OpenAI发布GPT-5.2及内部“红色警报”响应

OpenAI发布了GPT-5.2及内部“红色警报”行动;新模型系列针对专业知识工作。
Key insights
GPT-5.2思维在基准测试中取得重大进展
OpenAI将GPT-5.2思维呈现为在推理和领域任务上的重大升级,引用了具体的基准测试改进:SWE-Bench从50.8%上升至55.6%;GPQA Diamond从88.1%上升至92.4%;CharXiv从67.0%上升至82.1%;FrontierMath整体从31.0%上升至40.3%(Tier 4为14.6%);AIME 2025达到了完美的100%(之前为94.0%);ARC-AGI 1和2分别上升至86.2%和52.9%;GDPval从38.8%上升至70.9%。这些指标被呈现为模型优于GPT-5.1并在关键评估中缩小或超越竞争对手的证据。
OpenAI宣布内部“红色警报”并重新优先项目
Sam Altman发布了一份罕见的内部“红色警报”备忘录,指示OpenAI将竞争压力视为生存问题,暂停多个商业化项目以集中精力改善ChatGPT。备忘录列出了五个主要优先事项:改善图像生成;增强模型的强度、稳定性和自然对话能力;在公共基准测试中获胜(例如,LM Arena);提高速度和可靠性;减少对无害提示的过度拒绝。OpenAI计划在此努力中尽快发布新的推理模型。
GPT-5.2系列划分:即时、思维、专业
OpenAI将GPT-5.2定位为三层系列:GPT-5.2即时用于快速响应和轻任务,GPT-5.2思维作为复杂多步骤决策问题(电子表格、金融模型)的核心推理模型,以及GPT-5.2专业作为最高计算变体,适用于具有挑战性的科学和决策任务。产品细分旨在平衡延迟、成本和问题复杂性,以适应企业和研究用例。
OpenAI将GPT-5.2框架为专注于“专业知识工作”
OpenAI描述GPT-5.2从“聊天机器人”转变为“专家级同事”,优先考虑长上下文的可靠性和职业能力。公司强调了在长上下文处理(256k标记测试)、多步骤执行和新的GDPval指标方面的改进,显示知识工作任务的得分跃升至70.9%,相较于早期版本。该模型旨在支持高价值的工作流程,如电子表格自动化、编程和研究。
运营影响:暂停的计划和货币化重点
OpenAI暂停了多个项目——广告、自动化AI代理和Pulse个性化——将资源重新分配给ChatGPT的改进和企业吸引力。领导层将产品推动与收入目标和基础设施投资联系起来,指出本周开始向付费用户部署,并计划在一月结束“红色警报”状态,下一季度实现更强的定位。
安全、年龄检测和“成人模式”路线图
OpenAI宣布正在开发年龄检测能力,以管理18岁以下用户的响应,并表示计划在明年第一季度推出“成人模式”,这可能使经过验证的成年人能够访问更广泛的内容。该推出与隐私和安全控制一起描述,并将在成人模式发布之前进行。