星期四 · 2026年11月19日 14:04:06
首页 资讯 新闻 GPT-6.2满分首发,系统卡却指向算力短缺

GPT-6.2满分首发,系统卡却指向算力短缺

作者:链上吃瓜员 更新时间:2026-11-18 15:40

11月18日OpenAI放出了GPT-6.2 Astra和Sol,Plus与Pro用户、Enterprise和Edu团队可以先在ChatGPT Work和Codex里用,普通Chat还没开放。同一天还有三件事摆在台面上:Astra成了首个在ARC-AGI-3拿到100%满分的模型;系统卡显示,模型遇到障碍干不了也不说的比例从上一代的11.09%翻到了22.28%;发布现场也没给用户送新的额度重置。三件事指向同一个原因,OpenAI的算力不够用。

11月18日OpenAI放出了GPT-6.2 Astra和Sol,Plus与Pro用户、Enterprise和Edu团队可以先在ChatGPT Work和Codex里用,普通Chat还没开放。同一天还有三件事摆在台面上:Astra成了首个在ARC-AGI-3拿到100%满分的模型;系统卡显示,模型遇到障碍干不了也不说的比例从上一代的11.09%翻到了22.28%;发布现场也没给用户送新的额度重置。三件事指向同一个原因,OpenAI的算力不够用。你们想知道为什么新模型不能全量开放、为什么可靠性指标反而变差,通过下文就能了解具体原因。

一、技术上,OpenAI 依然在第一梯队

单看硬实力,OpenAI 手里的牌依然很硬。ARC-AGI-3 测试里,GPT-6.2 Astra 在允许厂商自己接适配器的那一档拿到了 100% 满分,花掉 4.1K 美元。就算在标准模式下,它也拿到了 70.3%,花掉 24.2K 美元。

官方给出的 Agents' Last Exam 成绩也很亮眼。Astra 比上一代 GPT-6 Astra 高了 5.2 分,单任务成本压到不到三分之一。Astra 比 Claude Fable 5.2 高出 5.5 分,单任务成本只有约 5%(官方脚注提到,Fable 5.2 的成绩排除了 9 个调用回退模型的任务)。

GPT-6.2满分首发,系统卡却指向算力短缺

第三方榜单 Artificial Analysis(简称 AA)在同一天更新了数据。GPT-6.2 Astra 的综合智能指数比上一代涨了 5 分,排在总榜第 2,只落后于 Claude Fable 5.2。同场发布的 Sol 拿到 57 分,追平了上一代旗舰 GPT-6 Astra。OpenAI 还在博客里说,他们认为 Astra 是全球最适合科学家的模型,它在 Terminal-Bench-Science 0.1 上比上一代高了 9 个百分点,单任务成本同样不到三分之一。

GPT-6.2满分首发,系统卡却指向算力短缺

二、OpenAI 自己承认过两次,最缺的是算力

2026年1月18日,OpenAI CFO Sarah Friar 发了一篇署名官方博客,原话写着「算力是 AI 里最稀缺的资源」。她在文里给出了一组数据,2023 年到 2025 年,OpenAI 的可用算力从约 0.2 GW 涨到 0.6 GW,再到约 1.9 GW,同期的年化经常性收入(ARR)从约 20 亿美元涨到 60 亿美元,2025 年冲到 200 亿美元以上。这两组数字几乎同步上涨。Friar 在博客里写得很直接,如果那几年手里有更多算力,客户采用和变现的速度还会更快。

2026年2月12日,OpenAI 提交给国会的备忘录里再次提到算力是最稀缺的资源,「有限的算力一直在拖慢我们交付热门新功能的能力」。这两份官方文件摆在明面上,算力不够一直在卡 OpenAI 的脖子。

三、头号任务是省,省下来的力气给了多模态和科学

AA 的评测显示,GPT-6.2 Sol 追平上一代旗舰 Astra 的同时,单任务成本只有后者的约 15%。这两个新模型占住了大部分单任务成本和单任务输出 token 的帕累托前沿,非 OpenAI 实验室里只有 Claude Fable 5.2 还能留在这条线上。API 价格也往下调了,Astra 输入 8 美元、输出 40 美元,比上一代便宜 20%,缓存输入从 1 美元降到 0.40 美元。

GPT-6.2满分首发,系统卡却指向算力短缺

第三方机构 OrcaRouter 在11月18日拆解了 AA 同一套最大强度测试的数据。GPT-6.2 Sol 平均每次输出 40,360 个 token,上一代 6.1 Sol 是 67,824 个,总输出少了约 40%。真正被砍掉的是推理 token,从 49,213 个降到 22,800 个,少了约 54%,而给用户看的可见回答只短了约 6%。

从公开成绩单能推出来,OpenAI 这一代把资源偏向了多模态、真实世界任务和科学。OpenAI 发布帖写的定位就是「超级高效,专为真正重要的地方打造,也就是真实世界」。AA 榜单上,6.2 偏强的板块集中在科学、3D 和机器人,AA-3D 网页盲测里 Astra 拿到 1318 分,高于 Claude Fable 5.2 的 1271 分。官方博客还专门讲了办公排版,说新模型能照着模板甚至一张截图,把幻灯片的排版、配色和字号还原出来。

纯编程的第三方指标就没怎么动。在 AA 的编程智能体指数(Codex 最大强度设置)下,GPT-6.2 Astra 的编程得分跟上一代持平,一分没涨,GPT-6.2 Sol 反而比上一代 6.1 Sol 掉了 3 分 。博主卡兹克在个人测评长文里给出的判断也是「OpenAI 在偏科的道路上越走越远了」,他测下来 3D 和游戏表现超出预期,自建简易集里代码审查从 6.1 Sol 的 65% 涨到了 Astra 的 96%,但日常沟通和非科研类的方案规划可读性很差。

GPT-6.2满分首发,系统卡却指向算力短缺

6.2 发布前的2026年5月至7月,JetBrains 调查了全球约 15,000 名职业开发者,工作中用 Claude Code 的人占了约 39%(美国为 47%),用 Codex 的是 16%。CFO Sarah Friar 在11月10日刚对 Yahoo Finance 说过,公司 Q3 收入约 100 亿美元,企业端收入环比翻倍,靠的就是编程和网络安全这类产品带动。第三方编程榜单现在交出持平甚至掉分的成绩,说明算力紧缺之下,训练重心也得排先后顺序。

四、省出来的毛病:活干不了也不说

系统卡第 4.1.3 节记录了一项叫 Blocker eception 的测试。测试方法很直白,给模型安排真实的写代码任务,中途把它要改的源文件撤掉,或者把必需的工具关掉,看它最后交差时提不提这个障碍。结果 GPT-6.2 Astra 有 22.28% 的时候活干不了也不说,上一代 GPT-6 Astra 是 11.09%,直接翻了一倍。系统卡图上(Figure 35),GPT-6.2 Sol 不带提示词时到了 24.08%,上一代 6.1 Sol 是 14.00%。

GPT-6.2满分首发,系统卡却指向算力短缺

另一项叫 Broken Search Tool 的测试把搜索工具关掉,看模型会不会说明自己查不到。GPT-6.2 Astra 的任务失败率到了 23.00%,上一代 GPT-6 Astra 是 7.58%。系统卡里也有变好的安全指标,高严重度职场不当行为是下降的,Astra 从 1.20% 降到了 0.64%,Sol 从 1.32% 降到了 0.71%。毛病主要出在「省略」上。第三方 AA 解释 Sol 编程掉分时也提到了类似现象,它的 SWE-Atlas-QnA-AA 单项跌了 14 分,原因是模型比上一代更容易在回答里漏掉关键事实。

OpenAI 在系统卡里写了自己的官方假设,团队还在调查根本原因,一个假设是他们努力让回答更简短、减少过多的免责声明,可能连带着让模型把重要的障碍也省掉了。2025年4月 GPT-4o 出现过度讨好用户的问题时,官方也是先改系统提示词顶一下,最后整版回滚。这回 6.2 出了活干不了也不说的毛病,OpenAI 是在 Codex 里加了一条开发者提示词当补丁。

GPT-6.2满分首发,系统卡却指向算力短缺

系统卡图上(Figure 35 和 Figure 36),加上这条 Codex 提示词之后,Astra 活干不了也不说的比例能压回 8.04%,Sol 压回 8.88%。但在 Broken Search Tool 上,Astra 带了提示词也有 8.50%,还是比上一代的 7.58% 略差一点。系统卡里明确写着,这条提示词不会默认加进直接调 API 的请求里。只打提示词补丁而不重新训练模型,我的推测是重训太烧算力。至于 API 为什么不默认加,分析下来是因为提示词归 Codex 产品管,API 用户都有自己的系统提示词,官方默认往里加词会改变接口原本的行为 。

五、额度也在省:同样额度多干活

今年9月3日、4日和7日,因为 Astra 延期发布,OpenAI 给过三次额度重置。11月11日到13日,Codex 负责人 Tibo也因为 Dots 更新激活过一次存量重置。到了11月18日 GPT-6.2 正式上线,官方帮助中心和 Tibo 的推文里都没有宣布新的发布重置,帮助中心还专门写明,之前的每日重置是为了补偿整体延期,发布后的个人访问问题不享受额外重置。

官方博客这次的说法是,新模型用更少的输出 token 完成高要求任务,「这样你就能在使用额度内干完更多事」。Tibo 发推也强调模型极其高效,你的使用额度能比以前撑得更久。隔壁 Anthropic 发 Claude Fable 5.2 时先给了一次专项重置,随后因为修复了几个多吃使用额度的小问题,给 Pro 和 Max 用户、以及 Ultra 与 Team 订户发了一次全量免费重置,能用到12月11日。说实话,给全量用户重置使用额度,就等于直接往外送算力。

写在最后

要我选的话,现在写代码和跑复杂长任务,首选依然是 Claude Fable 5.2。它排在 AA 综合榜第一,发布前的开发者采用率是 39% 对 16%,而 GPT-6.2 在第三方编程榜上原地踏步,还有活干不了也不说的毛病。GPT-6.2 更适合那些对成本敏感、做 3D 视觉或科学计算、或者照着截图还原排版这类省钱的活。

现在就要上手用 GPT-6.2 的话,有两个具体做法:

  • 调 API 的人,自己往 system prompt 里加一条硬规矩,要求模型遇到文件缺失或工具报错时必须立刻报错停下,不准跳过障碍假装完成,补上官方没给 API 默认加的那条提示词。
  • 用 Codex 的人,虽然官方默认加了提示词,碰到搜索工具断连或者改大项目的时候,还是自己多看一眼终端日志和 git diff,别光信它的口头汇报。

复制本文链接

本内容只为提供市场信息,不构成投资建议。该文章为中币网所有,未经允许不得转载。

相关阅读
更多
相关专题
更多

近期热门

更多

精选专题

更多

热门标签

更多