OpenAI 本周五发布的 GPT-5.2 ，到底是什么水平？

这么说吧，这家伙或许是最适合打工人的AI，因为它很可能开启了 AI 从人类助手到专家的转变。

首先是在专业知识上，GPT-5.2 有 7 成的把握，能打败正在屏幕前，刷视频的各位行业专家们。

只看跑分的话，这次的 GPT-5.2 在各个维度上，都要比 Gemini 3 Pro 高了那么一点点。

当然，也只高了一点点，不排除OpenAI是对着 Gemini 刷分的可能。

但这次 OpenAI 最在意的，其实是最后的这个 GDPval 测试成绩。

这是他们在今年的925提出了的一个全新测试方式，用来衡量 AI ，能否真的来帮打工人完成工作。

于是他们找了九个领域四十四个行业的专家们过来，结合他们的工作环境来出了一堆题目。

然后来看 AI 能否完成这些专家们的工作。

而结果就是，最新的 GPT-5.2 能在七成的工作上，打平，甚至做的比人类更好。

咱们也简单的体验了一下这个新模型，让 GPT-5.2 去互联网上统计这些 AI 公司发布的所有模型。

然后把这些模型在各个排行榜上刷出来的分数给统计下来，最后按照月份，把这些成绩给做成表格。

结果在整整 14 分钟的思考后。GPT-5.2 成功的帮咱们把这一系列数据收集，结果统计，表格绘制的任务都给完成掉了。

这么个完成度，确实看起来不错。

除此之外，GPT-5.2还能完成一些复杂的表格工作，做出来的表格不但比过去的自己做的表格要美观许多。

而且在各项任务的测试指标上，也有了 9% 左右的提升。

在写代码这块，GPT-5.2 也有了不少的提升，

产生幻觉的概率要比之前降低了 38%

属于是想让大家能用的更加放心了。

我们也简单的测试了一下，但可能是因为有了 Gemini 珠玉在前的缘故，GPT-5.2 给我的感觉，就有那么一些平平无奇了。

让它来写个 Aimlab （练习瞄准的小游戏）

它也确实能写出来，写出来的程序不但能跑，还能调整靶子大小，游戏时长这些基本参数。

这些都没啥毛病，但就是有些太中规中矩了。

审美这块，有点被上个月发布的 Gemini 3 给暴打了。

同样一句话做出来的小游戏，Gemini 已经开始考虑各种时髦的配色了，GPT 还在刷大白墙，做毛坯房。

当然，也有可能是我没有指定 GPT 要做成啥样的缘故。

除了各项工作能力的提升之外，这次 GPT-5.2 还有一个非常有趣的变化。

它变的更能听得懂人话了。

有人在测试的时候发现，让 GPT 写 50 个创意，它就会认认真真的去写 50 个创意，而不是像过去的模型一样，写 10 个点子就开始摆烂。

除此之外，在上下文能力上方面，OpenAI 也补强了一波，在插针实验中，即便是文本长度到了 256K，成功率依旧是接近百分之百。

这相当于几十万字的名著里，你偷偷在几个地方加了点料，骂了我几句，他都能精准找出来。

这对于写代码、搞学术、总结整理文书的打工人、科研狗来说，又是一大增强。

虽然上面的纸面实力这么强，但，还是在一些地方翻了车。

比如在官方展示的图像识别案例上，大伙们发现，Gemini 3 Pro 的颗粒度直接爆杀 GPT 5.2.

也有人吐槽，新模型发了，那老版本估计又要降智了。。。

属于是经典老番了。

最后呢， GPT-5.2 的发布，其实也让咱们看到了一种趋势。

那就是在未来，顶级模型之间的差异，也可能越来越明显，各个都偏那么一点点科。

比如 Gemini 可能在全模态领域一骑绝尘；GPT 在逻辑推理、生产力方面，也依旧走在同行前头；Claude 则在代码能力和写作上，继续遥遥领先。

毕竟在怎么实现AGI这个问题上，大厂们的差异已经凸显。谷歌可能觉得，多模态能感知世界才是未来；OpenAI则信仰极致的逻辑推理和生产力的提升；Anthropic 认为高维度的语义理解和对齐，才能通往 AGI。

反正 AI 大哥位置轮流坐的现状，还在继续，按顺序来，下一个出招的应该是Anthropic 了。

对了，结尾我也想再催催，奥特曼答应好各位哥们的成人模式，到底啥时候上啊？