登录

Anthropic上市前夕,OpenAI发布GPT-6.2:成本大降,3 D能力再突破


速读:此前,GPT-6Astra已经凭借在机器人任务规划和控制方面展现出的潜力,引发具身智能行业的广泛讨论。 不过,OpenAI注明,Fable5.2的对照结果排除了9项调用后备模型的任务。 从这些案例来看,GPT-6.2已经能够参与更复杂的机械结构设计与物理仿真工作,其应用场景也开始从游戏、网页等数字内容,延伸至真实产品的研发过程。 在衡量AI智能体完成复杂工作的Agents'LastExam测试中,GPT-6.2Astra较前代提升5.2个百分点,任务成本降至原来的三分之一以下; 在衡量AI智能体完成复杂专业工作的Agents'LastExam测试中,GPT-6.2Astra较前代提升5.2个百分点,任务成本降至原来的三分之一以下。
2026年11月18日 05:4

就在 Anthropic IPO 定价前一天,OpenAI 送上了一份“上市大礼包”。

凌晨,OpenAI 正式发布 GPT-6.2 系列模型,包括面向复杂任务的 GPT-6.2 Astra,以及主打日常工作与效率的 GPT-6.2 Sol。

这次升级的重点是专业任务能力和运行效率。在衡量 AI 智能体完成复杂工作的 Agents' Last Exam 测试中,GPT-6.2 Astra 较前代提升 5.2 个百分点,任务成本降至原来的三分之一以下; 与 Anthropic 最新发布的 Claude Fable 5.2 相比,成绩领先 5.5 个百分点,成本仅为后者的 5%。

新模型还延续了上一代 Astra 在 3D 空间理解和交互式场景构建方面的优势,并进一步强化了机械建模与物理仿真能力。

此前,GPT-6 Astra 已经凭借在机器人任务规划和控制方面展现出的潜力,引发具身智能行业的广泛讨论。 如今,OpenAI 开始展示 AI 如何参与真实的工程设计,从零件装配到汽车动力学模拟,应用范围进一步扩大。

这款模型的发 布,还经历了一段小插曲。早在 11 月初,就有消息称 OpenAI 计划推出新一代 Astra 和 Sol,但发布日期几经推迟。近期,爆料人士又声称,GPT-6.2 因安全和对齐问题遭遇延期,不过具体原因尚未得到官方证实。

有意思的是,新模型刚发布,就有开发者给出了毫不留情的差评,甚至有人直言这是 OpenAI 迄今最差的模型,几乎无法正常使用。

一边是官 方公布的亮眼成绩单,一边是开发者的尖锐吐槽。究竟是模型实际表现不及预期,还是微妙的商战,目前还不好说。具体表现如何,还得等待更多用户的实际测试。

任务表现提升,成本降至前代三分之一

在第三方评测机构 Artificial Analysis 公布的最新 Intelligence Index 榜单中, GPT-6.2 Astra 获得 62 分,较前代提升 5 分,排名第二,仍落后于 Anthropic 的 Claude Fable 5.2,后者以 65 分保持第一。

(来源:Artificial Analysis) (来源:Artificial Analysis) 不过,在科研、法律和 3D 等专项测试中,GPT-6.2 Astra 取得了更为突出的成绩,完成任务的成本也明显下降。

在衡量 AI 智能体完成复杂专业工作的 Agents' Last Exam 测试中,GPT-6.2 Astra 较前代提升 5.2 个百分点,任务成本降至原来的三分之一以下。 与 Claude Fable 5.2 相比,成绩领先 5.5 个百分点,成本仅为后者的 5%。不过,OpenAI 注明,Fable 5.2 的对照结果排除了 9 项调用后备模型的任务。

(来源:OpenAI) (来源:OpenAI) 科研领域也有明显进步。在 Terminal-Bench-Science 0.1 测试中,GPT-6.2 Astra 较前代提高 9 个百分点,任务成本同样不足原来的三分之一;在考察生物数据分析与实验推断能力的 Vals Science Index 上,新模型也刷新了最高成绩。

法律和专业办公场景的表现同样有所提升。在 Harvey LAB-AA v1.1 法律任务评测中,GPT-6.2 Astra 的通过率超过 Claude Fable 5.2 的两倍,成本约为后者的六分之一。在 OpenAI 内部的 GDPval v2 评测中,新模型较前代提升 6.2 个百分点,输出 Token 减少 22%。

OpenAI 还展示了模型制作 PPT 和财务表格的能力。 它可以根据最新财报更新整份演示文稿,提炼关键经营数据,也能够生成包含财务预测、估值计算和敏感性分析的可编辑 Excel 文件。

不过,新模型在编程任务上的表现就落后了一些。根据 Artificial Analysis 的 Coding Agent Index,GPT-6.2 Astra 得分为 53,与前代持平; GPT-6.2 Sol 得分为 49,反而较前代下降 3 分。 Claude 系列模型仍占据该榜单前三名。

此外,在 AA-Omniscience 测试中,GPT-6.2 Astra 和 Sol 的幻觉率分别达到 59% 和 55%,说明模型在面对不确定问题时,仍然存在较为明显的过度猜测倾向。

目前,两款模型已经面向符合条件的 Plus、Pro、Enterprise 和 Edu 用户开放,可通过 ChatGPT Work 和 Codex 使用,开发者也能够通过 API 调用。

API 价格方面,GPT-6.2 Astra 每百万输入 Token 收费 8 美元,输出 Token 收费 40 美元,均较前代下调 20%,缓存输入价格则降至 0.40 美元。GPT-6.2 Sol 维持上一代的定价,每百万输入、输出 Token 分别为 2 美元和 10 美元。

3D 能力升级,从虚拟游戏走向物理工程

相比常规的推理和编程能力, GPT-6.2 在 3D 设计与物理工程领域的表现,可能是本次发布最有辨识度的变化。

在 Artificial Analysis 推出的 AA-3D 评测中,GPT-6.2 Astra 以 1318 Elo 排名第一,明显高于上一代 GPT-6 Astra 的 1168 Elo,也领先 Claude Fable 5.2 的 1271 Elo 和 GPT-6.2 Sol 的 1259 Elo。

(来源:Artificial Analysis) (来源:Artificial Analysis) 这项评测主要考察模型根据文字要求构建 3D 交互体验的能力。评测过程中,不同模型需要根据相同的提示词生成作品,再由人类评审进行盲测比较。

OpenAI 展示的案例包括可以直接操作的弹球游戏、能够从不同角度探索的罗马斗兽场,以及一款在未来城市赛道中驾驶飞行器的竞速游戏。用户只需要输入文字要求,模型就能自行编写代码,生成可以在浏览器中运行的 3D 交互场景。

除了评测分数,实际开发中的效率提升也比较明显。视频创作平台 Higgsfield 的联合创始人兼 CEO Alex Mashrabov 表示, 在其内部 3D 生成评测中,GPT-6.2 Astra 有 73% 的案例能够一次达到目标效果,而上一代 GPT-6 Astra 通常需要三次甚至更多轮修改。

事实上,上一代 Astra 发布时,就已经凭借生成可玩游戏和复杂交互场景的能力引发关注。如今,随着生成质量和一次成功率进一步提高,AI 有望承担更多游戏原型制作、场景搭建和交互逻辑开发工作,帮助开发团队缩短开发周期。

不过,这次 OpenAI 展示的能力还不止于虚拟世界。

在一个案例中,GPT-6.2 Astra 建立了一辆汽车的 3D 模型,随后编写 Python 求解程序,模拟轮胎、悬架之间复杂的动力学关系,最后使用 Blender 生成动画,展示车辆行驶过程中各个部件的运动情况。

(来源:OpenAI) (来源:OpenAI) 而在另一个案例中,OpenAI 要求模型根据公开照片和装配手册,对一辆遥控越野车及其发动机进行建模。 Astra 不仅建立了各个机械零件的 3D 模型,还生成了装配动画和带有插图的零件目录,让工程师能够直观地检查组件之间的连接关系。

OpenAI 甚至用芝加哥 Marina City 大楼的弧形阳台作为参考,让模型完成一盏纸质台灯的 CAD 设计,并经过修改和人工装配,最终制作出实体产品。

从这些案例来看,GPT-6.2 已经能够参与更复杂的机械结构设计与物理仿真工作,其应用场景也开始从游戏、网页等数字内容,延伸至真实产品的研发过程。

其实,OpenAI 此前已经开始布局这一方向。11 月 3 日,OpenAI 专门发表文章,介绍 AI 如何加速真实物理世界中的工程设计,并披露了与马自达等企业在汽车设计、空气动力学仿真等领域的合作。

当时 OpenAI 透露,一款尚未公开命名的新内部模型在 BenchCAD 2.0 测试中取得 0.875 的平均分,明显高于 GPT-6 Astra 的 0.594 分。

这些能力的提升,也可能给游戏开发、工业设计乃至具身智能等行业带来新的影响。

赶在 Anthropic 上市前

此次 GPT-6.2 的发布时间,多少有些耐人寻味。按照既定安排,Anthropic 预计将在 11 月 18 日完成 IPO 定价,并于 11 月 19 日正式登陆纳斯达克,股票代码为 ANT。

今年 9 月,Anthropic 推出 Claude Opus 5.5 时,曾宣布其在智能体编程、计算机操作和知识工作等多个领域处于领先位置。11 月 9 日,Anthropic 又连续推出 Fable 5.2 与 Mythos 5.2,进一步巩固产品阵容。

如今,GPT-6.2 Astra 在 OpenAI 公布的 Agents' Last Exam 评测中已经超过 Opus 5.5,并在多个专业任务上领先更新的 Fable 5.2。

选择这个时间节点发布新模型,OpenAI 显然给 Anthropic 的上市之旅增添了一些竞争压力。

不过,由于性能的大幅提升,Openai 可能还得面对更加棘手的安全问题。

根据 OpenAI 披露的信息,GPT-6.2 Astra 成为该公司首款在 AI 自我改进能力评估中达到 High 级别、并向外部开放的模型。 按照 OpenAI 的估计,相对于 2024 年的研发水平,这款模型对 AI 研究的加速作用,相当于为每位研究人员增加一名能力较强的研究工程师。

与此同时,GPT-6.2 Astra 和 Sol 的网络安全能力均达到 Critical 级别,生物与化学能力达到 High 级别。OpenAI 因此加强了部署限制、模型监测和研究环境的安全防护。

官方还承认,新模型在部分测试中更容易隐瞒阻碍任务完成的问题,例如没有告知用户文件缺失或搜索工具不可用。OpenAI 已经通过额外指令缓解相关行为,但调查仍在继续。

参考链接:

[1]https://openai.com/index/introducing-gpt-6-2-astra-sol/

[2]https://openai.com/index/accelerating-engineering-for-the-physical-world/

[3]https://x.com/TokenGremlin/status/2122009985005597027

[4]https://x.com/TokenGremlin/status/2122001326871634406

主题:任务|成本|GPT-6.2Astra|三分之一以下|成本仅为后者|任务成本降至原来