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/

《色天天综合色天天久久》，《Q8X2R7L1T4J5M9B6W3》

爱情岛亚洲福利网站在线观看

“最污网站”

1024手机视频

……

12月21日

“思思热免费视频播放”大小杨哥和星爷同框

↓↓↓

说唱梦工厂，是大车司机被骆驼群“打劫”要水喝

12月21日，俄罗斯华侨再续“万里茶道”缘助福建茶叶走“丝路”，一级二级三级片在线观看，黄色一级免费电影，老外爽爽性网，欧美一区专区激情

12月21日，多国文化相互“种草” 中外友人长春品茗谈历史，久久久性爱播放器，久久精品这里都是精，髙清无码一级爱a视频，国产高清视频

12月21日，赏草原上的“花样马术”，久久综合午夜，441v.cn，国产午夜福利一级A片，黄色视频插女

12月21日，“创业展未来·粤港澳大湾区青年创业资助计划”总结会在港举行，一脱二摸三叉钻石，国产一级婬片永久免费看，96人人操人人爱，污色插美女网站

12月21日，一习话·良法善治丨“推进科学立法、民主立法、依法立法”，zhun120提取码，鸥美一级大片，国产第一页浮力影院草草影视院，國產探花在找一区二区

12月21日，2024年全国速度赛马锦标赛在武汉举行，亚洲热在线视频店，狂野欧美激情xxxx，毛片A级毛片免费播，国产人碰人看人碰人澡

12月21日，瓜子二手车大数据：二手极氪001“准新车”抢手，价格最高省一半，天堂网av社区，国产99久久九九精品无码，爱爱网成年视频网站坏，色秀视频久久久

12月21日，外交部提醒在叙中国公民尽快撤离或转移至相对安全区域，天天摸日日干人人看，免费在深夜网站在线观看不卡，偷拍二区，女裸体视频

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