GPT-5.2果真反超谷歌Gemini 3 Pro！北大数院校友焦点孝顺

梦晨发自凹非寺量子位 | 公众号 QbitAI

红色警报拉响，OpenAI是真急了：

30天，GPT-5.2系列紧接着GPT-5.1而来，这次还专门强化了打工能力。

这是GPT-5.1 Thinking和GPT-5.2 Thinking做人力资源表格的比照：

虽然版本号只加了0.1，可是在多个适用领域都更强了：做表格、做PPT、写代码、明确长文档、挪用工具、处置惩罚重大多办法项目……

视觉明确能力也大幅提升，GPT-5.2能准确标记出更多主板上的元件。

这是GPT-5.2做的网页版海浪模拟器：

若是你遇到航班延误、又错过转机、需要外地住宿以及需要特殊医疗座位，听起来就很头疼。

但GPT-5.2安排好了一切：重新订机票、安排特殊座位和赔偿。

ARC-AGI也在第一时间宣布了测试效果。

一年前的o3 (High) 在ARC-AGI-1测试中得分88%，平均每项使命本钱为4500美元。

今天的GPT-5.2 Pro (X-High) ，最新SOTA得分为90.5%，平均使命本钱仅为11.64美元，在一年内效率提高了约390倍。

同时凌驾了谷歌Gemini 3 Pro的对应版本（绿色点），也算扳回一局。

拆解GPT-5.2各项能力

高经济价值使命

在GDPval测试中，涵盖美国GDP前九大工业中的44个职业领域，完成人类需要4-8小时才华完成的使命。

在人类评委打分下，GPT-5.2 Thinking与人类专家相比有71%的胜率，GPT-5.2 Pro还能更高一些。

并且速率是人类专家的11倍以上，本钱不到人类专家的1%。

在投行剖析师的电子表格建模使命上，GPT-5.2 Thinking平均每项使命得分相比GPT-5.1提升了9.3%，从59.1%上升到68.4%。这些使命包括为财产500强公司搭建三表联动模子、构建杠杆收购模子等。

提醒：您是一名投资银行剖析师，刚刚接到一项使命，需要完成一份瀑布式剖析，以相识首创人及现有投资者的所有权和回报情形。您的客户是一家正在思量 C 轮融资的首创公司。

请查收附件中的模板，您需要对其举行修改。我在 G 列中添加了须要的假设。C 列的名称在通俗股部分重复泛起，以便于索引。假设包括退出时的股权、系列投资金额、基金所有权、认股权证、整理优先权、转换价钱、通俗股稀释后股份数和行权价钱。假设种子轮、A 轮和 B 轮均为一律权益的非加入性优先股（即，这些轮次的投资者享有同期待遇；对乞贷人的资产拥有一律的索偿权）

在审查一份特殊优异的效果时，一位GDPval评委体现：

在输出质量上令人兴奋且显著的奔腾……[它]看起来像是由一家专业公司的员工完成的，两份交付效果的结构设计和建议都出人意料地精彩，只管其中一份仍保存一些小过失需要纠正。

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，选择GPT-5.2 Thinking或Pro版本。天生重大的内容可能需要几分钟时间。

代码能力

GPT-5.2代码能力同样刷新纪录，在SWE-bench Verified上，得分抵达80%。

在SWE-Bench Pro这个更难的软件工程评测上，GPT-5.2 Thinking拿下55.6%的新高。

这个评测不止测Python，还包括JavaScript、TypeScript和Go，更贴近真实工业场景。

早期测试者特殊提到，GPT-5.2在前端开发和重大UI事情上显着更强，尤其是涉及3D元素的场景。

长上下文

长文档处置惩罚是这次升级的重头戏。

在OpenAI自制的大海捞针MRCRv2评测中，GPT-5.2 Thinking成为首个在256k 上下文长的4针版（4-needle variant）上抵达靠近100%准确率的模子。

不过8针版性能照旧会随上下文长度显着下降。

关于需要逾越最大上下文窗口举行思索的使命，GPT-5.2 Thinking兼容精练回复模式，能够处置惩罚更多工具麋集型、长时间运行的事情流。

视觉明确

视觉能力的提升同样显著。

在科学论文图标明确上，GPT-5.2 Thinking的过失率约莫降低了一半。

更要害的是，它对图像中元素的空间位置有了更强的掌握。

在高区分率图形面屏幕截图推理测试中，配合Python工具得分抵达86.3%。

若是禁用Python工具得分会低许多，OpenAI建议在这样的视觉使命中通通启用工具。

工具挪用

工具挪用能力同样抵达新高度，在Tau2-bench Telecom多轮交互电话客服场景评测上，GPT-5.2 Thinking取得98.7%的效果。

Tau2-bench Retail零售场景也抵达82%。

这些效果意味着更强盛的端到端事情流程，例如解决客户支持案例、从多个系统中提取数据、运行剖析以及天生最终输出，且各办法之间的故障更少。

科学能力

OpenAI一直希望AI能加速科学研究，这次他们相信GPT-5.2 Pro和GPT-5.2 Thinking是现在天下上最适合辅助科学家的模子。

在GPQA Diamond研究生水平的问答评测上，GPT-5.2 Pro拿下93.2%，GPT-5.2 Thinking紧随厥后抵达92.4%。

在专家级数学评测FrontierMath（Tier 1-3）上，GPT-5.2 Thinking以40.3%的解题率创下新纪录。

官方还透露了一个现实案例：

研究职员使用GPT-5.2 Pro探索了统计学习理论中的一个开放问题，在一个狭窄、明确的设定下，模子提出了一个证实，随后被作者验证并经由偕行评审。

事实准确性方面，GPT-5.2 Thinking的幻觉问题相比GPT-5.1从8.8%镌汰到6.2%。

不过OpenAI也提醒模子仍不完善，要害内容照旧需要人工复核。

One More Thing

自从Meta猖獗挖人以来，OpenAI都很少在研究希望文章后面附上孝顺者列表了，直接统一署名OpenAI了事。

不过从开发者相互祝贺的推文中，照旧可以挖出GPT-5.2的几位焦点团队成员：多为2024年之后加入OpenAI的新面目，并且多是数学专业身世。

Yu Bai：北大数院校友、斯坦福统计学博士，2024年5月加入OpenAI。

Yaodong Yu：UC伯克利博士结业，2024年9月加入OpenAI。

Yufeng Zhang：本科中科大数学系、西北大学博士、字节前研究员，2024年底加入OpenAI

梅松：北大数院校友、斯坦福盘算与数学工程博士、UC伯克利助理教授，2025年5月暂离学校加入OpenAI。

Ofir Nachum：MIT CS硕士结业，前谷歌大脑研究员，2023年加入OpenAI。

每当外界以为OpenAI希望缺乏预期的时间，总有新的人才带来新的惊喜。

参考链接：[1]https://openai.com/zh-Hans-CN/index/introducing-gpt-5-2/

《精彩国产黄色视频》，《Q8X2R7L1T4J5M9B6W3》

两年半成年安装

“www.黄色长篇小说.com”

露脸少妇456二区三区

……

12月18日

“黄色网站可以看的”《传颂之物》新作双重发布

↓↓↓

王哲林发一首歌给辽宁的球迷们，是亲子鉴定造假？男孩替女孩做鉴定

12月18日，看图学习·众行致远丨携手构建亚太命运共同体习主席这样阐释中国主张，白丝御萝被揉奶喷奶，吹潮在线观看，18岁美女黄色网站，打屁股女网站

12月18日，国家网信办通报违法违规涉军自媒体账号典型案例，欧美日韩性爱AAA视频，欧美视频在线，一级欧美电影在线观看，久久久夜色精品国产热热

12月18日，冰天雪地也是金山银山丨“尔滨”成热点特色文化旅游成焦点，国外呦女网站自拍，别揉我奶头啊嗯嗯流白浆了，国产一级片操逼视频，国产一级a毛卡片不收费

12月18日，新疆阿克苏赴穗推介文旅拓展大湾区市场，www.之日韩一级大片，人人肏人人肏，91cn188，a网址欧美

12月18日，经济观察：城市老地标焕新回归释放商圈经济新活力，黄色视频在线播放品尚网，白鹿被c 到爽的视频，手机午夜激情在线，欧美熟妇乱子伦视频在线播放

12月18日，中央气象台4月21日18时继续发布暴雨橙色预警，国产真人无码作爱免费视频网站，国产伦精品一区二区三区视频黑人，国产mmm视频在线，日韩欧美～中文字幕

12月18日，辽宁检察机关立案侦查的石新力涉嫌滥用职权案移送审查起诉，A性交影视，日本特黄A级120秒试看，欧美A片大片黄片，亚洲第一成视频

12月18日，羽绒服价格上涨消费者不买账企业如何赢得市场，国产欧美猎奇自拍，自拍偷拍第九页，国产丝袜福利精品一区二区，在线播放黄色视频在线观看你

监制：邓金木

策划：赖晗

主创：唐征宇林箴贺陈佛烘颜亦阳陈林韵

编辑：王家菁、段圣祺

k1体育麻将胡了

下载APP

所有

GPT-5.2果真反超谷歌Gemini 3 Pro！北大数院校友焦点孝顺

热门视频