网易首页 > 网易号 > 正文 申请入驻

GPT-5.2果然反超谷歌Gemini 3 Pro!北大数院校友核心贡献

0
分享至

梦晨 发自 凹非寺
量子位 | 公众号 QbitAI

红色警报拉响,OpenAI是真急了:

30天,GPT-5.2系列紧接着GPT-5.1而来,这次还专门强化了打工能力。

这是GPT-5.1 Thinking和GPT-5.2 Thinking做人力资源表格的对比:

虽然版本号只加了0.1,但是在多个实用领域都更强了:做表格、做PPT、写代码、理解长文档、调用工具、处理复杂多步骤项目……

视觉理解能力也大幅提升,GPT-5.2能准确标记出更多主板上的元件。

这是GPT-5.2做的网页版波浪模拟器:

如果你遇到航班延误、又错过转机、需要当地过夜以及需要特殊医疗座位,听起来就很头疼。

但GPT-5.2安排好了一切:重新订机票、安排特殊座位和赔偿。

ARC-AGI也在第一时间发布了测试结果。

一年前的o3 (High) 在ARC-AGI-1测试中得分88%,平均每项任务成本为4500美元。

今天的GPT-5.2 Pro (X-High) ,最新SOTA得分为90.5%,平均任务成本仅为11.64美元,在一年内效率提高了约390倍。

同时超过了谷歌Gemini 3 Pro的对应版本(绿色点),也算扳回一局。

拆解GPT-5.2各项能力

高经济价值任务

在GDPval测试中,涵盖美国GDP前九大产业中的44个职业领域,完成人类需要4-8小时才能完成的任务。

在人类评委打分下,GPT-5.2 Thinking与人类专家相比有71%的胜率,GPT-5.2 Pro还能更高一些。

而且速度是人类专家的11倍以上,成本不到人类专家的1%。

在投行分析师的电子表格建模任务上,GPT-5.2 Thinking平均每项任务得分相比GPT-5.1提升了9.3%,从59.1%上升到68.4%。这些任务包括为财富500强公司搭建三表联动模型、构建杠杆收购模型等。

提示:您是一名投资银行分析师,刚刚接到一项任务,需要完成一份瀑布式分析,以了解创始人及现有投资者的所有权和回报情况。您的客户是一家正在考虑 C 轮融资的初创公司。

请查收附件中的模板,您需要对其进行修改。我在 G 列中添加了必要的假设。C 列的名称在普通股部分重复出现,以便于索引。假设包括退出时的股权、系列投资金额、基金所有权、认股权证、清算优先权、转换价格、普通股稀释后股份数和行权价格。假设种子轮、A 轮和 B 轮均为同等权益的非参与性优先股(即,这些轮次的投资者享有同等待遇;对借款人的资产拥有同等的索偿权)

在审查一份特别优秀的成果时,一位GDPval评委表示:

  • 在输出质量上令人兴奋且显著的飞跃……[它]看起来像是由一家专业公司的员工完成的,两份交付成果的布局设计和建议都出人意料地出色,尽管其中一份仍存在一些小错误需要纠正。

要在ChatGPT中使用新的做表格和PPT能力,需要充值Plus、Pro、Business或 Enterprise套餐,选择GPT-5.2 Thinking或Pro版本 。生成复杂的内容可能需要几分钟时间。

代码能力

GPT-5.2代码能力同样刷新纪录,在SWE-bench Verified上,得分达到80%。

在SWE-Bench Pro这个更难的软件工程评测上,GPT-5.2 Thinking拿下55.6%的新高。

这个评测不止测Python,还包括JavaScript、TypeScript和Go,更贴近真实工业场景。

早期测试者特别提到,GPT-5.2在前端开发和复杂UI工作上明显更强,尤其是涉及3D元素的场景。

长上下文

长文档处理是这次升级的重头戏。

在OpenAI自制的大海捞针MRCRv2评测中,GPT-5.2 Thinking成为首个在256k 上下文长的4针版(4-needle variant)上达到接近100%准确率的模型。

不过8针版性能还是会随上下文长度明显下降。

对于需要超越最大上下文窗口进行思考的任务,GPT-5.2 Thinking兼容简洁回复模式,能够处理更多工具密集型、长时间运行的工作流。

视觉理解

视觉能力的提升同样显著。

在科学论文图表理解上,GPT-5.2 Thinking的错误率大约降低了一半。

更关键的是,它对图像中元素的空间位置有了更强的把握。

在高分辨率图形面屏幕截图推理测试中,配合Python工具得分达到86.3%。

如果禁用Python工具得分会低很多,OpenAI建议在这样的视觉任务中通通启用工具。

工具调用

工具调用能力同样达到新高度,在Tau2-bench Telecom多轮交互电话客服场景评测上,GPT-5.2 Thinking取得98.7%的成绩。

Tau2-bench Retail零售场景也达到82%。

这些成绩意味着更强大的端到端工作流程,例如解决客户支持案例、从多个系统中提取数据、运行分析以及生成最终输出,且各步骤之间的故障更少。

科学能力

OpenAI一直希望AI能加速科学研究,这次他们相信GPT-5.2 Pro和GPT-5.2 Thinking是目前世界上最适合辅助科学家的模型。

在GPQA Diamond研究生水平的问答评测上,GPT-5.2 Pro拿下93.2%,GPT-5.2 Thinking紧随其后达到92.4%。

在专家级数学评测FrontierMath(Tier 1-3)上,GPT-5.2 Thinking以40.3%的解题率创下新纪录。

官方还透露了一个实际案例:

研究人员使用GPT-5.2 Pro探索了统计学习理论中的一个开放问题,在一个狭窄、明确的设定下,模型提出了一个证明,随后被作者验证并经过同行评审。

事实准确性方面,GPT-5.2 Thinking的幻觉问题相比GPT-5.1从8.8%减少到6.2%。

不过OpenAI也提示模型仍不完美,关键内容还是需要人工复核。

One More Thing

自从Meta疯狂挖人以来,OpenAI都很少在研究进展文章后面附上贡献者列表了,直接统一署名OpenAI了事。

不过从开发者相互祝贺的推文中,还是可以挖出GPT-5.2的几位核心团队成员:多为2024年之后加入OpenAI的新面孔,而且多是数学专业出身。

Yu Bai:北大数院校友、斯坦福统计学博士,2024年5月加入OpenAI。

Yaodong Yu:UC伯克利博士毕业,2024年9月加入OpenAI。

Yufeng Zhang:本科中科大数学系、西北大学博士、字节前研究员,2024年底加入OpenAI

梅松:北大数院校友、斯坦福计算与数学工程博士、UC伯克利助理教授,2025年5月暂离学校加入OpenAI。

Ofir Nachum:MIT CS硕士毕业,前谷歌大脑研究员,2023年加入OpenAI。

每当外界觉得OpenAI进展不及预期的时候,总有新的人才带来新的惊喜。

参考链接:
[1]https://openai.com/zh-Hans-CN/index/introducing-gpt-5-2/

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
演员孙芮宣布结婚怀孕成“军嫂”,晒丈夫帅气背影:他身处纪律岗位坚守责任

演员孙芮宣布结婚怀孕成“军嫂”,晒丈夫帅气背影:他身处纪律岗位坚守责任

开开森森
2026-11-21 09:39:26
C罗回击滕哈赫:能接受穆里尼奥批评,为何不能接受前曼联主帅?

C罗回击滕哈赫:能接受穆里尼奥批评,为何不能接受前曼联主帅?

雅儿姐姐爱侃剧
2026-11-21 11:23:07
深圳街头贴身护墨西哥总统的女警徐瑾,网传年薪百万其实是误会

深圳街头贴身护墨西哥总统的女警徐瑾,网传年薪百万其实是误会

娱乐的硬糖吖
2026-11-20 05:28:23
中国股市失控信号亮起:这次可能真的不是玩笑

中国股市失控信号亮起:这次可能真的不是玩笑

星语者056
2026-11-20 08:56:23
IGN:《GTA6》高人气美女很恐怖!杰森躲过一劫

IGN:《GTA6》高人气美女很恐怖!杰森躲过一劫

游民星空
2026-11-20 12:11:29
墨西哥总统辛鲍姆搭乘南航CZ8031返程,抵墨后发文致谢机组

墨西哥总统辛鲍姆搭乘南航CZ8031返程,抵墨后发文致谢机组

读创
2026-11-20 20:25:07
加拿大总理震动舆论,出席深圳 APEC 会议,公开称要借鉴深圳发展

加拿大总理震动舆论,出席深圳 APEC 会议,公开称要借鉴深圳发展

健身狂人
2026-11-21 11:35:16
从全网泪目到全网群嘲,赵本山只用了三天

从全网泪目到全网群嘲,赵本山只用了三天

梳子姐
2026-11-19 12:05:24
号商下乡收Claude账号:Anthropic算尽了一切,唯独没算到中国号商会上山下乡!

号商下乡收Claude账号:Anthropic算尽了一切,唯独没算到中国号商会上山下乡!

城事堂
2026-11-19 08:49:08
杰森洗澡还要穿丁字裤?《GTA6》日版和谐被痛批

杰森洗澡还要穿丁字裤?《GTA6》日版和谐被痛批

3DM游戏
2026-11-19 22:06:30
9战7胜逆袭!太阳拒爵士16分逆转 布克23分榜眼20+10+8

9战7胜逆袭!太阳拒爵士16分逆转 布克23分榜眼20+10+8

醉卧浮生
2026-11-21 13:06:12
国际金价,大幅下跌

国际金价,大幅下跌

上观新闻
2026-11-21 09:34:27
51:48!特朗普一从中国回美,就收到好消息!

51:48!特朗普一从中国回美,就收到好消息!

故事终将光明磊落
2026-11-21 14:55:56
特朗普回美下飞机前,在空军一号上与人激烈争吵!

特朗普回美下飞机前,在空军一号上与人激烈争吵!

胜研集
2026-11-21 01:33:17
APEC 封神!别家啃冷三明治,深圳直接上现炒热菜,老外记者看呆,深圳媒体中心这顿饭,把老外 CPU 干烧了

APEC 封神!别家啃冷三明治,深圳直接上现炒热菜,老外记者看呆,深圳媒体中心这顿饭,把老外 CPU 干烧了

魔都姐姐杂谈
2026-11-19 10:30:45
对比APEC峰会!斯洛伐克总理感叹:欧洲理事会快成“战时内阁”了

对比APEC峰会!斯洛伐克总理感叹:欧洲理事会快成“战时内阁”了

今夜繁星坠落
2026-11-21 12:44:15
1988年,他喝醉了,把家里23岁的小保姆错认成自己的妻子。保姆没作声,第二天,保姆表示自己什么也不要。

1988年,他喝醉了,把家里23岁的小保姆错认成自己的妻子。保姆没作声,第二天,保姆表示自己什么也不要。

回京历史梦
2026-11-19 09:21:15
王祉怡2-0战胜宫崎友花 成功晋级女单决赛

王祉怡2-0战胜宫崎友花 成功晋级女单决赛

北青网-北京青年报
2026-11-21 14:31:02
墨西哥总统回程还是搭南航 发文感谢中国女保镖

墨西哥总统回程还是搭南航 发文感谢中国女保镖

看看新闻Knews
2026-11-20 18:56:15
她是央视主持,剑桥学霸,精通英文播报,38岁气质出众至今未婚

她是央视主持,剑桥学霸,精通英文播报,38岁气质出众至今未婚

一娱三分地
2026-11-21 00:10:03
2026-11-21 16:24:49
量子位 incentive-icons
量子位
追踪人工智能动态
13707文章数 176601关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

特朗普亚洲行后举行记者会 为与普京的"朋友"关系辩护

头条要闻

特朗普亚洲行后举行记者会 为与普京的"朋友"关系辩护

体育要闻

伦德伯格撞墙的力度真不轻

娱乐要闻

虞书欣擦边自拍、霸凌同事、媒体点名?

财经要闻

走过三年牛市,黄金何去何从?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

艺术
手机
健康
教育
数码

艺术要闻

2026第七届民族美术作品展 油画选二

手机要闻

对标iPhone Duo!摩托罗拉首款阔折叠Razr Flex 2027渲染图出炉

医生眼里"很伤腰"的椅子,很多人天天坐

教育要闻

晚自习到底几点结束?武侯区给出的时间线,家长得看清

数码要闻

高驰VERTIX 4运动手表曝光:1.47英寸AMOLED屏幕

无障碍浏览 进入关怀版