OpenAI红色警报下的反击：发布GPT-5.2迎战Gemini 3

当谷歌的 Gemini 在各大 AI 排行榜上风头正劲时，OpenAI 终于打出了新的王牌。

周四，这家 AI 巨头发布了 GPT-5.2，称其是迄今为止“最强大的模型”，专为开发者和职场人士打造。

这场发布会的时机颇为微妙。

一个月前，OpenAI CEO 山姆·奥特曼（Sam Altman）向内部发出“红色警报”，承认 ChatGPT 面临巨大竞争压力，正在输掉消费市场份额。今天的 GPT-5.2 正是 OpenAI 试图夺回领导地位的关键一步。

同时，今天也是 OpenAI 官宣成立十周年的日子。

GPT-5.2 模型家族包括三个不同版本：Instant、Thinking 和 Pro。

Instant 是速度优化版本，专门处理日常查询，比如信息检索、写作和翻译这类常规任务。

Thinking 则擅长复杂的结构化工作，在编程、分析长文档、数学计算和项目规划方面表现突出。

Pro 则是顶级版本，旨在为最棘手的问题提供最高精度和可靠性。它的运行速度显著慢于其他版本，且成本极其高昂，专为那些准确性高于一切、成本退居其次的重要任务设计。

测试数据表明，Pro 版本是唯一在 ARC-AGI-1 推理基准测试中突破 90% 大关，并在 AIME 2025 数学竞赛中不使用工具就达到 100% 满分的模型。

在 ChatGPT 中，GPT-5.2 的三个版本已经上线，首先面向付费用户开放。OpenAI 表示将在未来几天逐步部署 GPT-5.2，以保持 ChatGPT 尽可能流畅和可靠。

“我们设计 GPT-5.2 就是为了给人们创造更多经济价值。”OpenAI 应用业务 CEO 菲吉·西莫（Fidji Simo）在发布会上表示。她强调，新模型在创建电子表格、制作演示文稿、编写代码、图像识别、理解长文本、使用工具以及处理复杂多步骤项目方面都有显著提升。

据其介绍，ChatGPT 企业版的普通用户表示“AI 每天为他们节省 40-60 分钟”，而重度用户每周节省时间“超过十小时”。GPT-5.2 的目标就是进一步扩大这种价值。

OpenAI 表示，GPT-5.2 在多项行业基准测试中创下新纪录。

在涵盖 40 多种职业专业知识的 GDPval 测试中，GPT-5.2 Thinking 的表现达到了专家级水平。根据专业评审的判断，在 70.9% 的情况下，GPT-5.2 Thinking 击败或打平了顶级行业专业人士。这些任务包括制作演示文稿、电子表格和其他各类工作成果。

更重要的是，GPT-5.2 完成这些任务的速度是专业人士的 11 倍以上，成本却不到 1%，不过 OpenAI 并未公布模型 VS 人类的成本是如何计算的。

在软件工程领域，GPT-5.2 Thinking 在 SWE-Bench Pro 测试中达到了 55.6% 的新高分。这个成绩也是超过了 Claude 4.5 Sonnet 和 Gemini 3 Pro。在更基础的 SWE-bench Verified 测试中，GPT-5.2 的得分更是达到了 80%。

OpenAI 研究主管艾丹·克拉克（Aidan Clark）解释说，更强的数学能力不仅仅是解方程那么简单。数学推理能力是衡量模型能否遵循多步骤逻辑、保持数字长期一致性、避免可能随时间累积的细微错误的代理指标。

在科学问题方面，GPT-5.2 Pro 在 GPQA Diamond 测试中取得了 93.2% 成绩。GPT-5.2 Thinking 也有 92.4% 的高分。双双打破了 Gemini 3 Pro 保持的纪录。

克拉克在发布会上分享了一个案例：团队让一位资深免疫学研究员使用 GPT-5.2 Pro，当研究员要求模型生成关于免疫系统最重要的未解问题时，模型产生了“更敏锐的问题和更有力的解释”，用于说明这些问题为何重要。该研究员认为其表现超过了“所有其他前沿模型”。

在可靠性方面，GPT-5.2 也取得了重要进展。OpenAI 后训练负责人马克斯·施瓦策（Max Schwarzer）指出，在衡量对事实性问题回答的基准测试中，GPT-5.2 Thinking 的幻觉出现率比 GPT-5.1 降低了 38%。

长文本理解方面，GPT-5.2 Thinking 同样创下了新纪录。OpenAI 采用 MRCRv2 评估来衡量模型整合分散在长文档中信息的能力。

处理需要跨越数十万 token 相关信息的真实任务时，GPT-5.2 Thinking 的准确性远超 GPT-5.1 Thinking。它是第一个在四针 MRCRv2 测试中（最多 256k token）实现接近 100% 准确率的模型。

这意味着专业人士可以更放心地使用 GPT-5.2 处理长文档，如报告、合同、研究论文、记录和多文件项目，同时在数十万 token 范围内保持连贯性和准确性。

在视觉能力方面，GPT-5.2 Thinking 在图表推理和软件界面理解方面的准确率提升近 50%。这意味着模型可以更准确地解读仪表板、产品截图、技术图表和可视化报告，支持更加依赖视觉信息的工作流。

相比之前的模型，GPT-5.2 Thinking 对图像中元素位置的把握更强。例如，在识别主板图像中的组件并返回大致边界框的任务中，即使在低质量图像上，GPT-5.2 也能识别主要区域并放置与每个组件真实位置有时匹配的框，而 GPT-5.1 只能标记少数部分，对空间排列的理解要弱得多。

值得一提的是，OpenAI 的新图像生成工具仍然缺位。据报道，奥特曼曾在内部红色警报备忘录中表示，图像生成将是未来的重点，特别是在谷歌的新版 Nano Banana 发布之后。

据报道，OpenAI 计划在明年一月发布另一款新模型，具有更好的图像效果、更快的速度和更好的个性，但尚未得到官方确认。

最后在发布会上，OpenAI 承认在某些方面还有改进空间。比如在 ChatGPT 中，公司正在努力解决过度拒绝等已知问题，同时继续提高回复的可靠性。此外，OpenAI 据传正在考虑开放模型成人内容限制。

对于 OpenAI 来说，GPT-5.2 能否帮助它重新夺回失去的领地，还需要时间来证明。

参考资料：

https://openai.com/index/introducing-gpt-5-2/

https://www.theverge.com/ai-artificial-intelligence/842529/openai-gpt-5-2-new-model-chatgpt

https://techcrunch.com/2025/12/11/openai-fires-back-at-google-with-gpt-5-2-after-code-red-memo/