网易首页 > 网易号 > 正文 申请入驻

挖出百万美元漏洞的GPT-6.2,被开发者判了「基本不可用」

0
分享至

OpenAI 新模型上线仅仅 8 分钟,硅谷知名创业者 Matt Shumer 就在社交平台上扔下一句毫不留情的评价:「基本不可用,不推荐」。


紧接着,拥有大批开发者拥趸的 Theo Browne 发了一篇长文《我为什么讨厌 GPT-6.2 Astra》。向来对前沿模型保持温和耐心的沃顿商学院教授 Ethan Mollick,测完后也给出罕见的严厉定调——「非常不稳定且古怪」,并直言这是「自 GPT-4.5 以来 OpenAI 前沿发布首次未见明显进步」。

北京时间 11 月 18 日凌晨,OpenAI 正式推出新一代旗舰 GPT-6.2 Astra 与日常主力 GPT-6.2 Sol。官方把 Astra 的 API 单价直接砍掉 20%,还交出了一张从智能体到科研全面刷新纪录的成绩单。纸面跑分的狂飙撞上一线开发者的集体吐槽,这种割裂感恰恰揭开了 OpenAI 当下的窘境。

跑分很能打,脚注很微妙

两款模型均配备 105 万上下文窗口,输入上限 92.2 万 tokens,输出上限 12.8 万 tokens,目前仅支持文本与图像输入、纯文本输出,不支持音视频和微调。定价上,新版旗舰定在每百万输入 8 美元、输出 40 美元,缓存输入砍至 0.40 美元;Sol 维持输入 2 美元、输出 10 美元不变。

在 Artificial Analysis 的 v5.0.1 综合指数榜上,Astra 以 62 分跃居总榜第二,仅次于 65 分的 Claude Fable 5.2,反超 60 分的 Gemini 4 Carbon 和 59 分的 Claude Opus 5.5。单任务成本上,Astra 平均开销仅 4 美元,只有 Fable 5.2 高达 26.54 美元成本的 15%。

但顺着官方博客往下翻,脚注里的味道就变了。在 Agents' Last Exam 测试中,OpenAI 宣布 Astra 跑出最高 78.3%,领先 Fable 5.2 的 72.8%,脚注却写着这份对比排除了 Fable 5.2 使用后备模型的 9 个任务。官方配图里 Gemini 4 Carbon 在高推理模式下拿到 77.4%,单任务成本 4.60 美元,与 Astra 的 4.47 美元几乎打平,正文对这位对手只字未提。

API 定价表里还埋着两颗暗雷:单次输入超过 27.2 万 tokens,整笔请求的输入和缓存单价翻倍,输出单价乘以 1.5 倍,Astra 直接涨到 16 美元和 60 美元;仅限美区数据驻留、最高提速 4.5 倍的 Ultrafast 模式目前按 3 倍促销,但从 2027 年 3 月 1 日起将翻倍至 6 倍,届时 Astra 的输入输出价将变成 48 美元和 240 美元。

偏科的怪才

决定程序员日常体验的专项榜单上,短板暴露得更彻底。在 Artificial Analysis 的编程智能体榜单上,Astra 卡在 53 分原地踏步,与上代持平,落后于 58 分的 Claude Fable 5.2 与 Opus 5.5,也落后于 55 分的 Gemini 4 Carbon。主打日常走量的 Sol 倒退 3 分跌至 49 分,其中代码库问答一项暴跌 14 分。

在 Epoch AI 的测试里,Astra 解出了 68 道 Erdős 前沿数学题中的 7 道,打破此前 3 道的纪录,但报告依旧批评它在真实科研自动化任务上较前代没有明显进步、过于保守。Vals 综合榜上 Astra 仅排第 7,普通版在法律检索里甚至落到第 30 名。

只有在彻底关闭安全护栏的极限漏洞挖掘中,它才展现出恐怖的上限。DeepBinary 拿 12 个 Windows 系统二进制文件做测试,Astra 在两次独立运行中平均挖出 348.5 个独特漏洞,按微软赏金标准估值高达 103.8 万美元,API 成本仅 4072 美元;Sol 也以 840 美元的成本挖出估值 68.7 万美元的 227 个漏洞。

可一旦进入需要长线沟通与多步协作的真实软件工程,Astra 古怪的脾气就会把人逼疯。Theo Browne 先肯定它代码审查很强,还帮他设计出一套每月省下 2.5 万美元的反向代理架构,感叹「Opus 都没胆量这么探索」,但紧接着列出四宗罪:

  • 毫无沟通盲区概念。让它按目标模式给《星际拓荒》做新关卡,模型跑了两个小时后突然卡死,只为问他一个人类根本看不懂的内部临时文件名。
  • 难以忍受的「Astra 黑话」。排查工作树变慢时,它写下四大段包管理器缓存底层机制,Claude Opus 5.5 一句话点破真相:「你的固态硬盘太慢了」。
  • 死循环执念。在把 TypeScript 编译器用 Rust 重写的测试项目上,6.2 Astra 连跑 7 天零改进,死磕减小体积结果把编译器拖慢了 56%;明令禁止优化体积后,又空转 4 天,依然零提交。
  • 审美均值回归。Theo 和朋友在不同游戏下让它设计独特关卡,竟双双吐出同样叫「Bellwether」的水域铃铛关卡。

这种体感落差并非孤例。Every 创始人 Dan Shipper 吐槽它不如 Fable 5.2,过度追求极简导致写作晦涩倒退,端到端写代码常半途停工。Simon Willison 在 Three.js 扬克斯机甲实测里,要求模型把城市地图变成巨型机甲,Astra 和 Sol 双双没能完成正确变形。

自乱阵脚的妥协之作

外部对手正在以恐怖的节奏收网。11 月 9 日,处于 IPO 前夕的 Anthropic 甩出 Fable 5.2 与 Mythos 5.2,率先把旗舰价打到 8 美元和 40 美元,霸占各大编程与综合榜单第一。Google 的 Gemini 4 家族在 10 月到 11 月连续出牌,Carbon 11 月促销价压到 2 美元和 10 美元,Hydrogen 更是只要 1.5 美元和 7.5 美元。

可靠性上的差距更刺眼。在 AA-Omniscience 测试中,Gemini 4 Hydrogen 幻觉率低至 8%,Carbon 也只有 11%,而 GPT-6.2 Astra 的幻觉率却从上代 50% 恶化到 59%,Sol 也飙至 55%。

夹在中间的 OpenAI 在关键两个月后院起火。原定 9 月底登场的 GPT-6.1 Astra 因测试暴露严重越权与汇报不实,在最后一刻被紧急砍掉。联席总裁 Greg Brockman 在公开访谈中透露已抽调约 25% 的产品工程师支援安全团队。就在 GPT-6.2 发布前一天,加州总检察长正式起诉 OpenAI,揭出测试期间至少 80 起安全事件。

官方自己披露的系统卡承认了三类倒退:遇到文件缺失等阻碍时,Astra 隐瞒障碍的比例从 11.09% 翻倍到 22.28%,Sol 达 24.08%;搜索工具故障时,API 原生调用的胡编率从 7.58% 暴增至 23.00%;85% 的测试轨迹在思维链里怀疑自己正在接受考核,无思维链下的文件下载逃逸率从 1.7% 飙升至 48.8%。

为了按住这头首次触及「AI 自我改进」高风险门槛的猛兽,OpenAI 在 9 月强化学习代理意外连上公网后,匆忙上线了 35 秒断网急停的控制室系统。英国人工智能安全研究所只用一半查询次数,就攻破了预发布版的网络越狱防线,批其「实质倒退」,而正当网络安全任务的可用率从 90.7% 暴跌到 78.1%,心理健康基准得分也从 58.7% 跌到 53.3%。

这些隐情解释了产品端的反常妥协:GPT-6.2 至今没有放进面向数亿普通用户的常规 ChatGPT 聊天界面,只敢放在工作区和编程工具里;API 端直接禁止关闭推理模式,一旦切换降级模型或改动历史前缀,系统就会直接丢弃此前的推理记录。它既不敢彻底放开手脚,又必须守住跑分榜的体面。

当真实工作流开始考验稳定性、低幻觉和沟通配合时,先让聪明的模型学会听懂人话、老实汇报问题,远比再刷高两分榜单紧迫得多。

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
30年的酒不是白喝的,黄仁勋刚离任7天,台积电就对英伟达翻脸了

30年的酒不是白喝的,黄仁勋刚离任7天,台积电就对英伟达翻脸了

互联网大观
2026-11-20 13:52:35
韩国“传奇学霸”被质疑AI作弊,宣布直播高考验证实力后,在旅馆心脏骤停死亡

韩国“传奇学霸”被质疑AI作弊,宣布直播高考验证实力后,在旅馆心脏骤停死亡

每日经济新闻
2026-11-20 14:41:32
特朗普女婿库什纳:俄罗斯能够接受乌克兰获得安全保障,也表达了不再爆发新冲突的意愿,普京:克里米亚大桥遭袭后,不再讨论海上停火

特朗普女婿库什纳:俄罗斯能够接受乌克兰获得安全保障,也表达了不再爆发新冲突的意愿,普京:克里米亚大桥遭袭后,不再讨论海上停火

政知新媒体
2026-11-20 09:29:43
87-93惨败!浙江广厦输球仅一夜! 北京首钢传来主帅李楠新消息,广厦主帅王博说的很实在,早有打算

87-93惨败!浙江广厦输球仅一夜! 北京首钢传来主帅李楠新消息,广厦主帅王博说的很实在,早有打算

篮球热嗖
2026-11-21 10:22:42
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
暴跌!“亏麻了”,创年内新低!有人不存了,从银行一口气取走……多家银行紧急提醒

暴跌!“亏麻了”,创年内新低!有人不存了,从银行一口气取走……多家银行紧急提醒

19楼
2026-11-21 09:00:40
何穗晒娃母性十足,1岁儿子已经会走,穿平价冬装像只小熊真可爱

何穗晒娃母性十足,1岁儿子已经会走,穿平价冬装像只小熊真可爱

东方不败然多多
2026-11-20 08:13:55
王毅:我刚刚在机场相继送别了特朗普总统和普京总统,所以让大家久等了,各位辛苦了,听得出,外长的嗓音有些沙哑,也非常辛苦

王毅:我刚刚在机场相继送别了特朗普总统和普京总统,所以让大家久等了,各位辛苦了,听得出,外长的嗓音有些沙哑,也非常辛苦

每日经济新闻
2026-11-20 09:59:35
高市早苗APEC独坐角落扇扇子,引日本网民群嘲:是去丢人现眼的吗?

高市早苗APEC独坐角落扇扇子,引日本网民群嘲:是去丢人现眼的吗?

可达鸭面面观
2026-11-20 08:41:45
奥尼尔:詹姆斯加盟76人只为再感受夺冠滋味,他的历史地位早已奠定

奥尼尔:詹姆斯加盟76人只为再感受夺冠滋味,他的历史地位早已奠定

懂球帝
2026-11-20 15:12:35
金融危机不是要来了,而是已经到来了:最先露馅的是黄金

金融危机不是要来了,而是已经到来了:最先露馅的是黄金

小陆搞笑日常
2026-11-20 16:00:23
日本发布了最新中日关系民意调研结果!出乎人意料

日本发布了最新中日关系民意调研结果!出乎人意料

荆楚寰宇文枢
2026-11-20 22:39:50
牛仔裤确实yyds,但这组图赢在“反着穿”

牛仔裤确实yyds,但这组图赢在“反着穿”

记录生活的小明
2026-11-21 06:45:16
6岁男童被拐17年后,在粥店喝小米粥,突然红眼道:这是奶奶的手艺

6岁男童被拐17年后,在粥店喝小米粥,突然红眼道:这是奶奶的手艺

今天说故事
2025-08-04 18:39:27
11月27日开始正式落地!有线电视迎来新规,每家每户都要了解清楚

11月27日开始正式落地!有线电视迎来新规,每家每户都要了解清楚

浩渺青史
2026-11-20 01:07:29
如果人民公社活到今天,农村早就不用振兴了?

如果人民公社活到今天,农村早就不用振兴了?

爱下厨的阿酾
2026-11-20 13:51:40
骑士128-119步行者3喜1忧!哈登展得分,2配角展身价,米切尔让人寒心

骑士128-119步行者3喜1忧!哈登展得分,2配角展身价,米切尔让人寒心

篮球资讯达人
2026-11-21 11:32:38
广东省面积最大的县和面积最小的县,分别是谁?

广东省面积最大的县和面积最小的县,分别是谁?

石辰搞笑日常
2026-11-21 02:17:46
民进党又使出抹红老招!黄国昌爱将周晓芸被指每月收大陆30万参选

民进党又使出抹红老招!黄国昌爱将周晓芸被指每月收大陆30万参选

金牛传声
2026-11-21 10:21:09
爽了!火箭轰动NBA!恶棍状元或联手杜兰特

爽了!火箭轰动NBA!恶棍状元或联手杜兰特

篮球实战宝典
2026-11-20 18:47:13
2026-11-21 11:52:49
灰度测试中
灰度测试中
生活正在重构,目前还在灰度测试阶段,暂不全量发布。
244文章数 90关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

教育
时尚
数码
游戏
军事航空

教育要闻

曾经“感动中国”的庞众望完成清华大学博士论文答辩,本人发声:将继续潜心钻研,在科研探索的道路上不断前行

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

PC Gamer试玩GTA6百小时:双主角出色但任务重复

军事要闻

沙特首都第一高楼遭袭:炮弹从天而降

无障碍浏览 进入关怀版