在各種小道消息，各種預測之后。

終于，在OpenAI十周年的這一天。

也就是今天的凌晨2點，GPT-5.2終于跟大家見面了。

這是Gemini 3 Pro爆火，第一次讓OpenAI沒有領先優勢，奧特曼在內部官宣紅色警戒狀態之后，他們掏出的第一款模型。

也是OpenAI的十周年獻禮。

而這款模型的特點也非常有意思。

OpenAI的原話是：

We are introducing GPT?5.2, the most capable model series yet for professional knowledge work.（我們正式發布 GPT-5.2，這是迄今為止在專業知識工作方面能力最強的一代模型系列。）

專業知識工作，記住這個關鍵詞，后面要考。

我們先從各種跑分上看，其實能看到，一些跑分其實沒有質的飛躍，有一種數碼廠開始擠牙膏的感覺。。。

對比了GPT-5.2、GPT-5.1、Claude Opus 4.5和Gemini 3 Pro。

在軟件工程（SWE-Bench Pro）、科學問題（GPQA Diamond）、數學競賽（AIME 2025）這些傳統評測集上。

GPT-5.2確實又強了一些，也回到了第一的位置，全面領先。

在前端審美還有3D元素上，表現的更牛逼了。

圖片

在視覺理解能力上也更強了。

比如要求模型識別圖像輸入中的組件，并返回帶有近似邊界框的標簽。

即使在低質量的圖像上，GPT-5.2也能識別主要區域并放置與每個組件真實位置大致匹配的框，而GPT-5.1只標注了幾個部分，對它們的空間排列理解不是很好。

圖片

但是這些東西，說實話，確實也就那樣，大家很難體感上還覺得有多牛逼。

就像芯片廠子告訴你，我的手機芯片性能又提升了25%，你聽了以后，哦確實強，但是完全不影響你繼續刷抖音和小紅書對吧。

不過有兩個評測集，是我覺得這次GPT-5.2最大的亮點，且一定要單拎出來，跟大家單獨聊一下的。

一個是ARC-AGI-2，一個是GDPval。

這兩個，非常有意思。

圖片

先說ARC-AGI-2。

過去的AI評測，比如MMLU，考的主要是是知識。

比如它會問你“美國第一任總統是誰？”、“光合作用的化學方程式是什么？”。

這種評測呢，坦率的講，對于一個讀了半個互聯網的AI來說，有點像開卷考試，它有很大概率不是真的推理出來的，而是背出來的。

這就導致一個問題，在實際的評測中，我們分不清AI是真的聰明，還是只是記性好。

于是，Fran?ois Chollet，就是那位Keras（一個著名的機器學習框架）之父，2019年第一次在論文《On the Measure of Intelligence》里，提出了ARC這個變態測試。

而這個測試，跟知識儲備一毛錢關系都沒有。

全名叫，Abstraction and Reasoning Corpus，抽象與推理語料庫。

設計目標就是測模型的通用智能的能力。

大概就是，不看你在某一道題上有多熟練，而是是看你在沒見過的新題上，能不能自己推理出規則、舉一反三。

目前正式版發展到了第二代，也就是ARC-AGI-2，我給大家放一下，ARC-AGI-2里面的一些典型的題目，大家就懂了。

圖片

圖片

圖片

這種能力，現在稱為流體智力（Fluid Intelligence），意思就是指不依賴于已有的知識，在全新情境下進行邏輯推理、識別模式和解決問題的能力。

說白了，就是你的悟性和開竅的能力。

這玩意兒對AI來說，難于登天。

因為它在互聯網上找不到任何現成的答案，它必須當場理解、當場推理

在很長一段時間里，頂級AI的得分都低得可憐。

在ARC-AGI-2上，之前GPT-5.1的得分是17.6%，而GPT-5.2，直接飆到了52.9%。

直接翻了三倍。

這是一個很恐怖的數據。

GPT-5.2的模型，直接在排行榜上屠榜了。

圖片

而且，效率還很高。

圖片

基本都在同成本區間，能力做到了最高。

在真正的智力水平上，GPT-5.2確實達到了目前的最優。

這就比較有意思了。

然后是第二個，也是我自己現在最關心、也是我認為最重要的一個：

GDPval。

可能很多人沒聽說過這個評測集。

他是OpenAI自己在2個半月前新出的。

圖片

其實你看這個名字也能看出來一點端倪。

GDPval，就是生產總值的那個GDP。

他們要用一個全新的標準，來衡量AI在真實世界中、具有經濟價值的任務上的表現。

過去，我們說一個模型牛逼，是因為它代碼寫得好，或者知識答得準，或者考試分數高。

這當然很重要，但就像我常說的，這個世界不只有程序員和科學家。

還有律師、設計師、市場經理、護士、建筑師、銷售……

無數專業知識工作者。

他們工作的價值，其實很難用一張考卷來衡量。

于是，OpenAI他們在美國貢獻GDP最高的9個行業里，選取了44個核心職業，然后，他們找到了在這些行業里平均有14年工作經驗的資深專家，讓他們出了1320道專業知識任務，并且每一項，都基于真實工作成果。

圖片

比如，給律師的任務，可能就是一份真實的合同草案和客戶需求，讓他去審閱和修改。

給市場經理的任務，可能就是一堆產品資料和市場數據，讓他寫一份營銷方案PPT。

給制造工程師的任務，可能就是一張產品設計圖，讓他優化生產流程。

這些任務，不僅有文字，還可能包含PDF、Excel表格、圖片、PPT，是高度復雜的、多模態的、沒有標準答案的真實工作。

整套任務的平均用時，是人類專家要花 7 個小時才能做完，有些甚至是一兩周的活。

然后，模型和人類的成果，會被同領域的另一批專家進行盲評。

他們也不知道誰是AI，誰是人類。

評委只需要回答一個問題：你更愿意把哪份交給客戶？是這份，還是這份？

結果，GPT-5.2 Thinking在這套 GDPval 上，贏或打平行業專家的比例，達到了70.9%，而GPT-5.2 Pro 模型是74.1%。

注意，這里的參照系不是普通實習生，而是行業專家。

也就是說，在一個有著十幾年經驗的采購經理、或者審計師面前，GPT-5.2干出來的活兒，有七成的時候，比專家干得好，或者至少一樣好。

而 GPT-5，只有 38.8%。

圖片

這個進步的速度，還有有一點快的。

看一下官方放的case的對比，還是比較直觀的。

我們過去的模型，都花過于著重的筆墨在編程開發上了，我并不是說編程開發不重要，它很重要，很牛逼。

但，其他的領域的工作，我也覺得應該被重視。

而GDPval，就是我認為最重要的一個指標。

而且這次GPT-5.2，在上下文上，也有大幅的加強。

用我們以前的大海撈針測試，在一個256K的巨型文檔里面埋四根針，讓AI來根據文檔內容回答。

圖片

GPT-5.2干到了離譜的100%，這也是我印象中，唯一一個能干到100%的。

8根針的正確度會下降，但是這個衰減，已經比GPT-5.1牛逼太多了。

而且，還有最新的知識庫截止日期：

牛逼的知識工作處理+最新的知識庫截止日期+更棒的智力+準確性超高的上下文。

這簡直，就是真正的天選牛馬搭子，對打工人的加持，實在是太強了。

這是真正，奔著大眾、奔著實用去的。

目前今天會開放給ChatGPT付費會員，明天會開放給免費會員，會直接替代GPT-5.1，但是如果你是付費會員的話，還會在老模型中存續3個月。

就是這。

可惜截止到我發文的凌晨6點這一刻，作為尊貴的200刀的ChatGPT Pro會員，我還是沒有拿到GPT-5.2的體驗資格。

一些所謂的ChatGPT上的為GPT-5.2專用的文件精修，也只能等拿到實測以后，再出一篇GPT-5.2的打工合集了。

然后開發者的話，已經可以通過API調用。

價格上，會比5.1貴一些。

整體上，GPT-5.2的所有消息差不多就這樣了。

而我自己一直期待的，成人模式。

還是沒有到來。

奧特曼自己這個龜兒子說的是12月上線。

也不知道能不能等到。

反正他說，下周還會再送一些小的圣誕禮物。

盲猜一手OpenAI家的生圖模型，或者成人模式。

對于一個創作者來說，這兩玩意，真的很需要。。。

最后總結，GPT-5.2在我心中，是一個合格的迭代，并沒有跟很多模型一樣，專注于純粹的傳統刷分，而是聚焦在了廣大白領打工人身上，幫大家解決實際工作中的問題。

這個點，我覺得就很酷，非常的剛需。

但是從路線上來說，感覺GPT-5.2還是被原生多模態的Gemini 3 Pro壓了一頭，12月大概率還是要發個生圖模型出來的，不知道對標Banana，會不會有新的驚喜。

總之，還是保持期待。

反正每一個新模型的發布，只要是我覺得有意思的。

也一定會熬夜給大家帶來第一時間的解讀。

我們以后。

還是，不見不散~

晚安。