GPT-5.2果然反超谷歌Gemini 3 Pro！北大数院校友核心贡献

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/