AI Pulse

GPT-6.2跑两小时后卡住,问用户只有它自己知道答案的问题

GPT-6.2跑两小时后卡住,问用户只有它自己知道答案的问题

OpenAI 这次发了两个模型。GPT-6.2 Astra 是旗舰,冲着最难的项目去;GPT-6.2 Sol 更轻,管日常活。API 里的 ID 分别是 gpt-6.2-astra 和 gpt-6.2-sol。LLM 命令行工具 0.38 版本已经跟上,装上就能直接调用。

价格是发布信息里最好懂的一块。Astra 6.2 每百万 token 输入 8 美元、输出 40 美元,正好是 6 Astra 的八折。6 Astra 当初的定价是 10 美元和 50 美元。

同一个价位上,Claude Fable 5.2 也是自己前代的八折。两家旗舰做了同幅度的下调,新价格彼此持平。

缓存价格降得更狠:每百万 token 0.40 美元,旧模型是 1 美元。对反复读同一段上下文的长时间 agent 会话,这笔钱省得相当可观。

Sol 系列没动价,还是每百万 token 输入 2 美元、输出 10 美元,和 6.1 Sol、6 Sol 一致。比起更早的 GPT-5.6 Sol(4 美元和 20 美元),已经是半价。

跑分之外有实测。一个常见的测试提示是让模型写 Three.js 动画:Yonkers 站起来变成一台大机甲,踩踏曼哈顿、皇后区和布鲁克林,地图数据取自 OpenStreetMap。执行时用 Codex CLI 的 Ultra 努力级别。两个模型都没把 Yonkers 变形做得足够好,和 Claude Fable 5.2、Gemini 4 Carbon 比差一截。

Astra 转头做了另一件事。在 Codex 桌面应用里用它(Ultra)生成一段视频,把两个模型的动画上下拼接、各自加标签。指令是自然语言写的,最后一句是“拉到 20 秒”,一行代码没敲。

长任务上,Theo Browne 的反馈是:这模型能拉进大量子代理,管得还不错。问题出在下一步。它会突然问你一些内部实现细节的鬼东西,你在任何情况下都不可能理解,更别说给出意见。

他举了个例子。他发了一句“给《Outer Wilds》做一个新关卡”。两小时后任务卡住了,因为模型想问他:“r24 的审阅者是把片段写入 24_g521.mp4,还是 24_p11.mp4?”这是只有它自己上下文里才有答案的文件名选择。

任务没失败。它停在了一个本该由模型自己决定的分叉上,等在那儿的人手里没有判断所需的信息。对能自己跑几小时的 agent 来说,这类中断是硬伤。

目前评价褒贬不一。Astra 6.2 在多个基准上的得分不如 Fable 5.2,也有人抱怨它的沟通风格让人困惑。具体是哪些基准、差距多大,没有明说;“沟通风格令人困惑”是不是指上面这种提问方式,同样不清楚。

GPT-6.2 系列会不会进 ChatGPT 这类消费产品、以什么价格出现,也还没有消息。

关键事实

阅读原文
📚 相关主题 大模型OpenAI

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新