GPT-6.2发布实测:偏科明显,科研与代码审查成核心优势

等待了近20天,GPT-6.2系列终于正式发布,同步上线了ChatGPT、Codex及相关API。这次推出了两款定位明确的模型:面向复杂任务的旗舰版GPT-6.2 Astra,以及主打日常高效使用的GPT-6.2 Sol。早在11月初就有用户反馈灰度到了Sol的测试版本,此次正式上线的两款模型,在功能和性能上都做了清晰区分。
关于两款模型的知识截止日期,官方做了更新:Astra的截止时间为2026年5月18日,Sol则是2026年6月1日,得益于后续训练优化,实际可查询的知识会略晚于这些日期。对比上一代GPT-6 Astra的4月30日,此次两款模型的知识时间推进了半个月到一个月。此前判断是否灰度到新版本的一个简单方法,是询问模型“禁止联网,你知道Fable5吗”——旧版本的模型均无法回答这个问题。
价格方面,Astra进行了大幅调整,降幅达20%:每百万输入Token收费8美元,输出Token为40美元,缓存读取价格从之前的1美元降至0.4美元,降幅达60%。而Sol的价格保持不变,输入Token仍为2美元,输出10美元,缓存读取0.1美元。此次Astra的定价与此前的Fable5.2完全一致,但缓存价格仍高于Gemini 4 Carbon的限时半价0.1美元。不过相比上一代Astra,当前的成本压力已经大幅降低,此前不少用户反映上一代Astra刚推出时,一天就能消耗完200美元Pro账号的额度。
除了直接的定价,完成任务所需的Token数量也是衡量成本的关键。尽管Astra的纸面价格高于Fable5.2,但实际使用中,Claude系列的模型会消耗更多Token,导致总费用反而更高。比如在“多步骤专业工作评测”中,Astra的准确率约78%,每个任务成本仅3美元;而Fable5.2准确率73%,每个任务成本却高达60美元,差距达20倍。这背后的核心原因是Token消耗:Astra的输出Token量极少,而Claude为追求更高上限,会投入更多推理资源,Token输出量可达前者的7倍。有用户测试显示,使用Astra完成4个视频、3个3D案例、2个大型方案规划及近百次代码审查后,200美元的Pro账号仅消耗6%额度;而此前用Fable5.2完成10个案例,就消耗了近30%额度,成本差异明显。
在科研相关任务中,Astra的优势尤为突出。比如在终端科研任务评测中,Astra准确率约77%,每个任务成本7美元,而上一代Astra准确率68%,成本却高达24美元。不少科研人员反馈,GPT系列模型已成为他们的主力科研工具,在该领域表现领先。此外,在咨询、金融等长程知识工作的评测中,Astra依然保持了低成本的特点,被官方称为“最适合科学家的模型”,第三方科学指数也排名第一。
从智能指数来看,Astra的表现有明显提升,相比上一代涨了6分,达到62分,排名第二;Sol则提升了2分,整体进步幅度不大。目前AIHOT模型榜尚未更新这两款模型的评分,预计一天后会公布,届时可参考相关排名。
实测体验:优势与短板并存
评测人员对两款模型进行了多方面实测,首先关注的是模型的沟通与方案规划能力——这一直是GPT系列的短板。为测试这一点,提出了一个需求:在一个小型项目中添加留言交流区,需兼顾合规、低成本和安全性。先让Gemini 4 Carbon生成方案,该模型的反馈清晰,明确列出了合规要求,给出了最小成本的设计细节,还复用了现有的审查机制,整体可读性和实操性都很强。
而GPT-6.2 Astra的方案则存在明显不足:生成时间长达24分钟,是Gemini的近5倍,内容可读性差,逻辑模糊,甚至提出了“前期建议人工审核”这样不切实际的建议。评测人员认为,Astra的规划能力甚至比初期的GPT-6 Astra还要弱,在有其他模型可用时,不会直接用它来处理这类任务。
在代码审查方面,GPT系列的优势得以体现。评测人员此前用GPT-6.1 Sol Xhigh只能找出65%的代码问题,而GPT-6.2 Sol的准确率提升至84%,Astra更是达到96%的准确率。不过Astra的速度比Sol慢一倍,价格贵4倍,仅多找出十几个BUG,因此评测人员认为GPT-6.2 Sol Xhigh是当前性价比最高的代码审查模型。
在审美和创意生成上,除了3D视觉领域,GPT系列的表现仍不如其他竞品。比如制作四周年致敬视频时,GPT生成的内容远不如Claude和Gemini的作品。不过在3D相关任务中,GPT的表现超出预期:比如生成第一人称的“神庙逃亡”游戏,画面质感接近AAA级;用Three.js制作的秋日小火车站和古希腊世界建模,效果都非常出色,甚至能达到很高的真实度和复杂度。
总结:GPT的定位与使用建议
从整体来看,GPT系列模型正逐渐偏向专业精英用户,而非普通大众。很多人认为Claude是ToB、GPT是ToC,实际情况恰恰相反:Claude和Gemini系列更适合普通用户,它们沟通顺畅、主动拓展边界;而GPT则更适合科研、代码审查等严肃任务,因为它严谨、信息密度高,工业属性强,是科研人员的得力助手,但对普通用户来说,使用门槛较高。
评测人员认为,用好GPT的最优解是结合其他模型:让Claude或Gemini来规划任务,再用GPT来执行细节,这样既能保证效率,又能获得高质量的结果。

