OpenAI紅色警報下的反擊：發(fā)布GPT-5.2迎戰(zhàn)Gemini 3

當(dāng)谷歌的 Gemini 在各大 AI 排行榜上風(fēng)頭正勁時，OpenAI 終于打出了新的王牌。

周四，這家 AI 巨頭發(fā)布了 GPT-5.2，稱其是迄今為止“最強(qiáng)大的模型”，專為開發(fā)者和職場人士打造。

（來源：OpenAI）

這場發(fā)布會的時機(jī)頗為微妙。

一個月前，OpenAI CEO 山姆·奧特曼（Sam Altman）向內(nèi)部發(fā)出“紅色警報”，承認(rèn) ChatGPT 面臨巨大競爭壓力，正在輸?shù)粝M市場份額。今天的 GPT-5.2 正是 OpenAI 試圖奪回領(lǐng)導(dǎo)地位的關(guān)鍵一步。

同時，今天也是 OpenAI 官宣成立十周年的日子。

GPT-5.2 模型家族包括三個不同版本：Instant、Thinking 和 Pro。

Instant 是速度優(yōu)化版本，專門處理日常查詢，比如信息檢索、寫作和翻譯這類常規(guī)任務(wù)。

Thinking 則擅長復(fù)雜的結(jié)構(gòu)化工作，在編程、分析長文檔、數(shù)學(xué)計算和項目規(guī)劃方面表現(xiàn)突出。

Pro 則是頂級版本，旨在為最棘手的問題提供最高精度和可靠性。它的運(yùn)行速度顯著慢于其他版本，且成本極其高昂，專為那些準(zhǔn)確性高于一切、成本退居其次的重要任務(wù)設(shè)計。

測試數(shù)據(jù)表明，Pro 版本是唯一在 ARC-AGI-1 推理基準(zhǔn)測試中突破 90% 大關(guān)，并在 AIME 2025 數(shù)學(xué)競賽中不使用工具就達(dá)到 100% 滿分的模型。

在 ChatGPT 中，GPT-5.2 的三個版本已經(jīng)上線，首先面向付費用戶開放。OpenAI 表示將在未來幾天逐步部署 GPT-5.2，以保持 ChatGPT 盡可能流暢和可靠。

“我們設(shè)計 GPT-5.2 就是為了給人們創(chuàng)造更多經(jīng)濟(jì)價值。”O(jiān)penAI 應(yīng)用業(yè)務(wù) CEO 菲吉·西莫（Fidji Simo）在發(fā)布會上表示。她強(qiáng)調(diào)，新模型在創(chuàng)建電子表格、制作演示文稿、編寫代碼、圖像識別、理解長文本、使用工具以及處理復(fù)雜多步驟項目方面都有顯著提升。

（來源：OpenAI）

據(jù)其介紹，ChatGPT 企業(yè)版的普通用戶表示“AI 每天為他們節(jié)省 40-60 分鐘”，而重度用戶每周節(jié)省時間“超過十小時”。GPT-5.2 的目標(biāo)就是進(jìn)一步擴(kuò)大這種價值。

OpenAI 表示，GPT-5.2 在多項行業(yè)基準(zhǔn)測試中創(chuàng)下新紀(jì)錄。

圖 | 多項基準(zhǔn)測試成績（來源：OpenAI）

在涵蓋 40 多種職業(yè)專業(yè)知識的 GDPval 測試中，GPT-5.2 Thinking 的表現(xiàn)達(dá)到了專家級水平。根據(jù)專業(yè)評審的判斷，在 70.9% 的情況下，GPT-5.2 Thinking 擊敗或打平了頂級行業(yè)專業(yè)人士。這些任務(wù)包括制作演示文稿、電子表格和其他各類工作成果。

更重要的是，GPT-5.2 完成這些任務(wù)的速度是專業(yè)人士的 11 倍以上，成本卻不到 1%，不過 OpenAI 并未公布模型 VS 人類的成本是如何計算的。

（來源：OpenAI）

在軟件工程領(lǐng)域，GPT-5.2 Thinking 在 SWE-Bench Pro 測試中達(dá)到了 55.6% 的新高分。這個成績也是超過了 Claude 4.5 Sonnet 和 Gemini 3 Pro。在更基礎(chǔ)的 SWE-bench Verified 測試中，GPT-5.2 的得分更是達(dá)到了 80%。

（來源：資料圖）

OpenAI 研究主管艾丹·克拉克（Aidan Clark）解釋說，更強(qiáng)的數(shù)學(xué)能力不僅僅是解方程那么簡單。數(shù)學(xué)推理能力是衡量模型能否遵循多步驟邏輯、保持?jǐn)?shù)字長期一致性、避免可能隨時間累積的細(xì)微錯誤的代理指標(biāo)。

在科學(xué)問題方面，GPT-5.2 Pro 在 GPQA Diamond 測試中取得了 93.2% 成績。GPT-5.2 Thinking 也有 92.4% 的高分。雙雙打破了 Gemini 3 Pro 保持的紀(jì)錄。

圖 | GPQA Diamond 榜單（來源：OpenAI）

克拉克在發(fā)布會上分享了一個案例：團(tuán)隊讓一位資深免疫學(xué)研究員使用 GPT-5.2 Pro，當(dāng)研究員要求模型生成關(guān)于免疫系統(tǒng)最重要的未解問題時，模型產(chǎn)生了“更敏銳的問題和更有力的解釋”，用于說明這些問題為何重要。該研究員認(rèn)為其表現(xiàn)超過了“所有其他前沿模型”。

在可靠性方面，GPT-5.2 也取得了重要進(jìn)展。OpenAI 后訓(xùn)練負(fù)責(zé)人馬克斯·施瓦策（Max Schwarzer）指出，在衡量對事實性問題回答的基準(zhǔn)測試中，GPT-5.2 Thinking 的幻覺出現(xiàn)率比 GPT-5.1 降低了 38%。

（來源：OpenAI）

長文本理解方面，GPT-5.2 Thinking 同樣創(chuàng)下了新紀(jì)錄。OpenAI 采用 MRCRv2 評估來衡量模型整合分散在長文檔中信息的能力。

處理需要跨越數(shù)十萬 token 相關(guān)信息的真實任務(wù)時，GPT-5.2 Thinking 的準(zhǔn)確性遠(yuǎn)超 GPT-5.1 Thinking。它是第一個在四針 MRCRv2 測試中（最多 256k token）實現(xiàn)接近 100% 準(zhǔn)確率的模型。

（來源：OpenAI）

這意味著專業(yè)人士可以更放心地使用 GPT-5.2 處理長文檔，如報告、合同、研究論文、記錄和多文件項目，同時在數(shù)十萬 token 范圍內(nèi)保持連貫性和準(zhǔn)確性。

在視覺能力方面，GPT-5.2 Thinking 在圖表推理和軟件界面理解方面的準(zhǔn)確率提升近 50%。這意味著模型可以更準(zhǔn)確地解讀儀表板、產(chǎn)品截圖、技術(shù)圖表和可視化報告，支持更加依賴視覺信息的工作流。

相比之前的模型，GPT-5.2 Thinking 對圖像中元素位置的把握更強(qiáng)。例如，在識別主板圖像中的組件并返回大致邊界框的任務(wù)中，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真實位置有時匹配的框，而 GPT-5.1 只能標(biāo)記少數(shù)部分，對空間排列的理解要弱得多。

（來源：OpenAI）

值得一提的是，OpenAI 的新圖像生成工具仍然缺位。據(jù)報道，奧特曼曾在內(nèi)部紅色警報備忘錄中表示，圖像生成將是未來的重點，特別是在谷歌的新版 Nano Banana 發(fā)布之后。

據(jù)報道，OpenAI 計劃在明年一月發(fā)布另一款新模型，具有更好的圖像效果、更快的速度和更好的個性，但尚未得到官方確認(rèn)。

最后在發(fā)布會上，OpenAI 承認(rèn)在某些方面還有改進(jìn)空間。比如在 ChatGPT 中，公司正在努力解決過度拒絕等已知問題，同時繼續(xù)提高回復(fù)的可靠性。此外，OpenAI 據(jù)傳正在考慮開放模型成人內(nèi)容限制。

對于 OpenAI 來說，GPT-5.2 能否幫助它重新奪回失去的領(lǐng)地，還需要時間來證明。

參考資料：

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/