GPT-5.2來了！首個「專家級」AI復(fù)仇成功，牛馬打工人終于得救了

新智元報道

編輯：編輯部

【新智元導(dǎo)讀】OpenAI十周年，那個地表最強的AI，又回來了！新一代GPT-5.2「全家桶」直接把谷歌Gemini 3 Pro踩在腳下，專業(yè)實力更是堪比人類專家。

剛剛，OpenAI深夜炸場！

GPT-5.2震撼發(fā)布，全球AI王座再次易主。

一共3款模型，今日全部上線：

· GPT?5.2 Instant（即時版）

· GPT?5.2 Thinking（思考版）

· GPT?5.2 Pro（專業(yè)版）

作為地表最強通用模型，GPT-5.2專為解決那些讓人頭禿的「高難度知識型工作」而生。

在OpenAI公布的基準測試中，它幾乎對Gemini 3 Pro實現(xiàn)了全方位碾壓！

相比上一代，GPT-5.2在通用智能、超長文本理解、Agent工具調(diào)用以及視覺能力上，都實現(xiàn)了無死角的全面進化：

• SWE-Bench Pro：狂砍55.6%高分；

• LMArena代碼競技場：僅次于Claude Opus 4.5，穩(wěn)坐全球第二把交椅；

• ARC-AGI-2：GPT-5.2 Pro以52.9%的絕對優(yōu)勢登頂全球第一；

• GDPval：覆蓋44種職業(yè)知識，表現(xiàn)直接超越人類行業(yè)專家。

一句話總結(jié)：讓它從頭到尾（端到端）搞定復(fù)雜的現(xiàn)實世界任務(wù)，目前沒有任何模型比它更強。

左右滑動查看

完整評測結(jié)果

除了更強的能力之外，GPT-5.2還有更長的上下文，以及更新的知識！

• 40萬上下文窗口：輕松吞吐超長文本與復(fù)雜對話；

• 12.8萬最大輸出長度：深度長文生成不再中斷；

• 知識庫更新至2025年8月31日：掌握最新世界動態(tài)；

• 推理Token支持：專攻復(fù)雜邏輯與多步推理。

當然，在性能狂飆的同時，價格也是水漲船高。

相比GPT-5/5.1，GPT-5.2的輸入輸出價格貴了整整40%！

更強的推理、更快的速度，以及更高的價格，這一切似乎都在暗示——

OpenAI這次不僅升級了模型規(guī)模，背后的算力成本恐怕也達到了新的量級。

這一次，那叫一個專業(yè)！

一個月前，GPT-5.1以「情商智商雙高」的姿態(tài)登場，就迎面撞上了谷歌Gemini 3這個強勁對手。

此次更新正值媒體報道OpenAI內(nèi)部進入「紅色代碼」緊急狀態(tài)。

但OpenAI高管向媒體表示，不應(yīng)將GPT-5.2視為對Gemini 3的回應(yīng)。OpenAI應(yīng)用CEO對記者說：

我們宣布進入「紅色代碼」緊急狀態(tài)是為了向內(nèi)部發(fā)出一個信號，我們想要集中力量辦大事，這是一個確定優(yōu)先事項和非優(yōu)先事項的好辦法。

總的來說，我們用于開發(fā)ChatGPT的資源增加了，我認為這有助于該模型的發(fā)布，但并不是它在這周發(fā)布的唯一原因。

這一次，GPT-5.2主打一個專業(yè)知識型AI，正所謂「打工人的最佳工作模型」。

OpenAI華人研究員Yu Bai稱，「別看這只是一個小版本數(shù)迭代，那可是能力的一大躍升」。

那些人類專家耗費4-8小時完成的任務(wù)，在人類評估中，GPT-5.2的勝率高達70.9%。

GPT?5.2不負眾望，在多項實際任務(wù)中表現(xiàn)得都更加出色——

創(chuàng)建電子表格、制作演示文稿、編寫代碼、感知圖像、理解長上下文、使用工具、處理復(fù)雜的多步驟項目。

此前OpenAI的一份報告稱，ChatGPT每天能為企業(yè)用戶平均節(jié)省40–60分鐘，而重度用戶則表示每周能省下超過10小時。

總之，AI搞定「專業(yè)工作」才是硬道理！

擊敗人類專家，打工人狂喜

目前，GPT?5.2 Thinking是用于現(xiàn)實世界專業(yè)用途的最佳模型。

在GDPval上，GPT?5.2 Thinking創(chuàng)下了新的SOTA，并且是歷史第一個表現(xiàn)超過人類專家水平的模型。

根據(jù)人類專家的評判，GPT?5.2 Thinking在GDPval知識工作任務(wù)中，70.9%的情況下?lián)魯』虼蚱搅隧敿庑袠I(yè)專業(yè)人士。

在完成GDPval任務(wù)時，其速度比專家專業(yè)人士還要快11倍，成本還低于1%。

這表明，當與人類監(jiān)督相結(jié)合時，GPT?5.2可以有效輔助完成專業(yè)工作。

換句話說，無論是幫會計整理財報，替產(chǎn)品經(jīng)理做PPT，還是給程序員當輔助寫碼的小助手，GPT-5.2都更得心應(yīng)手。

在GDPval中，模型需要完成涵蓋美國GDP貢獻最大的前9個行業(yè)的44種職業(yè)的定義明確的工作。任務(wù)要求提供實際的工作成果，例如銷售演示文稿、會計電子表格、緊急護理時間表、制造圖表或短視頻

在ChatGPT中，GPT?5.2 Thinking擁有GPT?5 Thinking所沒有的新工具。

此外，在針對初級投資銀行分析師電子表格建模的內(nèi)部測試中，GPT-5.2 Thinking的平均每任務(wù)得分比GPT?5.1高出9.3%，從59.1%上升到68.4%。

并排比較顯示，GPT?5.2 Thinking生成的電子表格和PPT在復(fù)雜度和格式上都有所改進。

如下所示，一眼望去這種高難度的復(fù)雜表，GPT?5.2 Thinking一句話生成，堪稱「人力資源規(guī)劃器」。

包括股權(quán)結(jié)構(gòu)表，GPT-5.2 Thinking以資深銀行分析師的角色，完成了所有計算，且過程清晰可查。

而GPT-5.1 Thinking不僅錯誤地計算了種子輪、A輪和B輪的清算優(yōu)先權(quán)，且大部分行都留白了，導(dǎo)致最終的股權(quán)回報計算出錯；而且還錯誤地在表頭行中插入了計算公式。

針對項目管理，GPT-5.2 Thinking以每項任務(wù)、時間為軸，給出了可視化直觀的總結(jié)。

相較之下，GPT-5.1 Thinking看著特別粗糙。

編程破紀錄，吞噬全棧開發(fā)

當然了，在編程上，GPT-5.2也是王者中的王者！

在對現(xiàn)實世界軟件工程基準SWE-Bench Pro上，GPT?5.2 Thinking創(chuàng)下了55.6%的新紀錄。

與僅測試Python的SWE-bench Verified不同，SWE-Bench Pro測試四種編程語言，具有更強的抗數(shù)據(jù)污染能力（contamination-resistant），并更具挑戰(zhàn)性、多樣性和工業(yè)相關(guān)性。

在SWE-Bench Pro中，模型會被給予一個代碼庫，并且必須生成一個補丁來解決一個現(xiàn)實的軟件工程任務(wù)

在SWE-bench Verified上，GPT?5.2 Thinking拿下了80%的高分。

這意味著，它可以更可靠地調(diào)試生產(chǎn)環(huán)境代碼、實現(xiàn)功能請求、重構(gòu)大型代碼庫，并以更少的人工干預(yù)端到端地發(fā)布修復(fù)。

在前端軟件工程方面，GPT?5.2 Thinking也優(yōu)于GPT?5.1 Thinking。

早期測試者發(fā)現(xiàn)，它是全棧工程師的強大日常伙伴，在前端開發(fā)和復(fù)雜或非常規(guī)UI工作（特別是涉及3D元素的工作）方面明顯更強。

接下來就讓我們看看，僅憑一段提示詞，GPT?5.2都能做出些什么來：

• 海浪模擬

- The UI should be calming and realistic.

• 節(jié)日賀卡制作器

- Animation like snowdrop should be used nicely

• 打字雨游戲

- The UI should be the city background with animated raindrop words.

幻覺少，更清醒

GPT?5.2 Thinking比GPT?5.1 Thinking的幻覺更少。

在一組去標識化的ChatGPT查詢中，前者包含錯誤的回答相對減少了30%。

對于專業(yè)人士來說，這意味著在使用新模型進行研究、寫作、分析和決策支持時錯誤更少，在日常知識工作中更加可靠。

數(shù)十萬token極限挑戰(zhàn)，準確率100%

在長上下文推理方面，GPT?5.2 Thinking樹立了新的行業(yè)標準。

在OpenAI MRCRv2上，新模型取得了領(lǐng)先的性能，基準OpenAI MRCRv2用于測試模型整合分布在長文檔中信息。

諸如深度文檔分析之類的現(xiàn)實世界任務(wù)，需要跨越數(shù)十萬個Token的相關(guān)信息，而在這類任務(wù)上，GPT?5.2 Thinking 比GPT?5.1 Thinking準確得多。

特別是，它是OpenAI的第一個在4種MRCR變體（高達256kToken）上達到接近100%準確率的模型。

實際上，這足以讓專業(yè)人士用GPT?5.2處理長文檔，如報告、合同、研究論文、成績單和多文件項目，而且同時在數(shù)十萬個Token之間保持連貫性和準確性。

也就是說，GPT?5.2特別適合深度分析、綜合和復(fù)雜的多源工作流。

針對超出最大上下文窗口思考的任務(wù)，GPT?5.2 Thinking兼容OpenAI新的Responses「/compact」端點，這擴展了模型的有效上下文窗口。

這讓GPT?5.2Thinking可以處理原本受限于上下文長度的更多工具密集型、長期運行的工作流。

視覺實力翻倍，秒懂復(fù)雜圖

GPT?5.2 Thinking是OpenAI目前最強的視覺模型，在圖表推理和軟件界面理解方面的錯誤率大約減少了一半。

對于日常專業(yè)使用，這意味著該模型可以更準確地解讀儀表板、產(chǎn)品截圖、技術(shù)圖表和視覺報告，可支持金融、運營、工程、設(shè)計和客戶支持等以視覺信息為核心的工作流。

與以前的模型相比，GPT?5.2 Thinking對圖像中元素的位置有更強的掌握，這有助于完成相對布局對解決問題起關(guān)鍵作用的任務(wù)。

在下面的示例中，模型被要求識別圖像輸入中的組件（在本例中為主板）并返回帶有大致邊界框的標簽。

即使在低質(zhì)量圖像上，GPT?5.2也能識別主要區(qū)域并放置與每個組件的真實位置大致匹配的框，而GPT?5.1僅標記了幾個部分，并且對其空間排列的理解要弱得多。

端到端工作流，重塑了

GPT?5.2 Thinking展示了其在長多輪任務(wù)中可靠使用工具的能力，在Tau2-bench Telecom上創(chuàng)造了98.7%的新紀錄。

對于延遲敏感的用例，GPT?5.2 Thinking在reasoning.effort='none'（無推理）下的表現(xiàn)也更好，大幅優(yōu)于GPT?5.1和GPT?4.1。

對于專業(yè)人士來說，這轉(zhuǎn)化為更強的端到端工作流——例如解決客戶支持案例、從多個系統(tǒng)中提取數(shù)據(jù)、運行分析以及生成最終輸出，且步驟之間的中斷更少。

比如，當詢問一個需要多步解決的復(fù)雜客戶服務(wù)問題時，GPT-5.2可以更有效地協(xié)調(diào)多個智能體之間的完整工作流。

在下面的案例中，一位旅客報告了航班延誤、錯失轉(zhuǎn)機、需要在紐約過夜以及醫(yī)療座位要求。

GPT?5.2管理了整個任務(wù)鏈——重新預(yù)訂、特殊協(xié)助座位和賠償，提供了比GPT?5.1更完整的結(jié)果。

Prompt： 我的航班從巴黎到紐約延誤了，我錯過了去奧斯汀的轉(zhuǎn)機。我的托運行李也不見了，我需要在紐約過夜。由于醫(yī)療原因，我還需要一個特殊的前排座位。你能幫我嗎？

獨立完成證明，顛覆科研范式

OpenAI的愿景之一是AI加速科學研究，造福所有人。

為此，OpenAI一直與科學家合作并聽取他們的意見，探索AI如何加速他們的工作，已經(jīng)取得了一些早期的合作實驗。

鏈接：https://cdn.openai.com/pdf/a3f3f76c-98bd-47a5-888f-c52c932a8942/colt-monotonicity-problem.pdf

而GPT?5.2 Pro和GPT?5.2 Thinking堪稱世界上輔助和加速科學家工作的最佳模型。

在研究生水平基準測試GPQA Diamond上，GPT?5.2 Pro達到了93.2%，緊隨其后的是GPT?5.2 Thinking，為92.4%。

在專家級數(shù)學評估FrontierMath(Tier 1–3)上，GPT?5.2 Thinking創(chuàng)下了新紀錄，解決了40.3%的問題。

我們開始看到AI模型以切實的方式有意義地加速數(shù)學和科學的進步。

例如，在最近使用GPT?5.2 Pro的工作中，研究人員探索了統(tǒng)計學習理論中的一個開放性問題。

這一成果已記錄在新論文《關(guān)于最大似然估計量的學習曲線單調(diào)性》（On Learning-Curve Monotonicity for Maximum Likelihood Estimators）中。

論文地址：https://cdn.openai.com/pdf/a3f3f76c-98bd-47a5-888f-c52c932a8942/colt-monotonicity-problem.pdf

這篇論文的特別之處在于，AI完成了證明，而人類負責驗證和寫作。

作者并沒有先想好策略再讓模型去填空，也沒有提供中間論點或證明大綱。相反，他們要求GPT-5.2 Pro直接去解決這個開放性問題，然后由人類進行仔細的驗證，包括由外部學科專家進行的審查和確認。

隨后，作者還問了一些簡單的后續(xù)問題，看看這個思路能延伸多遠。GPT-5.2 Pro將結(jié)果從原始問題擴展到了更高維度的設(shè)置以及其他常見的統(tǒng)計模型。

在這個過程中，人類的角色始終聚焦在驗證和清晰的寫作上，而不是負責搭建數(shù)學推導(dǎo)的框架。

推理AI涌現(xiàn)出流體智能

在衡量通用推理能力的基準測試ARC-AGI-1（Verified）上，GPT?5.2 Pro是第一個跨越90%門檻的模型。

相比去年o3?preview的87%，GPT?5.2還將實現(xiàn)這一性能的成本降低了約390倍。

在更難的ARC-AGI-2（Verified）上，GPT?5.2 Thinking創(chuàng)下了思維鏈模型的新紀錄，得分52.9%。

GPT?5.2 Pro表現(xiàn)更高，達到54.2%，進一步擴展了模型推理新穎、抽象問題的能力。

這些評估的改進反映了GPT?5.2在復(fù)雜技術(shù)任務(wù)上更強的多步推理能力、更高的定量準確性和更可靠的問題解決能力。

進步之快，讓主辦方驚訝，感嘆推理AI已展示出真正的「流體智力」。

生物醫(yī)學工程師及科學家、免疫學家Derya教授驚呼，這就是AGI！

此外，OpenAI不僅發(fā)布了多項基準測試分數(shù)，還引用了Box、Notion、Windsurf和Zoom等早期測試方的評價。

GPT?5.2全家桶，三大殺手級AI

總的來說，在日常使用中，GPT?5.2給人的感受——更有條理，更可靠，與之交談很愉快。

那么，「全家桶」中三款模型，分別具備怎樣的特點？

GPT?5.2 Instant：專為日常辦公和學習而打造

它就像是全能辦公助理，不僅繼承了GPT-5.1自然溫暖的對話風格，更在速度、實用性上全面升級。

因此，Instant版是日常工作和學習的快速、能干的「主力軍」，具體來說：

• 更清晰的解釋，突出顯示關(guān)鍵信息

• 改進了操作指南和逐步指導(dǎo)

• 更強的技術(shù)寫作和翻譯能力

• 更好的學習和職業(yè)指導(dǎo)支持

GPT?5.2 Thinking ：專為更深度的工作而設(shè)計

GPT?5.2 Thinking就像是深度思考時的「第二大腦」，專為解決那些需要長思考的復(fù)雜任務(wù)而生。

尤其是，專業(yè)攻堅編程、總結(jié)長文檔、回答關(guān)于上傳文件的問題，還能一步步搞定燒腦數(shù)學和邏輯問題。

同時，以更清晰的結(jié)構(gòu)和更有用的細節(jié)支持規(guī)劃和決策。

• 業(yè)界領(lǐng)先的長上下文推理能力

• 表格創(chuàng)建、分析、格式化方面有顯著增強

• 在PPT制作上已有初步成果

GPT-5.2 Pro

當遇到棘手、高難度的問題時，GPT-5.2 Pro是最聰明、最值得信賴的模型。

可以說，它就是那種「慢工出細活」的頂級專家。

早期測試已經(jīng)發(fā)現(xiàn)，它處理起來主要錯誤更少，尤其在編程這類復(fù)雜挑戰(zhàn)中，展現(xiàn)出的能力也明顯更強。

• 在編程等復(fù)雜領(lǐng)域表現(xiàn)更強

• 是幫助科學家加速研究的最佳模型

性價比更高

付費ChatGPT用戶從今天開始優(yōu)先使用GPT?5.2（Instant、Thinking和Pro），Plus、Pro、Go、Business、Enterprise任意套餐即可。

為了盡可能保持ChatGPT的流暢和可靠，OpenAI決定逐步部署GPT?5.2。

在ChatGPT中，GPT?5.1仍將在舊版模型下供付費用戶使用三個月，之后將被停用。

在API平臺中，GPT?5.2系列新模型可以在Responses API和Chat Completions API中以上圖對應(yīng)形式使用。

開發(fā)者現(xiàn)在可以在GPT?5.2 Pro中設(shè)置推理參數(shù)，并且GPT?5.2 Pro和GPT?5.2 Thinking現(xiàn)在都支持新的第五種推理強度xhigh，用于質(zhì)量最重要的任務(wù)。

GPT?5.2的定價為1.75美元/百萬輸入Token，14美元/百萬輸出Token，緩存輸入有90%的折扣。

在多個智能體評估中，盡管GPT?5.2的每Token成本更高，但GPT?5.2由于更高的Token效率，性價比反而更高。

One More Thing

今天，OpenAI還搞了一波回憶殺，帶大家回顧了這十年走的路。

十年前的今天，2015年12月11日，OpenAI正式成立。

這十年，他們?nèi)〉昧颂嗵嗤黄菩缘某删汀?/p>

2016年，開源強化學習平臺OpenAI Gym，成為學界、工業(yè)界RL研究的基礎(chǔ)工具；

2017年，發(fā)表了Transformer核心理念的先驅(qū)研究：Learning to Remember Rare Events；

2018年，預(yù)訓(xùn)練語言模型GPT誕生，標志著大模型革命的開始；

2019年，1.5B參數(shù)GPT-2出世，自然語言爆發(fā)式迭代；

2020年，175B參數(shù)GPT-3引爆全網(wǎng)，超大規(guī)模模型時代來臨；

2021年，Codex & DALL·E相繼發(fā)布，代碼與圖像生成開啟；

2022年，ChatGPT（GPT-3.5）真正引爆了全世界大模型革命，再之后的大事記大家都知道了。

奧特曼表示，「過去的十年非常精彩，OpenAI的工作比我想象的還要特別」。

他劇透，還有一個圣誕「小禮物」，下周就會上線。大家猜一猜，會是什么呢？

參考資料：HYJ

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

https://openai.com/index/gpt-5-2-for-science-and-math/

https://www.cnbc.com/2025/12/11/openai-intros-new-ai-model-gpt-5point2-says-better-at-professional-tasks.html

秒追ASI

?點贊、轉(zhuǎn)發(fā)、在看一鍵三連?

點亮星標，鎖定新智元極速推送！