99riav.4com

电脑版下载

10636
9

99riav.4com截图Q8X2R7L1T4J5M9B6W3

内容详情

99riav.4com

机械之心报道

机械之心编辑部

谷歌的领先优势，只坚持了不到一个月。

今天是 OpenAI 的十周年岁念日，十周年之际，来点大的。

在「红色警报」后，OpenAI 在北京时间本周五拿出了最新的顶级模子 GPT-5.2 系列 —— 迄今为止在专业知识事情上最强盛的模子系列。

简而言之，OpenAI 本次推出：

GPT-5.2 Instant，为一样平常事情与学习而打造：

与 GPT-5.1 一样温暖、对话自然更清晰的解说，把要害信息提前泛起刷新的操作指南与分办法解说更强的手艺写作与翻译能力更好地支持学习与职业妄想

GPT-5.2 Thinking，为专业级事情周全提升标准：

业界最先进的长上下文推理能力在电子表格的天生、剖析与排版方面取得重大提升在演示文稿制作方面已有起源突破

GPT-5.2 Pro，在面临难题问题时最智慧、最值得信任的模子：

在编程等重大领域体现更强最适合资助并加速科学研究的模子

GPT-5.2 的设计目的，就是为人们创立更多经济价值：它在制作电子表格、构建演示文稿、编写代码、明确图像、处置惩罚超长上下文、使用工具，以及执行重大的多办法项目方面都有显著提升。

真正的生产力不是空口无凭，让我们来看看数据，GPT-5.2 究竟有多强。

在如图所示的众多基准测试中，GPT-5.2 均刷新了最新的 SOTA 水平。

你可以注重到，AIME 2025（数学）的分数是 100%，之前 Gemini 3 Pro 的分数是 95%；ARC-AGI-2（笼统推理）的分数是 52.9%，比照 Gemini 3 Pro 是 31.1 %；别的 SWE-bench pro（编码）的分数是 55.6%，比照 Gemini 3 Pro 是 43.3 %。

GPT-5.2 在 GDPval（知识事情）基准上的分数为 74.1%，OpenAI 声称这是 AI 模子首次抵达了「人类专家水平」。

总体来看，GPT-5.2 在通用智能、长上下文明确、自主式工具挪用以及视觉能力方面均带来了显著提升，使其比以往任何模子都更善于端到端地完成重大的真实天下使命。

山姆?奥特曼体现，GPT-5.2 是 OpenAI 很长一段时间以来最大的一次升级。

真正的生产力

GPT-5.2 Thinking 是迄今为止最适合真实天下专业场景的模子。在 GDPval—— 一个笼罩 44 个职业、针对明确知识事情使命的评估系统中，GPT-5.2 Thinking 刷新了 SOTA 效果，并成为 OpenAI 首个整体体现抵达或凌驾人类专家水平的模子。

凭证专业评审的判断，在 GDPval 的知识事情使命比照中，GPT-5.2 Thinking 在 70.9% 的比照中击败或与顶尖行业专家持平。这些使命包括制作演示文稿、电子表格以及其他专业产出物。

在执行 GDPval 使命时，GPT-5.2 Thinking 天生输出的速率凌驾专家 11 倍以上，本钱却低于 1%。这批注，在配合人工监视时，GPT-5.2 能显著辅助专业事情。

速率和本钱估算基于历史数据；ChatGPT 中的现实速率可能有所差别。

在 GDPval 中，模子需要完成笼罩美国 GDP 孝顺度最高的 9 大行业中 44 个职业的、明确划定的知识事情使命。这些使命要求天生真实的事情产出，例如：销售演示文稿、会计报表 / 电子表格、急诊排班表、制造流程图，甚至是短视频等。在 ChatGPT 中，GPT-5.2 Thinking 配备了 GPT-5 Thinking 所不具备的新工具。

在评审一份体现尤其精彩的输出时，一位 GDPval 评委谈论道：

「这是一次令人兴奋且显着的质量奔腾……[它] 看起来就像是由一家专业公司团队完成的，两个交付物的版式设计和建议都出乎意料地优异，不过其中一个仍有一些小过失需要修正。」

别的，在 OpenAI 内部用于测试初级投行剖析师能力的电子表格建�；贾校ɡ纾何患也撇� 500 强企业构建包括三张财务报表的模子，并具备准确名堂和引用；或为私有化生意构建杠杆收购模子），GPT-5.2 Thinking 的使命平均得分比 GPT-5.1 提升了 9.3%，从 59.1% 上升到 68.4%。

比照显示，GPT-5.2 Thinking 在天生电子表格与演示文稿时，在专业度与排版质量上都有显著提升：

Prompt: Create a workforce planning model: headcount, hiring plan, attrition, and budget impact. Include engineering, marketing, legal, and sales departments.

5.1 过失地盘算了种子轮、A 轮和 B 轮的整理优先权，并且将这些行的大部分留空，导致最终的股权分派盘算效果不准确。它还在表头行中过失地插入了公式。5.2 则完整且准确地完成了所有盘算，并以可审计的方法泛起效果。

要在 ChatGPT 中使用新的电子表格和演示文稿生乐成能，您需要使用 Plus、Pro、Business 或 Enterprise 计划，并选择 GPT-5.2 Thinking 或 GPT-5.2 Pro。重大内容的天生可能需要数分钟时间。

新的编码岑岭

GPT-5.2 Thinking 在 SWE-Bench Pro 上取得 55.6% 的最新 SOTA 效果。

SWE-Bench Pro 是一个严酷评估真实天下软件工程能力的基准。与只测试 Python 的 SWE-bench Verified 差别，SWE-Bench Pro 涵盖四种编程语言，并设计得更具抗污染性、挑战性、多样性和工业相关性。

在 SWE-Bench Pro 中，模子会获得一个代码客栈，并必需天生补�。╬atch）来解决一个真实的软件工程使命。

在 SWE-bench Verified 上，GPT-5.2 Thinking 取得了 80% 的新的最高分。

关于一样平常专业使用来说，这意味着模子在以下方面越发可靠：调试生产情形代码、实现功效请求、重构大型代码库，以及以更少人工干预的方法完成端到端修复。

GPT-5.2 Thinking 在前端工程能力上也优于 GPT-5.1 Thinking。早期测试者发明，它在前端开发以及重大或非通例的 UI 设计（尤其是包括 3D 元素的界面）方面的能力显著增强，使其成为全栈工程师的强盛一样平常助手。

以下是它凭证单条提醒词即可天生的部分示例：

新的幻觉低谷

GPT-5.2 Thinking 的幻觉率显著低于 GPT-5.1 Thinking。

在一组来自 ChatGPT 的去标识化真适用户盘问上，含过失的回覆相对镌汰了 30%

关于专业用户而言，这意味着在举行研究、写作、剖析和决议支持时，模子出错更少，从而让一样平常知识事情越发可靠稳健。

推理力度被设置为可用的最高级别，并启用了搜索工具。过失由其他模子检测，而这些模子自己也可能会蜕化。在主张级别（claim-level）的过失率远低于回覆级别（response-level）的过失率，由于大大都回覆都包括多个自力主张。

挣脱上下文限制

GPT-5.2 Thinking 在长上下文推理方面抵达了新的业界最先进水平，在 OpenAI MRCRv2 上取得领先体现 —— 这是一个用于测试模子整合长文档中疏散信息能力的评估基准。在真实天下使命（如深度文档剖析）中，当相关信息漫衍在数十万 token 中时，GPT-5.2 Thinking 的准确性显著优于 GPT-5.1 Thinking。

特殊值得注重的是，GPT-5.2 Thinking 是 OpenAI 首个在 4-needle MRCR 变体（长度可达 256k tokens）上抵达靠近 100% 准确率的模子。

从现实应用来看，这意味着专业人士可以使用 GPT-5.2 来处置惩罚超长文档 —— 例如报告、条约、科研论文、访谈纪录以及多文件项目 —— 同时在数十万 token 的跨段信息中坚持连贯性和准确性。这让 GPT-5.2 尤其适合深度剖析、综合推理以及重大的多泉源事情流。

在 OpenAI-MRCR v2（多轮共指消解）评测中，会将多个相同的「针」（needle）式用户请求插入到由大宗类似请求与回复组成的长「草堆」（haystacks）中，然后要求模子复现第 n 个针对应的回覆。Mean match ratio（平均匹配率）用于权衡模子回覆与准确谜底之间的平均字符串匹配水平。图中 256k 最大输入 token 的点代表对 128k–256k token 输入规模的平均体现，以此类推。其中 256k 体现 256 × 1,024 = 262,144 token。推理力度被设置为可用的最高级别。

关于那些需要在最大上下文窗口之外继续推理的使命，GPT-5.2 Thinking 兼容我们新的 Responses /compact 端点，它能够扩展模子的有用上下文窗口。

这使得 GPT-5.2 Thinking 可以处置惩罚更多依赖工具、运行时间较长的事情流，而不会受到上下文长度的限制。

细腻的视觉明确

OpenAI 体现：「GPT-5.2 Thinking 是我们要现在最强的视觉模子，在图表推理和软件界面明确方面的过失率险些降低了一半。」

关于一样平常的专业应用而言，这意味着该模子能够更准确地解读仪表盘、产品截屏、手艺图表和视觉报告，从而为金融、运营、工程、设计以及客户支持等以视觉信息为焦点的事情流提供强力支持。

在 CharXiv Reasoning 中，模子需要回覆关于科学论文中视觉图表的问题。测试中启用了 Python 工具，并将推理强度（reasoning effort）设为最大。

在 ScreenSpot-Pro 中，模子必需对来自种种专业情形的高区分率图形用户界面（GUI）截图举行推理。测试中启用了 Python 工具，并将推理强度设为最大。若是不使用 Python 工具，得分会低得多。OpenAI 建议在此类视觉使命上启用 Python 工具。

与之前的模子相比，GPT-5.2 Thinking 对图像中各元素的位置关系明确得越发透彻，这关于「相对结构」在解决问题中起要害作用的使命尤为主要。

在下方的示例中，OpenAI 要求模子识别输入图像（本例中为主板）中的组件，并返回带有大致界线框的标签。纵然在低质量图像上，GPT-5.2 也能识别出主要区域，并安排有时能与每个组件真实位置相匹配的框；而 GPT-5.1 仅标记了少数几个部分，且对其空间排列的明确要弱得多。

很显着，两个模子都保存过失，但 GPT-5.2 展示出了对图像更好的明确力。

可靠的工具挪用

GPT-5.2 Thinking 在 Tau2-bench Telecom 上取得了 98.7% 的新 SOTA 效果，展示了其在长链路、多轮使命中可靠使用工具的能力。

关于延迟敏感的用例，GPT-5.2 Thinking 在 reasoning.effort='none'（不举行特殊推理思索）模式下的体现也要好得多，大幅优于 GPT-5.1 和 GPT-4.1。

在 τ2-bench 中，模子需要使用工具与模拟用户举行多轮交互，以完成客户支持使命。关于电信领域，OpenAI 在系统提醒词中包括了一条简短且通用的指导说明以提升性能。由于航空子集的基准真实标签评分质量较低，OpenAI 将其扫除在外。

关于专业人士来说，这可以转化为更强盛的端到端事情流 —— 例如解决客户支持案例、从多个系统提取数据、运行剖析以及天生最终输出，且办法之间的断裂或阻滞更少。

例如，当询问一个需要多步解决的重大客服问题时，模子可以更有用地协调跨多个智能体的完整事情流。

在下面的案例中，一位游客报告了航班延误、错过了转机、需要在纽约住宿以及医疗座位需求。GPT-5.2 治理了整个使命链（重新预订、特殊协助座位和赔偿），提供了比 GPT-5.1 更完整的效果。

「我从巴黎到纽约的航班延误了，导致我错过了去奥斯汀的转机。我的托运行李也不见了，我需要在纽约住宿。别的，由于医疗缘故原由我还需要一个特殊的前排座位。你能帮我吗？」

探索科学与数学界线

OpenAI 体现其对 AI 的愿景之一，是希望它能加速科学研究，造福每一小我私家。为此，OpenAI 一直与科学家相助并谛听他们的意见，探索 AI 怎样能加速他们的事情。

上个月，OpenAI 在论文《Early experiments in accelerating science with GPT-5》中分享了一些早期的相助实验。

OpenAI 体现：「我们相信 GPT-5.2 Pro 和 GPT-5.2 Thinking 是现在天下上辅助和加速科学家事情的最佳模子。」

在 GPQA Diamond（一个研究生级别的「防谷歌搜索」问答基准测试）上，GPT-5.2 Pro 抵达了 93.2%，GPT-5.2 Thinking 紧随厥后，抵达了 92.4%。

在 GPQA Diamond 中，模子需要回覆关于物理、化学和生物的多项选择题。测试中未启用工具，并将推理强度设为最大。

在 FrontierMath (Tier 1–3) 这一专家级数学评估中，GPT-5.2 Thinking 创下了新的 SOTA，解决了 40.3% 的问题。

在 FrontierMath 中，模子解决专家级数学问题。测试中启用了 Python 工具，并将推理强度设为最大。

OpenAI 体现：「我们最先看到 AI 模子以切实可见的方法有意义地加速数学和科学的前进。例如，在最近使用 GPT-5.2 Pro 的一项事情中，研究职员探索了统计学习理论中的一个开放性问题。在一个狭窄且界说明确的设定中，模子提出了一个证实，随后该证实被作者验证并由外部专家审查，这生动地说明晰前沿模子怎样在亲近的人类监视下辅助数学研究。」

通用推理 ARC-AGI 2

在 ARC-AGI-1 (Verified)（一个旨在权衡通用推理能力的基准测试）上，GPT-5.2 Pro 是首个突破 90% 门槛的模子。相比去年 o3-preview 抵达的 87%，它不但实现了性能提升，还将告竣该性能的本钱降低了约 390 倍。

在 ARC-AGI-2 (Verified) 上（该测试提高了难度并更好地隔离了流体推理能力（fluid reasoning）），GPT-5.2 Thinking 取得了头脑链模子的新 SOTA，得分为 52.9%。GPT-5.2 Pro 的体现甚至更高，抵达了 54.2%，进一步扩展了模子对新颖、笼统问题举行推理的能力。

在这些评估中的提升，反应了 GPT-5.2 更强的多步推理能力、更高的定量准确性，以及在处置惩罚重大手艺使命时更可靠的问题解决能力。

在 ChatGPT 中使用 GPT-5.2

OpenAI 体现：「在 ChatGPT 中，用户应该会注重到 GPT-5.2 的一样平常使用体验更佳 —— 它更有条理、更可靠，且对话体验依然令人愉悦。」

该公司给 GPT-5.2 Instant 的定位是一样平常事情和学习的快速、强力助手。它延续了 GPT-5.1 Instant 引入的更温暖的对话基调，并在信息征采、实操指南与分步教程、手艺写作以及翻译方面有显着刷新。早期测试者特殊指出，其诠释越发清晰，能够将要害信息前置。

GPT-5.2 Thinking 专为深度事情设计，资助用户以更高的完成度处置惩罚更重大的使命 —— 特殊是在代码编写、长文档总结、基于上传文件的问答、逐步处置惩罚数学和逻辑问题，以及通过更清晰的结构和更适用的细节支持妄想与决议方面。

GPT-5.2 Pro 是 OpenAI 处置惩罚难题时最智慧、最值得信任的选择。关于那些值得期待的高质量回覆，它体现最佳。早期测试显示，其在编程等重大领域的重大过失更少，体现更强。

清静

GPT-5.2 基于 OpenAI 在 GPT-5 中引入的「清静完成」研究，该研究旨在教会 AI 模子在确保清静的条件下，给出最有资助的谜底。

听说在此版本中，研究职员继续致力于增强模子在敏感对话中的响应能力，显著刷新了模子对提醒自杀或自残迹象、心理康健困扰或对模子的情绪依赖等问题的响应。与 GPT-5.1 和 GPT-5 Instant 及 Thinking 模子相比，这些针对性的干预步伐显著镌汰了 GPT-5.2 Instant 和 GPT-5.2 Thinking 模子的不良响应。

OpenAI 提到，GPT-5.2 能够自动为 18 岁以下用户应用内容�；�，从而限制他们会见敏感内容。

定价

ChatGPT 将于今日最先逐步推出 GPT-5.2（包括 Instant、Thinking 和 Pro 版本），首先面向付用度户（Plus、Pro、Go、Business 和 Enterprise 版本）提供。为确保 ChatGPT 的流通性和稳固性，GPT-5.2 将分阶段安排，可能有人第一时间无法看到。在 ChatGPT 中，付用度户仍可在三个月内继续使用 GPT-5.1（旧版模式），之后 GPT-5.1 将逐步下线。

在 API 平台上，GPT-5.2 Thinking 以 gpt-5.2 的名义提供，GPT-5.2 Instant 则以 gpt-5.2-chat-latest 的名称提供。GPT-5.2 Pro 以 gpt-5.2-pro 的名称提供�？⒄呦衷诳梢栽� GPT-5.2 Pro 中设置推理参数，并且 GPT-5.2 Pro 和 GPT-5.2 Thinking 均支持新的第五级推理难度 xhigh，适用于对证量要求极高的使命。

以下是百万 token 的价钱，OpenAI 称，只管 GPT-5.2 的单个 token 本钱更高，但由于其更高的 token 效率，抵达特定质量水平的总本钱反而更低。

ChatGPT 的订阅价钱坚持稳固。

OpenAI 体现，现在没有妄想在 API 中弃用 GPT-5.1、GPT-5 或 GPT-4.1。虽然 GPT-5.2 在 Codex 中开箱即用，但 OpenAI 还预计将在未来几周内宣布一个针对 Codex 优化的 GPT-5.2 版本。

GPT-5.2 是 OpenAI 与恒久相助同伴英伟达和 Microsoft 相助开发的。Azure 数据中心和英伟达 GPU（包括 H100、H200 和 GB200-NVL72）为 OpenAI 的大规模训练基础设施提供了支持。

OpenAI 十周年

今天是 OpenAI 十岁生日，宣布新模子的同时，首创人、CEO 山姆?奥特曼撰文说道：

OpenAI 取得的成绩远超我的想象；我们当初的目的是做一些猖獗的、险些不可能的、亘古未有的事情。从充满不确定性的起源，战胜重重难题，依附一连一直的起劲，我们现在看来很有可能实现我们的使命。

十年前的今天，我们向天下宣布了我们的妄想，只管我们其时并没有正式启动。又过了几个星期，直到 2016 年 1 月初（才正式最先）。

从某种意义上说，十年是一段很长的时间，但就社会厘革通常所需的时间而言，十年着实并不算长。虽然一样平常生涯与十年前并没有太大的差别，但我们今天所面临的可能性空间，与我们昔时十五个书白痴围坐在一起，苦思冥想怎样取得前进时所感受到的截然差别。

回看早期的照片，我首先注重到的是各人看起来都好年轻。但随后，我又注重到各人那种异乎寻常的乐观和快乐。那是一段猖獗而又充满兴趣的时光：只管我们不被人明确，但我们却有着坚定的信心，以为这件事意义非凡，纵然乐成的时机渺茫也值得全力以赴；我们拥有才华横溢的人，以及清晰的目的。

随着我们取得一些乐成（以及许多失败），我们逐渐对现状有了更清晰的熟悉。那时，要确定详细应该做什么并禁止易，但我们建设了一种勉励探索的卓越文化。深度学习无疑是一项伟大的手艺，但若是没有在现实天下中积累应用履历就贸然开发，似乎不太合适。我在此略过我们所做的一切（希望未来有人能写成一部历史著作），但我们始终秉持着一种起劲进取的精神，一直探索眼前的下一个挑战：研究的下一步偏向是什么？怎样筹集资金购置更强盛的盘算机？等等。我们率先开展了使人工智能清静可靠且切实可行的手艺事情，这种精神一直延续至今。

2017 年，我们取得了一些涤讪性的效果：Dota 1v1 的实验效果，将强化学习推向了新的规模；无监视情绪神经元实验，证实语言模子能够清晰地学习语义，而不但仅是语法；基于人类偏好的强化学习效果，展示了将人工智能与人类价值观相契合的起源途径。其时，立异远未竣事，但我们深知，需要借助强盛的盘算能力来扩展这些效果。

我们坚韧不拔，一直刷新手艺，并在三年前推出了 ChatGPT。天下为之瞩目，而 GPT-4 的宣布更是引起了普遍关注；突然之间，通用人工智能（AGI）不再是天方夜谭。已往的三年极其主要，压力重大，责任重大；这项手艺以亘古未有的规模和速率融入了天下。这需要极其高明的执行力，我们必需迅速作育新的能力来应对。在云云短的时间内从零生长成为一家重大的公司绝非易事，我们每周都要做出数百个决议。我为团队做出的众多准确决议感应自豪，而那些过失决议大多是我的责任。

我们不得不做出一些新的决议；例如，在思索怎样让 AI 最大限度地造福天下时，我们制订了一项迭代安排战略，将早期版本的手艺乐成推向市场，让人们形成认知，社会与手艺配合演进。这在其时颇具争议，但我以为这是我们做出的最明智的决议之一，现在已成为行业标准。

OpenAI 建设十年以来，我们拥有的 AI 能够在最艰难的智力竞赛中胜过我们大大都最智慧的人。

天下已经使用这项手艺创立了非凡的成绩，我们期待明年还能看到更多非凡的效果。迄今为止，天下在减轻潜在的负面影响方面也做得不错，我们需要继续起劲，坚持这种势头。

我从未像现在这样对我们的研发和产品蹊径图，以及实现我们使命的整体偏向感应云云乐观。我相信，再过十年，我们险些肯定能够打造出超等智能。我预感未来会有些奇异；在某种水平上，一样平常生涯和我们最体贴的事情险些不会爆发太大转变，并且我相信，我们会继续越发关注其他人所做的事情，而不是机械所做的事情。但在另一方面，2035 年的人们将能够做到我们现在难以想象的事情。

衷心谢谢那些信任我们并使用我们的产品创立佳绩的小我私家和公司。若是没有他们的支持，我们或许还只是实验室里的一项手艺；我们的用户和客户在许多情形下都对我们寄予了过高的期望，没有他们的支持，我们的事情不可能抵达今天的成绩。

我们的使命是确保 AGI 造福全人类。眼前尚有许多事情要做，但我为团队现在的生长偏向感应很是自豪。我们已经看到人们使用这项手艺所取得的重大效果，并且我们知道，未来几年还将有更多效果涌现。

参考内容：

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

https://openai.com/index/ten-years/

GPT 5.2 System Card：

https://cdn.openai.com/pdf/3a4153c8-c748-4b71-8e31-aecbde944f8d/oai_5_2_system-card.pdf