# GPT\-6\.2 Astra 刚发布即遭大量差评，实测后我觉得它有点冤

- 作者：山宗
- 发布时间：2026-11-18 10:39
- 分类：产品
- 原文：https://www.ifanr.com/1690103

![](https://s3.ifanr.com/wp-content/uploads/2026/11/12345.jpg)

OpenAI 可能没想到，自己精心准备的新模型，刚刚发布就迎来了一场颇为热闹的舆论风波。

**今天凌晨，OpenAI 正式发布 GPT-6.2 Astra 和 GPT-6.2 Sol，主打更强的专业工作能力、更高的 Token 效率，以及进一步降低的使用成本。**

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994432825-1.jpg)

按照官方公布的成绩，新模型在编程、科研、专业办公、3D 设计等领域表现出色，部分任务的完成成本甚至降至上一代的三分之一以下。

**而在首批开发者实测中，GPT-6.2 的评价却出现了明显分化。**有人惊叹于它的 3D 生成能力和成本优势，也有人认为模型在复杂任务中表现糟糕，甚至专门写了一封长信向 OpenAI 投诉。

我们也那么 GPT-6.2 究竟表现如何？

### GPT-6.2 登场，跑分更聪明、更便宜

此次发布的两款模型有着不同定位，其中 GPT-6.2 Astra 面向复杂专业任务，GPT-6.2 Sol 则更加注重效率与成本，覆盖日常办公、编程及多步骤 Agent 工作。

在衡量长周期、多步骤专业任务的 Agents’ Last Exam 测试中，GPT-6.2 Astra 比上一代高出 5.2 分，完成任务的成本却不到后者的三分之一；与 Claude Fable 5.2 相比，它领先 5.5 分，**任务成本仅为对方的 5%。**

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994434621-2.jpg)

科研能力同样获得提升。在 Terminal-Bench-Science 0.1 测试中，Astra 的成绩比上一代提高 9 个百分点，**OpenAI 甚至宣称，这是目前最适合科学家的模型。**

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994437270-3.jpg)

第三方评测机构 Artificial Analysis 的结果也提供了一个参照，GPT-6.2 Astra 在综合智能指数中排名第二，仅次于 Claude Fable 5.2，但在 Coding Agent 指数中与上一代持平，GPT-6.2 Sol 反而下降了 3 分。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994438786-4.jpg)

相比单纯刷新 Benchmark，此次发布更值得关注的变化，是 OpenAI 开始重点展示模型如何完成真实工作。

比如给 Astra 一张 PPT 截图，它就能模仿原有的布局、字体和配色制作新页面；交给它财务报表，它还能生成包含收入预测、估值分析的 Excel 工作簿。

在 OpenAI 内部 GDPval v2 评测中，Astra 比上一代提高了 6.2 个百分点，输出 Token 减少 22%；在 Harvey LAB-AA 法律工作评测中，其任务通过率超过 Claude Fable 5.2 的两倍，成本约为后者的六分之一。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994443434-5.jpg)

更令人意外的，是 GPT-6.2 在 3D 设计和机械工程领域的进步。

OpenAI 展示了 Astra 在 Blender 中模拟汽车悬架运动、制作遥控赛车装配动画，以及根据芝加哥 Marina City 大楼的阳台设计实体纸灯等案例。

在 Artificial Analysis 的 AA-3D 评测中，Astra 以 1318 Elo 排名第一，较上一代提高了 150 Elo 分，领先 Claude Fable 5.2 的 1271 Elo。

社交平台上的首批实测，也让这种进步变得更加直观。

LuminaBench 在相同提示词测试中发现，GPT-6.2 Sol 生成的 3D 水上飞机场景相比 6.1 Sol 明显进步。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994446361-6.gif)

开发者 eric provencher 展示了 Astra 根据参考图制作的精细 3D 演示程序，还能直接通过 WebGPU 在浏览器中运行；

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994482412-7.jpg)

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994484447-8.gif)

Synopsis 则用它搭建了接近真实、可步行的迪士尼灰姑娘城堡，连烟花、水面纹理和船只场景都颇为逼真。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994496187-9.gif)

不过，AmirMušić 在测试 Astra 配合 Blender 制作机械手模型和动画后认为，实际效果尚可，但距离惊艳还有不小差距。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994509885-10.jpg)

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994511964-11.gif)

至于主打效率的 GPT-6.2 Sol，在 FrontierCode 2.0 编程测试中，与 Astra 的成绩仅相差 0.5 分，成本却只有约五分之一。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994520206-12.jpg)

价格方面，GPT-6.2 Astra 的 API 输入和输出价格比上一代下降 20%，缓存输入下降 60%，每百万 Token 的输入、缓存输入及输出价格分别为 8 美元、0.4 美元和 40 美元。

GPT-6.2 Sol 则保持上一代价格，每百万 Token 输入 2 美元、缓存输入 0.1 美元、输出 10 美元。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994523063-13.jpg)

图｜🔗 https://developers.openai.com/api/docs/pricing

目前，两款模型已向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户开放，同时上线 API，Ultrafast 模式也首次向 Pro 200 用户开放。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994524567-14.jpg)

实际测试中的成本差异同样明显。

开发者 Tony 在相同高山水上飞机提示词下，使用 GPT-6.2 Sol 耗时约 31 分钟、花费 2.07 美元，而 Claude Opus 5.5 耗时约 2 小时 46 分钟、花费 31.85 美元。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994526720-15.gif)

在另一组冰川渔船场景中，Astra 以 8.20 美元、约 41 分钟完成任务，Claude Fable 5.2 则花费 81.10 美元和近两小时。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994544664-16.gif)

从专业工作到 3D 设计，再到价格，OpenAI 交出了一份相当漂亮的成绩单，但开发者的实际使用体验，却远比跑分呈现得复杂。

### 最聪明的 AI，未必是你最想用的 AI

GPT-6.2 上线后，几位提前获得体验资格的知名开发者，接连表达了失望。

AI 开发者 Matt Shumer 在 X 平台直言，自己不会对 GPT-6.2 Astra 和 Sol 进行完整评测，因为此前的测试体验实在太糟糕，两款模型基本无法使用。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994560338-17.jpg)

Every 联合创始人 Dan Shipper 的团队也提前测试了数周，认为 GPT-6.2 的整体表现令人失望。

按照他的观察，Astra 在写作方面甚至不如上一代，过分追求简洁，导致需要详细解释的问题经常得到过短的回答；编程表现与上一代接近，却经常在真实项目中提前停止工作；设计方面虽然有不错的审美，却容易生成高度相似的作品。

批评最激烈的，还得是知名开发者 Theo。

他透露，自己因为 GPT-6.2 Astra 的表现过于糟糕，专门花了一整天给 OpenAI 写投诉信。模型经常在长期任务中突然暂停，询问用户内部文件该如何命名等无关紧要的问题，还曾在一个 TypeScript 转 Rust 项目中连续运行 11 天，没有取得有效改进，反而一度让编译器运行速度下降了 56%。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994562126-18.jpg)

更让 Theo 头疼的是，Astra 经常能写出不错的代码，却无法清楚解释自己做了什么。

有一次，他询问某台电脑为什么运行缓慢，Astra 给出四段复杂的技术分析，而 Claude Opus 5.5 直接指出原因是 SSD 太慢，如今他甚至习惯让 Claude 帮忙解释 Astra 的工作结果。

颇具讽刺意味的是，Theo 也承认 Astra 在代码审查、3D、游戏开发和计算机操作方面表现出色，甚至曾帮他设计出一套预计每月节省 2.5 万美元的反向代理方案，但这些优势依然不足以让他将其作为日常开发工具。

开发者 Flavio Adamo 也认为，Astra 的 3D 能力非常优秀，但在前端开发中经常擅自采用自己的设计风格，无法自然延续现有项目的视觉规范。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994563659-19.jpg)

类似问题也出现在更多实测中。aipulsedaily 在曼哈顿 3D 场景测试后表示，Astra 虽然能够完成场景，但速度极慢，镜头移动迟缓，其他任务中也经常不够配合，因此正式工作仍会优先使用 Opus 和 Fable。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994566234-20.gif)

几位开发者的批评集中在相似的问题上，包括长期任务异常中断、执行偏离目标、沟通解释困难，以及对用户要求的遵循不足。

不过，提前体验者 Pietro Schirano 提出了不同看法，认为不少问题来自外围 Agent 执行框架 Harness，移除相关框架后，Astra 的表现明显改善。

OpenAI 自己也在官方博客中承认，在两项对齐测试中，新模型更容易遗漏妨碍任务完成的重要信息，例如文件缺失、搜索工具无法使用等，目前已通过调整 Codex 指令改善相关行为。

看完这些褒贬不一的评价，我也拿 GPT-6.2 做了三组测试，依旧分别是第三人称水下探索游戏、动画风乡村骑行体验，以及基础 WebGL 交互场景，重点考察模型对复杂需求、3D 场景搭建和交互逻辑的处理能力。

![](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994579095-21.jpg)

![](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994581564-22.jpg)

![](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994584197-23.jpg)



向左滑动查看更多内容

三个项目覆盖了从基础图形开发到复杂交互场景的不同需求，但从我的体验来看，GPT-6.2 的表现远没有网上所说的那么糟糕，首发后的舆论更像是差评的声音被集中放大了。

究其原因，随着 Agent 开始参与软件开发、专业设计和科研工作，一次任务可能持续数小时甚至数天，模型需要自行规划、调用工具并处理障碍，任何一次错误判断，都可能让用户付出额外时间和 Token 成本。

Theo 遇到的文件命名问题，对于普通聊天来说只是无关紧要的提问，但对于已经运行两个小时的 Agent，却意味着任务被迫中断。

同样，模型持续消耗 Token 改善程序体积，却忽略用户希望提升的性能，也说明自主执行能力越强，错误决策的代价可能越高。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994586239-24.jpg)

尤其值得注意的是，OpenAI 此次反复强调 GPT-6.2 的成本优势，但真实项目的花费，还取决于模型能否准确理解目标、减少重复操作，并交付符合要求的结果。

单次推理价格降低，整个项目却可能因为反复试错变得更加昂贵。

另一方面，随着模型能力逐渐多元化，单一场景的表现也越来越难以代表一个模型的整体水平。

同样是 GPT-6.2 Astra，它可以在 3D 生成中取得令人惊艳的成绩，也可能在长期编程任务中反复兜圈子；有人觉得它的交互体验令人抓狂，也有人认为它的成本效率足以改变自己的工作流程。

![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1794994588139-25.gif)

不同任务对模型能力的要求本就不同，用户对模型好坏的判断，自然也会出现分歧。

GPT-6.2 的争议，恰好反映出大模型竞争正在发生的变化。

过去几年，模型厂商不断尝试证明自己的 AI 比竞争对手更聪明，如今随着 Agent 进入真实工作流程，用户开始更加关注它能以怎样的效率、成本和可靠性完成任务。

对于普通用户而言，与其被社交平台上最激烈的评价左右，不如把模型放进自己的工作场景中，看看它究竟能完成多少事情。最聪明的模型，未必是最好用的模型；最好用的模型，也未必需要证明自己最聪明。
