OpenAI發(fā)布了GPT-5.2，聲稱與11月發(fā)布的GPT-5.1相比，新模型在完成現(xiàn)實(shí)世界商業(yè)任務(wù)的能力方面取得了"專家級(jí)"的重大提升。

新模型提供了Instant、Thinking和Pro三種性能等級(jí)，公司表示在各項(xiàng)基準(zhǔn)測(cè)試中都有重大改進(jìn)。

使用OpenAI的GDPval基準(zhǔn)測(cè)試（該基準(zhǔn)測(cè)試將模型完成44項(xiàng)不同商業(yè)任務(wù)的能力與人類專家的標(biāo)準(zhǔn)進(jìn)行比較），GPT-5.2在70.9%的測(cè)試中達(dá)到或超過(guò)了人類用戶的水平，而GPT-5.1在Instant（基礎(chǔ)版）、Thinking（深度推理版）和Pro（研究級(jí)）版本中的綜合表現(xiàn)僅為38.8%。

為了說(shuō)明這些進(jìn)步，OpenAI表示GPT-5.2 Thinking能夠完全格式化勞動(dòng)力規(guī)劃電子表格，而在GPT-5.1上，等效輸出能正確組裝相同的電子表格，但格式化程度更基礎(chǔ)，缺少格式化功能。

OpenAI表示："我們?cè)O(shè)計(jì)GPT-5.2是為了為用戶創(chuàng)造更多經(jīng)濟(jì)價(jià)值；它在創(chuàng)建電子表格、制作演示文稿、編寫(xiě)代碼、圖像識(shí)別、理解長(zhǎng)文本、使用工具以及處理復(fù)雜多步驟項(xiàng)目方面表現(xiàn)更佳。"

GPT-5.2還在其他重要基準(zhǔn)測(cè)試中表現(xiàn)出不同程度的提升，包括ARC-AGI-1/ARC-AGI-2（通用問(wèn)題解決）和SWE-Bench Pro/SWE-Bench Verified（現(xiàn)實(shí)世界軟件任務(wù)）。

公司表示："對(duì)于日常專業(yè)使用，這意味著該模型能夠更可靠地調(diào)試生產(chǎn)代碼，實(shí)施功能請(qǐng)求，重構(gòu)大型代碼庫(kù)，并以較少的人工干預(yù)端到端地交付修復(fù)。"

GPT-5.2已開(kāi)始向ChatGPT用戶推出，首先面向付費(fèi)用戶。訂閱定價(jià)保持不變。對(duì)于API訪問(wèn)，GPT-5.2的定價(jià)為每百萬(wàn)輸入Token 1.75美元，每百萬(wàn)輸出Token 14美元，緩存輸入享受90%折扣。盡管這比GPT-5.1更昂貴，但OpenAI聲稱該模型更高的效率意味著"由于GPT-5.2更高的Token效率，獲得特定質(zhì)量水平的成本實(shí)際上更便宜。"

對(duì)于OpenAI來(lái)說(shuō)，新版本在上一版本之后如此快速的發(fā)布代表著其GPT-5模型開(kāi)發(fā)的重要加速。12月初，CEO山姆·阿爾特曼向OpenAI員工發(fā)送了"紅色警報(bào)"緊急備忘錄，警告如果不快速開(kāi)發(fā)GPT-5，公司有落后于谷歌日益強(qiáng)大的Gemini 3模型的風(fēng)險(xiǎn)。

此后，情況似乎已經(jīng)穩(wěn)定下來(lái)，阿爾特曼本周對(duì)CNBC表示，Gemini的進(jìn)步?jīng)]有最初擔(dān)心的那么重大，紅色警報(bào)狀態(tài)將在1月結(jié)束。然而，網(wǎng)絡(luò)公告中一個(gè)明顯的遺漏是沒(méi)有對(duì)GPT-5.2的性能與Gemini 3進(jìn)行任何比較。據(jù)報(bào)道，單獨(dú)的新聞發(fā)布會(huì)僅提供了有限的比較。

西門子首席AI分析師Maria Sukhareva對(duì)OpenAI對(duì)基準(zhǔn)測(cè)試的使用提出了更普遍的質(zhì)疑。她指出："它（GPT-5.2）聲稱擊敗了GDPVal，但這是OpenAI為OpenAI開(kāi)發(fā)的基準(zhǔn)測(cè)試。從技術(shù)上講，OpenAI沒(méi)有障礙可以針對(duì)這44個(gè)任務(wù)對(duì)其模型進(jìn)行微調(diào)，而在其他方面完全失敗。"

她認(rèn)為："本質(zhì)上，GPT-5.2報(bào)告的數(shù)字是毫無(wú)意義的，因?yàn)闊o(wú)法看到他們用什么數(shù)據(jù)訓(xùn)練模型。GPT-5.2受到與之前模型相同的所有問(wèn)題的困擾。"Sukhareva對(duì)GPT-5.2基準(zhǔn)測(cè)試的深入分析可以在她的Substack上找到。

電商平臺(tái)Sell The Trend的CEO Rachid 'Rush' Wehbi在現(xiàn)實(shí)世界條件下測(cè)試了GPT-5.2。他說(shuō)："GPT-5.2在保持思路連貫性方面做得更好，能夠持續(xù)更長(zhǎng)時(shí)間，當(dāng)你投入一些分層上下文時(shí)不會(huì)崩潰。對(duì)于公司來(lái)說(shuō)，這比在一些可能無(wú)關(guān)緊要的基準(zhǔn)測(cè)試上取得微小改進(jìn)要重要得多。"

"基準(zhǔn)測(cè)試可以顯示你取得了某種進(jìn)步，但它們不能告訴你你的模型是否真的能在現(xiàn)實(shí)世界中站得住腳。GPT-5.2是一個(gè)進(jìn)步，但企業(yè)AI仍然在發(fā)展過(guò)程中。"

據(jù)AI素養(yǎng)公司Human Voice Media創(chuàng)始人Bob Hutchins表示，"到目前為止，企業(yè)對(duì)AI的大部分挫敗感來(lái)自最后20%——格式化、約束、交接。GPT-5.2在這方面顯示了進(jìn)步。"他對(duì)企業(yè)的建議是，"忽略發(fā)布噪音，進(jìn)行有紀(jì)律的試用。GPT-5.2是有意義的一步。它沒(méi)有縮小承諾與實(shí)踐之間的差距，而是縮小了差距。"

例如，智能體AI公司Vectara的幻覺(jué)評(píng)估模型的基準(zhǔn)測(cè)試發(fā)現(xiàn)，雖然GPT-5.2在這方面有所改進(jìn)，但仍然落后于一些競(jìng)爭(zhēng)對(duì)手。

Vectara開(kāi)發(fā)者關(guān)系負(fù)責(zé)人Ofer Mendelevitch評(píng)論說(shuō)："OpenAI在改善幻覺(jué)表現(xiàn)方面仍有一段路要走。GPT-5.2-low-thinking是迄今為止GPT系列中最好的，在我們的排行榜上排名第33位，幻覺(jué)率為8.4%。然而，ChatGPT 5.2明顯落后于DeepSeek V3.2，后者排名第23位，幻覺(jué)率為6.3%。作為比較，Gemini 3在我們測(cè)試中的基礎(chǔ)幻覺(jué)率為13.6%，Grok 4.1為17.8%。"

Q&A

Q1：GPT-5.2相比GPT-5.1有什么主要改進(jìn)？

A：GPT-5.2在完成現(xiàn)實(shí)世界商業(yè)任務(wù)方面取得重大提升，在GDPval基準(zhǔn)測(cè)試中70.9%的測(cè)試達(dá)到或超過(guò)人類專家水平，而GPT-5.1僅為38.8%。新模型在創(chuàng)建電子表格、制作演示文稿、編寫(xiě)代碼、圖像識(shí)別、理解長(zhǎng)文本等方面表現(xiàn)更佳。

Q2：GPT-5.2的定價(jià)如何，是否比GPT-5.1貴？

A：GPT-5.2 API訪問(wèn)定價(jià)為每百萬(wàn)輸入Token 1.75美元，每百萬(wàn)輸出Token 14美元，比GPT-5.1更昂貴。但OpenAI聲稱由于新模型更高的Token效率，獲得特定質(zhì)量水平的實(shí)際成本更便宜。ChatGPT訂閱價(jià)格保持不變。

Q3：業(yè)界專家如何評(píng)價(jià)GPT-5.2的實(shí)際表現(xiàn)？

A：專家意見(jiàn)不一。有人認(rèn)為GPT-5.2在保持思路連貫性和處理分層上下文方面有實(shí)質(zhì)改進(jìn)，對(duì)企業(yè)更有價(jià)值。但也有專家質(zhì)疑基準(zhǔn)測(cè)試的有效性，認(rèn)為模型仍存在幻覺(jué)等問(wèn)題，企業(yè)AI仍在發(fā)展過(guò)程中。