XNews

OpenAI 发布 GPT-5.2 及基准性能

OpenAI 发布 GPT-5.2 及基准性能

OpenAI 宣布推出 GPT-5.2,旨在支持专业知识工作。

Key insights

GPT-5.2 推出三种针对性版本

OpenAI 发布了 GPT-5.2 的三个版本:GPT-5.2 Instant,适用于低延迟的日常任务;GPT-5.2 Thinking,专注于深度逻辑推理和多步骤工作流程;以及 GPT-5.2 Pro,作为最高容量选项,针对研究和最复杂的问题。该版本被描述为针对专业工作进行了优化——包括电子表格、演示文稿、代码和长期代理工作流程,并以企业生产力客户为目标。

基准测试在多个评估中超越 GPT-5.1 和竞争对手

OpenAI 发布的基准结果显示,与 GPT-5.1 相比,GPT-5.2 在许多测试中有显著改善,并在与 Claude Opus 4.5 和 Gemini 3 Pro 的竞争中处于领先地位。报告的关键得分包括 SWE-Bench 55.6%(从 50.8% 提升),GPQA Diamond 92.4%(从 88.1% 提升),CharXiv 82.1%(从 67.0% 提升),FrontierMath 总体 40.3%(从 31.0% 提升),AIME 2025 完美 100%(从 94.0% 提升),ARC-AGI1 86.2%(从 72.8% 提升),ARC-AGI2 52.9%(从 17.6% 提升),以及 GDPval 70.9%(从 38.8% 提升)。

GPT-5.2 在许多工作任务中声称达到或超越人类水平

OpenAI 表示,GPT-5.2 在 GDPval 指标下超过或匹配人类专家的约 70% 的实际工作任务。公司强调该模型更适合长期代理和专业工作流程,而非演示导向的能力。这一框架遵循内部的 'Code Red' 努力,以加速改进。

OpenAI 强调长上下文、数学和推理的提升

OpenAI 强调在 256k 令牌下的近乎完美的长上下文检索,以及通过 FrontierMath 证明的重大数学/推理改进,并在没有外部工具的情况下获得 AIME 2025 的完美得分。开发者被告知,GPT-5.2 减少了多步骤执行错误,并提高了相较于之前版本的工具调用可靠性。

基准显示与 Gemini 的接近竞争

独立的 ECI 基准结果显示,Gemini 3 Pro 得分 154,而 GPT-5.2 得分 152,表明总体差异微小。帖子指出,模型的优势因领域而异:谷歌 Gemini 在多模态和超长上下文处理方面领先,而 OpenAI 则专注于推理速度和实时响应。

推出计划、企业推动和 '成人模式' 路线图

OpenAI 计划在公告周开始向付费用户分阶段推出,并将 GPT-5.2 定位于吸引企业客户。公司报告称已进入 'Code Red' 并重新分配资源;同时还宣布了一项年龄检测系统,并表示计划在下个季度推出 '成人模式' 功能。

Source posts