GPT52深夜炸场智商暴涨3倍OpenAI杀回来了

刚刚， GPT-5.2 如期而至。

距离上一个版本 GPT-5.1 发布，才过去不到一个月。

这个节奏，在 OpenAI 的历史上，实属罕见。

还记得上周我写的那篇文章吗？

CEO Sam Altman 在 OpenAI 内部拉响「Code Red」红色警戒。

各种新功能开发暂停，集中精力干大事： 让 ChatGPT 变得更好。

今天，是第一枪。

01｜首次达到人类专家水平

OpenAI 有一个叫 GDPval 的测试，专门评估 AI 在真实工作场景下的表现。

这个测试覆盖了 44 种职业，任务包括做 PPT、做表格、写报告这些实打实的「知识工作」。

GPT-5.2 Thinking 在这个测试中拿到了 70.9% 的胜率或平局率。

GPT-5.2 Pro 更高，达到了 74.1%。

这是什么意思？

在这些任务上， GPT-5.2 有超过七成的概率做得比行业专家更好，或者至少一样好。

作为对比，上一代 GPT-5 Thinking 只有 38.8%，谷歌的 Gemini 3 Pro 是 53.3%，Anthropic 的 Claude Opus 4.5 是 59.6%。

OpenAI 说：

「这是我们第一个达到人类专家水平的模型。」

02｜ARC-AGI-2：从 17.6% 暴涨到 52.9%

如果说 GDPval 测的是「干活能力」，那 ARC-AGI-2 测的就是「聪明程度」。

这个测试专门衡量 AI 的抽象推理能力。

它被称为「AI 领域的图灵测试」，设计初衷就是让 AI 没法通过死记硬背作弊。

三周前， Gemini 3 Pro 发布时拿到了 31.1% 的成绩，当时已经让整个 AI 圈震惊。

因为之前最好的 GPT-5.1 Thinking 也只有 17.6%。

而今天， GPT-5.2 Thinking 直接拿到了 52.9% 的高分。

GPT-5.2 Pro 更高，54.2%。

从 17.6% 到 52.9%，三倍提升。

这还只是一个小版本更新。

OpenAI，你认真的吗。

03｜编程、数学、多模态，全面提升

SWE Bench Pro，SWE bench Verified 的进阶版。

更难，覆盖四种编程语言。

GPT-5.2 Thinking 在 SWE Bench Pro 上准确率 55.6%。

在 SWE bench Verified 上是 80%。

数学也很猛。

在 AIME 2025（美国数学竞赛）， GPT-5.2 Thinking 直接满分，100%。

没有使用任何工具，纯推理，满分。

这是第一个在这个测试上拿满分的 AI 模型。

多模态方面，OpenAI 表示错误率大约减半。

CharXiv Reasoning（科学图表推理）准确率 88.7%。

ScreenSpot Pro（软件界面理解）是 86.3%。

说人话：理解图表、屏幕截图、技术文档，更靠谱了。

另外值得一提的是， GPT-5.2 Thinking 相比前代，幻觉减少 30%。

OpenAI 今天总算实在了一回：

「和所有模型一样， GPT-5.2 并不完美。对于任何重要的事情，请复核它的答案。」

这种坦诚，我喜欢。

04｜三个版本，今天上新

GPT-5.2 有三个版本。

Instant，快。

日常问答、写作、翻译，用它就够了。

OpenAI 说它保持了 GPT-5.1 那种温暖的对话风格，但解释更清晰，重点信息会提前呈现。

Thinking，深。

编程、文档分析、数学推理、规划决策，这些需要「思考」的任务交给它。

Pro，强。

最聪明，也最慢。

适合那些「答案质量比等待时间更重要」的场景。

ChatGPT 付费用户（Plus、Pro、Business、Enterprise）今天开始陆续推送。

免费和 ChatGPT Go 用户明天开放。

GPT-5.1 会作为旧版模型（Legacy Model）保留三个月，之后下线。

API 和 Codex，今天就能用。

GPT-5.2 API 定价是 1.75 美元/百万输入 tokens，14 美元/百万输出 tokens。

比 GPT-5.1 贵了约 40%。

但 OpenAI 说，因为 token 效率提升，实际完成任务的总成本可能反而更低。

最后，附上一个模型对比，高清大图，拿走不谢。

05｜代号：「大蒜」

今天发布 GPT-5.2 ，并不突然。

我昨天的文章里已经写了。

ChatGPT 官方账号也有预热。

发了两张图，是 Sam Altman 在厨房里炒大蒜。

答案揭晓。

这个模型的内部代号叫「Garlic」，大蒜。

OpenAI 的应用 CEO Fidji Simo 说， GPT-5.2 不是 Code Red 的直接产物，已经开发了好几个月。

「我们一周内做不出这样的模型。」

但她也承认，Code Red 确实帮助 OpenAI 把资源集中到了 ChatGPT 上。

Sam Altman 预计会在明年一月份解除 Code Red 红色警戒状态。

看来，这场厮杀，还会继续下去。

AI 的竞争，比我们想象的还要激烈。

欢迎在评论区聊聊 GPT-5.2 的使用体验！