GPT-5.2果然反超谷歌Gemini 3 Pro！北大數(shù)院校友核心貢獻

紅色警報拉響，OpenAI是真急了：

30天，GPT-5.2系列緊接著GPT-5.1而來，這次還專門強化了打工能力。

這是GPT-5.1 Thinking和GPT-5.2 Thinking做人力資源表格的對比：

雖然版本號只加了0.1，但是在多個實用領(lǐng)域都更強了：做表格、做PPT、寫代碼、理解長文檔、調(diào)用工具、處理復雜多步驟項目……

視覺理解能力也大幅提升，GPT-5.2能準確標記出更多主板上的元件。

這是GPT-5.2做的網(wǎng)頁版波浪模擬器：

如果你遇到航班延誤、又錯過轉(zhuǎn)機、需要當?shù)剡^夜以及需要特殊醫(yī)療座位，聽起來就很頭疼。

但GPT-5.2安排好了一切：重新訂機票、安排特殊座位和賠償。

ARC-AGI也在第一時間發(fā)布了測試結(jié)果。

一年前的o3 (High) 在ARC-AGI-1測試中得分88%，平均每項任務(wù)成本為4500美元。

今天的GPT-5.2 Pro (X-High) ，最新SOTA得分為90.5%，平均任務(wù)成本僅為11.64美元，在一年內(nèi)效率提高了約390倍。

同時超過了谷歌Gemini 3 Pro的對應(yīng)版本（綠色點），也算扳回一局。

GPT5.2發(fā)布的這一天，也是OpenAI成立十周年，官方還做了個小視頻來回顧10年來的進展。

拆解GPT-5.2各項能力 高經(jīng)濟價值任務(wù)

在GDPval測試中，涵蓋美國GDP前九大產(chǎn)業(yè)中的44個職業(yè)領(lǐng)域，完成人類需要4-8小時才能完成的任務(wù)。

在人類評委打分下，GPT-5.2 Thinking與人類專家相比有71%的勝率，GPT-5.2 Pro還能更高一些。

而且速度是人類專家的11倍以上，成本不到人類專家的1%。

在投行分析師的電子表格建模任務(wù)上，GPT-5.2 Thinking平均每項任務(wù)得分相比GPT-5.1提升了9.3%，從59.1%上升到68.4%。這些任務(wù)包括為財富500強公司搭建三表聯(lián)動模型、構(gòu)建杠桿收購模型等。

提示：您是一名投資銀行分析師，剛剛接到一項任務(wù)，需要完成一份瀑布式分析，以了解創(chuàng)始人及現(xiàn)有投資者的所有權(quán)和回報情況。您的客戶是一家正在考慮 C 輪融資的初創(chuàng)公司。

請查收附件中的模板，您需要對其進行修改。我在 G 列中添加了必要的假設(shè)。C 列的名稱在普通股部分重復出現(xiàn)，以便于索引。假設(shè)包括退出時的股權(quán)、系列投資金額、基金所有權(quán)、認股權(quán)證、清算優(yōu)先權(quán)、轉(zhuǎn)換價格、普通股稀釋后股份數(shù)和行權(quán)價格。假設(shè)種子輪、A 輪和 B 輪均為同等權(quán)益的非參與性優(yōu)先股（即，這些輪次的投資者享有同等待遇；對借款人的資產(chǎn)擁有同等的索償權(quán)）

在審查一份特別優(yōu)秀的成果時，一位GDPval評委表示：

在輸出質(zhì)量上令人興奮且顯著的飛躍……[它]看起來像是由一家專業(yè)公司的員工完成的，兩份交付成果的布局設(shè)計和建議都出人意料地出色，盡管其中一份仍存在一些小錯誤需要糾正。

要在ChatGPT中使用新的做表格和PPT能力，需要充值Plus、Pro、Business或 Enterprise套餐，選擇GPT-5.2 Thinking或Pro版本 。生成復雜的內(nèi)容可能需要幾分鐘時間。

代碼能力

GPT-5.2代碼能力同樣刷新紀錄，在SWE-bench Verified上，得分達到80%。

在SWE-Bench Pro這個更難的軟件工程評測上，GPT-5.2 Thinking拿下55.6%的新高。

這個評測不止測Python，還包括JavaScript、TypeScript和Go，更貼近真實工業(yè)場景。

早期測試者特別提到，GPT-5.2在前端開發(fā)和復雜UI工作上明顯更強，尤其是涉及3D元素的場景。

長上下文

長文檔處理是這次升級的重頭戲。

在OpenAI自制的大海撈針MRCRv2評測中，GPT-5.2 Thinking成為首個在256k 上下文長的4針版（4-needle variant）上達到接近100%準確率的模型。

不過8針版性能還是會隨上下文長度明顯下降。

對于需要超越最大上下文窗口進行思考的任務(wù)，GPT-5.2 Thinking兼容簡潔回復模式，能夠處理更多工具密集型、長時間運行的工作流。

視覺理解

視覺能力的提升同樣顯著。

在科學論文圖表理解上，GPT-5.2 Thinking的錯誤率大約降低了一半。

更關(guān)鍵的是，它對圖像中元素的空間位置有了更強的把握。

在高分辨率圖形面屏幕截圖推理測試中，配合Python工具得分達到86.3%。

如果禁用Python工具得分會低很多，OpenAI建議在這樣的視覺任務(wù)中通通啟用工具。

工具調(diào)用

工具調(diào)用能力同樣達到新高度，在Tau2-bench Telecom多輪交互電話客服場景評測上，GPT-5.2 Thinking取得98.7%的成績。

Tau2-bench Retail零售場景也達到82%。

這些成績意味著更強大的端到端工作流程，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，且各步驟之間的故障更少。

科學能力

OpenAI一直希望AI能加速科學研究，這次他們相信GPT-5.2 Pro和GPT-5.2 Thinking是目前世界上最適合輔助科學家的模型。

在GPQA Diamond研究生水平的問答評測上，GPT-5.2 Pro拿下93.2%，GPT-5.2 Thinking緊隨其后達到92.4%。

在專家級數(shù)學評測FrontierMath（Tier 1-3）上，GPT-5.2 Thinking以40.3%的解題率創(chuàng)下新紀錄。

官方還透露了一個實際案例：

研究人員使用GPT-5.2 Pro探索了統(tǒng)計學習理論中的一個開放問題，在一個狹窄、明確的設(shè)定下，模型提出了一個證明，隨后被作者驗證并經(jīng)過同行評審。

事實準確性方面，GPT-5.2 Thinking的幻覺問題相比GPT-5.1從8.8%減少到6.2%。

不過OpenAI也提示模型仍不完美，關(guān)鍵內(nèi)容還是需要人工復核。

One More Thing

自從Meta瘋狂挖人以來，OpenAI都很少在研究進展文章后面附上貢獻者列表了，直接統(tǒng)一署名OpenAI了事。

不過從開發(fā)者相互祝賀的推文中，還是可以挖出GPT-5.2的幾位核心團隊成員：多為2024年之后加入OpenAI的新面孔，而且多是數(shù)學專業(yè)出身。

Yu Bai：北大數(shù)院校友、斯坦福統(tǒng)計學博士，2024年5月加入OpenAI。

Yaodong Yu：UC伯克利博士畢業(yè)，2024年9月加入OpenAI。

Yufeng Zhang：本科中科大數(shù)學系、西北大學博士、字節(jié)前研究員，2024年底加入OpenAI

梅松：北大數(shù)院校友、斯坦福計算與數(shù)學工程博士、UC伯克利助理教授，2025年5月暫離學校加入OpenAI。

Ofir Nachum：MIT CS碩士畢業(yè)，前谷歌大腦研究員，2023年加入OpenAI。

每當外界覺得OpenAI進展不及預期的時候，總有新的人才帶來新的驚喜。

參考鏈接：
[1]https://openai.com/zh-Hans-CN/index/introducing-gpt-5-2/