紅色警報(bào)拉響，OpenAI是真急了：

30天，GPT-5.2系列緊接著GPT-5.1而來，這次還專門強(qiáng)化了打工能力。

這是GPT-5.1 Thinking和GPT-5.2 Thinking做人力資源表格的對(duì)比：

雖然版本號(hào)只加了0.1，但是在多個(gè)實(shí)用領(lǐng)域都更強(qiáng)了：做表格、做PPT、寫代碼、理解長文檔、調(diào)用工具、處理復(fù)雜多步驟項(xiàng)目……

視覺理解能力也大幅提升，GPT-5.2能準(zhǔn)確標(biāo)記出更多主板上的元件。

這是GPT-5.2做的網(wǎng)頁版波浪模擬器：

如果你遇到航班延誤、又錯(cuò)過轉(zhuǎn)機(jī)、需要當(dāng)?shù)剡^夜以及需要特殊醫(yī)療座位，聽起來就很頭疼。

但GPT-5.2安排好了一切：重新訂機(jī)票、安排特殊座位和賠償。

ARC-AGI也在第一時(shí)間發(fā)布了測(cè)試結(jié)果。

一年前的o3 (High) 在ARC-AGI-1測(cè)試中得分88%，平均每項(xiàng)任務(wù)成本為4500美元。

今天的GPT-5.2 Pro (X-High) ，最新SOTA得分為90.5%，平均任務(wù)成本僅為11.64美元，在一年內(nèi)效率提高了約390倍。

同時(shí)超過了谷歌Gemini 3 Pro的對(duì)應(yīng)版本（綠色點(diǎn)），也算扳回一局。

GPT5.2發(fā)布的這一天，也是OpenAI成立十周年，官方還做了個(gè)小視頻來回顧10年來的進(jìn)展。

拆解GPT-5.2各項(xiàng)能力 高經(jīng)濟(jì)價(jià)值任務(wù)

在GDPval測(cè)試中，涵蓋美國GDP前九大產(chǎn)業(yè)中的44個(gè)職業(yè)領(lǐng)域，完成人類需要4-8小時(shí)才能完成的任務(wù)。

在人類評(píng)委打分下，GPT-5.2 Thinking與人類專家相比有71%的勝率，GPT-5.2 Pro還能更高一些。

而且速度是人類專家的11倍以上，成本不到人類專家的1%。

在投行分析師的電子表格建模任務(wù)上，GPT-5.2 Thinking平均每項(xiàng)任務(wù)得分相比GPT-5.1提升了9.3%，從59.1%上升到68.4%。這些任務(wù)包括為財(cái)富500強(qiáng)公司搭建三表聯(lián)動(dòng)模型、構(gòu)建杠桿收購模型等。

提示：您是一名投資銀行分析師，剛剛接到一項(xiàng)任務(wù)，需要完成一份瀑布式分析，以了解創(chuàng)始人及現(xiàn)有投資者的所有權(quán)和回報(bào)情況。您的客戶是一家正在考慮 C 輪融資的初創(chuàng)公司。

請(qǐng)查收附件中的模板，您需要對(duì)其進(jìn)行修改。我在 G 列中添加了必要的假設(shè)。C 列的名稱在普通股部分重復(fù)出現(xiàn)，以便于索引。假設(shè)包括退出時(shí)的股權(quán)、系列投資金額、基金所有權(quán)、認(rèn)股權(quán)證、清算優(yōu)先權(quán)、轉(zhuǎn)換價(jià)格、普通股稀釋后股份數(shù)和行權(quán)價(jià)格。假設(shè)種子輪、A 輪和 B 輪均為同等權(quán)益的非參與性優(yōu)先股（即，這些輪次的投資者享有同等待遇；對(duì)借款人的資產(chǎn)擁有同等的索償權(quán)）

在審查一份特別優(yōu)秀的成果時(shí)，一位GDPval評(píng)委表示：

在輸出質(zhì)量上令人興奮且顯著的飛躍……[它]看起來像是由一家專業(yè)公司的員工完成的，兩份交付成果的布局設(shè)計(jì)和建議都出人意料地出色，盡管其中一份仍存在一些小錯(cuò)誤需要糾正。

要在ChatGPT中使用新的做表格和PPT能力，需要充值Plus、Pro、Business或 Enterprise套餐，選擇GPT-5.2 Thinking或Pro版本 。生成復(fù)雜的內(nèi)容可能需要幾分鐘時(shí)間。

代碼能力

GPT-5.2代碼能力同樣刷新紀(jì)錄，在SWE-bench Verified上，得分達(dá)到80%。

在SWE-Bench Pro這個(gè)更難的軟件工程評(píng)測(cè)上，GPT-5.2 Thinking拿下55.6%的新高。

這個(gè)評(píng)測(cè)不止測(cè)Python，還包括JavaScript、TypeScript和Go，更貼近真實(shí)工業(yè)場(chǎng)景。

早期測(cè)試者特別提到，GPT-5.2在前端開發(fā)和復(fù)雜UI工作上明顯更強(qiáng)，尤其是涉及3D元素的場(chǎng)景。

長上下文

長文檔處理是這次升級(jí)的重頭戲。

在OpenAI自制的大海撈針MRCRv2評(píng)測(cè)中，GPT-5.2 Thinking成為首個(gè)在256k 上下文長的4針版（4-needle variant）上達(dá)到接近100%準(zhǔn)確率的模型。

不過8針版性能還是會(huì)隨上下文長度明顯下降。

對(duì)于需要超越最大上下文窗口進(jìn)行思考的任務(wù)，GPT-5.2 Thinking兼容簡潔回復(fù)模式，能夠處理更多工具密集型、長時(shí)間運(yùn)行的工作流。

視覺理解

視覺能力的提升同樣顯著。

在科學(xué)論文圖表理解上，GPT-5.2 Thinking的錯(cuò)誤率大約降低了一半。

更關(guān)鍵的是，它對(duì)圖像中元素的空間位置有了更強(qiáng)的把握。

在高分辨率圖形面屏幕截圖推理測(cè)試中，配合Python工具得分達(dá)到86.3%。

如果禁用Python工具得分會(huì)低很多，OpenAI建議在這樣的視覺任務(wù)中通通啟用工具。

工具調(diào)用

工具調(diào)用能力同樣達(dá)到新高度，在Tau2-bench Telecom多輪交互電話客服場(chǎng)景評(píng)測(cè)上，GPT-5.2 Thinking取得98.7%的成績。

Tau2-bench Retail零售場(chǎng)景也達(dá)到82%。

這些成績意味著更強(qiáng)大的端到端工作流程，例如解決客戶支持案例、從多個(gè)系統(tǒng)中提取數(shù)據(jù)、運(yùn)行分析以及生成最終輸出，且各步驟之間的故障更少。

科學(xué)能力

OpenAI一直希望AI能加速科學(xué)研究，這次他們相信GPT-5.2 Pro和GPT-5.2 Thinking是目前世界上最適合輔助科學(xué)家的模型。

在GPQA Diamond研究生水平的問答評(píng)測(cè)上，GPT-5.2 Pro拿下93.2%，GPT-5.2 Thinking緊隨其后達(dá)到92.4%。

在專家級(jí)數(shù)學(xué)評(píng)測(cè)FrontierMath（Tier 1-3）上，GPT-5.2 Thinking以40.3%的解題率創(chuàng)下新紀(jì)錄。

官方還透露了一個(gè)實(shí)際案例：

研究人員使用GPT-5.2 Pro探索了統(tǒng)計(jì)學(xué)習(xí)理論中的一個(gè)開放問題，在一個(gè)狹窄、明確的設(shè)定下，模型提出了一個(gè)證明，隨后被作者驗(yàn)證并經(jīng)過同行評(píng)審。

事實(shí)準(zhǔn)確性方面，GPT-5.2 Thinking的幻覺問題相比GPT-5.1從8.8%減少到6.2%。

不過OpenAI也提示模型仍不完美，關(guān)鍵內(nèi)容還是需要人工復(fù)核。

One More Thing

自從Meta瘋狂挖人以來，OpenAI都很少在研究進(jìn)展文章后面附上貢獻(xiàn)者列表了，直接統(tǒng)一署名OpenAI了事。

不過從開發(fā)者相互祝賀的推文中，還是可以挖出GPT-5.2的幾位核心團(tuán)隊(duì)成員：多為2024年之后加入OpenAI的新面孔，而且多是數(shù)學(xué)專業(yè)出身。

Yu Bai：北大數(shù)院校友、斯坦福統(tǒng)計(jì)學(xué)博士，2024年5月加入OpenAI。

Yaodong Yu：UC伯克利博士畢業(yè)，2024年9月加入OpenAI。

Yufeng Zhang：本科中科大數(shù)學(xué)系、西北大學(xué)博士、字節(jié)前研究員，2024年底加入OpenAI

梅松：北大數(shù)院校友、斯坦福計(jì)算與數(shù)學(xué)工程博士、UC伯克利助理教授，2025年5月暫離學(xué)校加入OpenAI。

Ofir Nachum：MIT CS碩士畢業(yè)，前谷歌大腦研究員，2023年加入OpenAI。

每當(dāng)外界覺得OpenAI進(jìn)展不及預(yù)期的時(shí)候，總有新的人才帶來新的驚喜。

參考鏈接：
[1]https://openai.com/zh-Hans-CN/index/introducing-gpt-5-2/