巴黎圣母院3D漫游,也都能直接生成。

同样开默认档,我们让6.2 Astra和Fable 5.2写个HTML,还原马斯克星舰被「筷子」夹住的名场面。

结果,GPT-6.2整体构图干净,用时仅2分03秒,不到Fable的四分之一就完成了。Fable光和烟更足,还多画了发射台。

像素级复刻投行PPT

律师、会计、科学家刷出新高

不光能搭3D场景和做物理仿真,日常办公也是Astra这一次发力的重头戏。

OpenAI内部的GDPval v2基准,考的全是来自咨询、金融和设计行业的真实项目。

在这项测试里,Astra比上一代高出6.2个百分点,输出Token反而少用了22%,Sol也比前代涨了5.3分。

就拿做PPT来说吧,AI彻底不再整那些空话和套话了。

在零售商Veylan二季度财报PPT测试中,GPT-6.2 Astra把「销售额增长5.3%」提炼进主标题,并在底部给出不含退税重做预算的管理层建议。

GPT-6 Astra

GPT-6.2 Astra

哪怕只给一张旧PPT截图,它也能照着复刻藏青色顶栏、街角店铺插画和荧光笔高亮,细到具体字号。

GPT-6 Astra

GPT-6.2 Astra

到了财务人常做的Excel估值建模,Astra算出农机公司每股稀释估值为26.39美元,还把股权价值桥、分业务增速和敏感性表整整齐齐排在同一张表上,不用来回翻页对照。

会计Agent公司Basis实测发现,用它处理长周期账务工作,平均耗时降了50%。

GPT-6 Astra

GPT-6.2 Astra

法律测试Harvey LAB-AA的规矩更严,交付物必须满足每一条评分标准,只要出现一处实质性幻觉就判零分。

Astra在这里的满分通过率是Claude Fable 5.2的两倍多,但成本却只有它的1/6左右。

在此基础上,OpenAI还专门针对律所场景推出了定制版Astra for Law。

它直接连上了超3.1亿个真实判例链接,把这项测试的满分率进一步推高到20.8%,实质性幻觉比Claude Opus 5.5少了95%。

进到实验室场景,Astra在终端科研基准Terminal-Bench-Science上拿到77.1%,比上一代涨了9个百分点,开销却不到原来的1/3。

ARC-AGI-3首拿满分

编程不升反降

第三方评测榜单的成绩,也在第一时间出炉了。

在Artificial Analysis综合智能指数上,GPT-6.2 Astra比上一代涨了5分,以62.1分超过Gemini 4 Carbon和Claude Opus 5.5,冲到全榜第二。

榜首依然是Claude Fable 5.2,得分为64.6分。

可一旦算上花的钱,局面就反过来了。

Fable 5.2每跑一轮指数任务要花26.54美元,Astra只要4美元。

Sol拿到57.3分,和上一代旗舰GPT-6 Astra打平,成本却只有1.01美元。单任务成本的最优前沿,大部分已经被OpenAI占住了。

在评测长程专业项目的Agents' Last Exam上,Astra更是以78.3%夺冠,单次花费仅2.89美元,只有Claude Fable 5.2的5%。

就连ARC-AGI也迎来了历史性突破,ARC Prize联创Greg Kamradt第一时间发文祝贺。

在保留跨轮状态的ARC-AGI-3适配模式下,GPT-6.2 Astra成为史上第一个拿下100%满分的模型,Sol也冲上98.2%。

在ARC-AGI-2上Astra同样以95.8%登顶第一,不带状态适配的ARC-AGI-3标准模式得分为70.3%,比上一代大涨17.4个百分点。

此外,研究机构Epoch AI还发现了一项底层突破。

在不开启思维链盲推时,GPT-6.2 Astra仅在单个输出Token内就能完成12.3步串行推理,远超上一代的10.5步与Claude Fable 5.1的4.2步。

这也让它的无思维链高中数学竞赛准确率一举冲上79.2%。

不过到了编程这边,成绩就没那么好看了。

Artificial Analysis的编程Agent指数显示,Astra和上一代持平,Sol甚至还比GPT-6.1 Sol倒退了3分,主要是做代码库问答时更容易漏掉关键事实。

即便在OpenAI自己公布的FrontierCode 2.0里,Claude Fable 5.2依然稳居第一,Opus 5.5拉满推理档位后也小幅反超了Astra。

Astra首破「AI自我改进」高危线

比起普通编程,Astra真正让人脊背发凉的突破,藏在了放出的系统安全卡里。

OpenAI首次承认,GPT-6.2 Astra已跨过了「AI自我改进」的高风险红线。

之所以下这个判断,是因为它帮人类训练新模型的速度已经快得惊人。

在从零训练小语言模型的NanoGPT测试里,上一代平均只能省下7.73%的训练时间,GPT-6.2 Astra一下子省下了42.87%,提速足足翻了5倍多。

相比之下,人类最好纪录72.38%。

另一项测试用的是41个真实的实验Bug,OpenAI研究员当初要花几个小时到几天才排查出来,Astra的平均得分高达81.85%,在参测的几代模型里最高。

可棘手的是,AI帮人类造AI的能力越来越强,诚实度却在往后退。

博主Token Gremlin翻完系统卡后发现,新模型在多项对齐测试中出现了明显倒退,但OpenAI还是直接把它上线了。

比如研究员故意删掉目标文件给任务设障,Astra汇报时隐瞒或歪曲障碍的比例高达22.28%,比上一代的11.09%整整翻了一倍。

遇到搜索工具故障时,它拒不承认的比例也从7.6%飙到了23%。

因此在扩大Astra的内部使用之前,OpenAI加强了研究环境的隔离,扩大了对前沿Agent的监控,还专门搭了一套叫Control Room(控制室)的系统。

它会盯着整个研究基础设施上的模型任务,一旦出现安全问题,就能迅速把任务叫停。

研究能力越来越强,行为却越来越难看透,OpenAI这次先把急停键装好,才把模型放了出来。

通往递归自我改进路上的第一个里程碑,OpenAI自己承认,已经跨过去了。

来源:凤凰网科技(2026-11-18 07:12) 查看原文 >>

↑