推荐语
OpenAI十周年献礼GPT-5.2震撼发布，专为专业知识工作打造的最强AI模型，重新夺回行业领先地位。核心内容： 1. GPT-5.2在传统评测集上的性能表现与优势 2. 视觉理解能力与前端审美的显著提升 3. ARC-AGI-2和GDPval两大突破性评测集的创新价值
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
也就是今天的凌晨2点，GPT-5.2终于跟大家见面了。这是Gemini 3 Pro爆火，第一次让OpenAI没有领先优势，奥特曼在内部官宣红色警戒状态之后，他们掏出的第一款模型。We are introducing GPT‑5.2, the most capable model series yet for professional knowledge work.（我们正式发布 GPT-5.2，这是迄今为止在专业知识工作方面能力最强的一代模型系列。）我们先从各种跑分上看，其实能看到，一些跑分其实没有质的飞跃，有一种数码厂开始挤牙膏的感觉。。。对比了GPT-5.2、GPT-5.1、Claude Opus 4.5和Gemini 3 Pro。在软件工程（SWE-Bench Pro）、科学问题（GPQA Diamond）、数学竞赛（AIME 2025）这些传统评测集上。GPT-5.2确实又强了一些，也回到了第一的位置，全面领先。比如要求模型识别图像输入中的组件，并返回带有近似边界框的标签。即使在低质量的图像上，GPT-5.2也能识别主要区域并放置与每个组件真实位置大致匹配的框，而GPT-5.1只标注了几个部分，对它们的空间排列理解不是很好。但是这些东西，说实话，确实也就那样，大家很难体感上还觉得有多牛逼。就像芯片厂子告诉你，我的手机芯片性能又提升了25%，你听了以后，哦确实强，但是完全不影响你继续刷抖音和小红书对吧。不过有两个评测集，是我觉得这次GPT-5.2最大的亮点，且一定要单拎出来，跟大家单独聊一下的。比如它会问你“美国第一任总统是谁？”、“光合作用的化学方程式是什么？”。这种评测呢，坦率的讲，对于一个读了半个互联网的AI来说，有点像开卷考试，它有很大概率不是真的推理出来的，而是背出来的。这就导致一个问题，在实际的评测中，我们分不清AI是真的聪明，还是只是记性好。于是，François Chollet，就是那位Keras（一个著名的机器学习框架）之父，2019年第一次在论文《On the Measure of Intelligence》里，提出了ARC这个变态测试。全名叫，Abstraction and Reasoning Corpus，抽象与推理语料库。大概就是，不看你在某一道题上有多熟练，而是是看你在没见过的新题上，能不能自己推理出规则、举一反三。目前正式版发展到了第二代，也就是ARC-AGI-2，我给大家放一下，ARC-AGI-2里面的一些典型的题目，大家就懂了。这种能力，现在称为流体智力（Fluid Intelligence），意思就是指不依赖于已有的知识，在全新情境下进行逻辑推理、识别模式和解决问题的能力。因为它在互联网上找不到任何现成的答案，它必须当场理解、当场推理在ARC-AGI-2上，之前GPT-5.1的得分是17.6%，而GPT-5.2，直接飙到了52.9%。在真正的智力水平上，GPT-5.2确实达到了目前的最优。然后是第二个，也是我自己现在最关心、也是我认为最重要的一个：他们要用一个全新的标准，来衡量AI在真实世界中、具有经济价值的任务上的表现。过去，我们说一个模型牛逼，是因为它代码写得好，或者知识答得准，或者考试分数高。这当然很重要，但就像我常说的，这个世界不只有程序员和科学家。还有律师、设计师、市场经理、护士、建筑师、销售……于是，OpenAI他们在美国贡献GDP最高的9个行业里，选取了44个核心职业，然后，他们找到了在这些行业里平均有14年工作经验的资深专家，让他们出了1320道专业知识任务，并且每一项，都基于真实工作成果。比如，给律师的任务，可能就是一份真实的合同草案和客户需求，让他去审阅和修改。给市场经理的任务，可能就是一堆产品资料和市场数据，让他写一份营销方案PPT。给制造工程师的任务，可能就是一张产品设计图，让他优化生产流程。这些任务，不仅有文字，还可能包含PDF、Excel表格、图片、PPT，是高度复杂的、多模态的、没有标准答案的真实工作。整套任务的平均用时，是人类专家要花 7 个小时才能做完，有些甚至是一两周的活。然后，模型和人类的成果，会被同领域的另一批专家进行盲评。评委只需要回答一个问题：你更愿意把哪份交给客户？是这份，还是这份？结果，GPT-5.2 Thinking在这套 GDPval 上，赢或打平行业专家的比例，达到了70.9%，而GPT-5.2 Pro 模型是74.1%。注意，这里的参照系不是普通实习生，而是行业专家。
也就是说，在一个有着十几年经验的采购经理、或者审计师面前，GPT-5.2干出来的活儿，有七成的时候，比专家干得好，或者至少一样好。
我们过去的模型，都花过于着重的笔墨在编程开发上了，我并不是说编程开发不重要，它很重要，很牛逼。而且这次GPT-5.2，在上下文上，也有大幅的加强。用我们以前的大海捞针测试，在一个256K的巨型文档里面埋四根针，让AI来根据文档内容回答。GPT-5.2干到了离谱的100%，这也是我印象中，唯一一个能干到100%的。8根针的正确度会下降，但是这个衰减，已经比GPT-5.1牛逼太多了。牛逼的知识工作处理+最新的知识库截止日期+更棒的智力+准确性超高的上下文。这简直，就是真正的天选牛马搭子，对打工人的加持，实在是太强了。目前今天会开放给ChatGPT付费会员，明天会开放给免费会员，会直接替代GPT-5.1，但是如果你是付费会员的话，还会在老模型中存续3个月。可惜截止到我发文的凌晨6点这一刻，作为尊贵的200刀的ChatGPT Pro会员，我还是没有拿到GPT-5.2的体验资格。一些所谓的ChatGPT上的为GPT-5.2专用的文件精修，也只能等拿到实测以后，再出一篇GPT-5.2的打工合集了。最后总结，GPT-5.2在我心中，是一个合格的迭代，并没有跟很多模型一样，专注于纯粹的传统刷分，而是聚焦在了广大白领打工人身上，帮大家解决实际工作中的问题。但是从路线上来说，感觉GPT-5.2还是被原生多模态的Gemini 3 Pro压了一头，12月大概率还是要发个生图模型出来的，不知道对标Banana，会不会有新的惊喜。以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@virxact.com
粤ICP备14082021号
免费POC，
零成本试错
