GPT-5.2首發評測：大神深度體驗兩周，強到離譜，但慢得抓狂

↑閱讀之前記得關注+星標??，，每天才能第一時間接收到更新

為了緊急對抗谷歌的Gemini 3 ，OpenAI 剛剛推出了GPT-5.2，sam Altman 叫喊這是很長時間以來最大的更新

基準測試分數官方的發布博客文章都有，跑分屠榜，編程能力非常強，但現在的這些分數看看就好了，感興趣的看這里

https://openai.com/index/introducing-gpt-5-2/

GPT-5.2 的幻覺減少了大約 30-40%

價格更貴了

另外圣誕節還有發布，估計是圖像模型更新？ChatGPT 的“成人模式”目前計劃于明年第一季度推出

這里我分享一下大神OthersideAI CEO Matt Shumer 對 GPT-5.2 深度評測，這哥們已經拿到內測兩周了

核心要點先放在前面：

指令遵循和任務意愿：GPT-5.2 Thinking 在指令遵循和嘗試完成困難任務的意愿上，邁出了有意義的一步

代碼生成能力提升巨大：比 GPT-5.1 好得多。能力更強、更自主、更謹慎，并且愿意編寫多得多的代碼

視覺和長上下文：大幅改進，尤其是在理解圖像中的位置和處理大型代碼庫方面

速度是主要缺點：作者體驗中，Thinking 模式在處理大多數問題時都非常慢（盡管其他測試者反饋不一）。他幾乎從不使用 Instant 模式

GPT-5.2 Pro：在深度推理方面強到離譜，但速度很慢，而且偶爾會陷入長時間思考后仍然失敗的境地

Codex CLI：GPT-5.2 是作者在命令行工具中使用過的最接近 Pro 級編碼能力的模型，但實現這一能力的高級推理模式有時需要漫長的等待

以下是詳細評測內容。

GPT-5.2 Thinking：直覺的提升

GPT-5.2 最引人注目的地方在于它遵循指令的方式——不是基礎的“我說你做”，而是“真正完成我所描述的整個任務”

作者舉了一個例子。在測試創意寫作時，他要求模型先想出50個情節構思，然后再選出最好的一個來寫故事。大多數模型會走捷徑，可能只給出10個想法，選一個就開始。

而 GPT-5.2 確實生成了全部50個構思，然后才進行選擇。這聽起來是小事，但并非如此。在進行創意工作或研究時，多出來的40個想法中可能就包含了那個真正有趣的火花。模型信任流程，而不是為了速度而優化，這一點至關重要。

作者進一步測試，要求它寫一本200頁的書。雖然書頁內容本身很弱且簡短，模型還無法一次性寫出可出版的小說，但令人印象深刻的是，它確實嘗試去做了。它構建了整本書的結構，甚至設置成了PDF格式。大多數模型會假設自己做不到，甚至不會嘗試，它們會告訴你“這太長了”，或者只給你一個大綱

GPT-5.2 則是直接上手。這種愿意嘗試宏大任務（即便不完美）的意愿，開啟了新的工作流。

代碼生成：真正的進步

GPT-5.2 在代碼生成方面確實比以前的模型有了巨大進步。它寫的代碼質量更高，能處理的任務也更龐大

例如，作者用 Three.js 動畫來壓力測試其空間推理能力。他要求模型構建一個棒球場景，它生成的風格比大多數模型更逼真（紋理/光照效果很棒），但空間感知和物體放置仍有很大改進空間

此外，該模型愿意編寫比之前版本多得多的代碼，并且能持續工作更長時間不中斷。這是實實在在的能力提升。

視覺和長上下文

5.2 版本的視覺能力有顯著提升。它對圖像的理解，特別是位置和空間關系，有了很大的不同（盡管空間生成能力仍在開發中）。這對操作計算機的智能體來說是個好消息。

它的長上下文能力也很出色。在處理大型代碼庫、大量數據和長篇分析時感覺比以前更穩定，這也是 GPT-5.2 在智能體編碼工作流中表現出色的原因之一。

作者在這里吐槽了一點：模型已經變得如此強大，但 OpenAI 的 ChatGPT 界面卻完全沒跟上。例如，ChatGPT 中的 Canvas 界面仍然無法處理大量代碼。他最初在 Canvas 中嘗試 Three.js 測試，但模型輸出的代碼量超出了 Canvas 的處理能力

另外，Pro 模式仍然只能在 ChatGPT 內部使用，而不能在 Codex CLI 中使用，這讓作者持續感到沮喪。為了解決這個問題，他使用一個叫 RepoPrompt 的工具：將本地代碼庫轉成提示詞粘貼給 5.2 Pro，再把模型的回答粘貼回 RepoPrompt，由后者將變更應用到代碼庫。雖然多了一個步驟，但這讓他能在真實代碼庫上利用 Pro 級別的推理能力。

風格

用過 OpenAI 模型的人都知道它們對項目符號（bullet points）的執著。GPT-5.2 延續了這一傳統。當你讓它解釋某件事時，往往會得到一個項目符號列表，而其實幾段清晰的文字效果會更好。通過精心設計提示詞（比如明確要求流暢的散文風格），可以規避這個問題。

除了項目符號，寫作風格整體有所改善。雖然不是對 GPT-5.1 的巨大飛躍，但確實更好了一些

積極的一面是，GPT-5.2 學會了在回答中保持簡潔。當我問一些簡單問題時，偶爾能得到簡單的答案。作者表示，雖然這還沒成為默認行為，但已是進步。

速度問題

這一點影響了作者的日常使用：標準的 GPT-5.2 Thinking 很慢。根據他的經驗，即使是簡單直接的問題，速度也非常非常慢。不過，他也提到其他測試者報告了不同的速度表現，有些任務快，有些任務慢。

在實際工作中，這意味著他很少使用 GPT-5.2 Thinking。他的工作流變成了：

• ? 快速問題 → Claude Opus 4.5

• ? 深度推理 → GPT-5.2 Pro

標準的 Thinking 模型處于一個尷尬的中間地帶：比 Opus 慢，又沒有 Pro 完整的推理優勢。

各模型橫向對比

作者同時使用 Claude Opus 4.5、Gemini 3 Pro 和 GPT-5.2，它們在他的工作流中形成了明確分工：

用于快速提問：“X的語法是什么”或“提醒我Y如何工作”這類問題Claude Opus 4.5 勝出。它更快，更直接。

用于研究和復雜推理：GPT-5.2 Pro 明顯更勝一籌。當任務需要從多個角度思考、需要整合大量上下文時，Pro 的表現最優

用于前端UI生成：GPT-5.2 Thinking 和 Pro 都比之前的 GPT 模型有進步，但兩者都不及 Gemini 3 Pro。這里的區別很微妙：Gemini 3 Pro 有最好的審美感，其 UI 看起來很棒。但它在布局和前端工程方面的可靠性稍差。所以，如果需要功能正確、能處理邊緣情況的UI，作者還是會用 Opus 或 GPT。如果只是追求漂亮，并愿意自己修復代碼，Gemini 3 Pro 是目前最佳選擇

GPT-5.2 Pro：一個緩慢的天才

Pro 模式是真正有趣的地方。它是一個獨立的系統，且只在 ChatGPT 中可用。

簡而言之：Pro 聰明到離譜。Thinking 和 Pro 之間的智能差距立即可見。但比原始智能更重要的是 Pro 的思考意愿。它會花費比以往 Pro 模型長得多的時間來解決一個問題。對于研究任務，如果需要，它會進行極長時間的資料搜集。

食譜測試

作者舉了一個具體例子。他向模型尋求膳食計劃幫助，并強調自己“沒有時間做飯”，需要一個7天的計劃（每天三餐兩點）。

Pro 提供了出色的食譜計劃，但最突出的是它的配料表——比其他模型建議的簡單得多。它理解了“沒時間”不僅限制了烹飪時間，也限制了購物的復雜性、準備工作和心力開銷。它領會了作者的心態，而不僅僅是字面請求。

作者表示，看到這種程度的理解相當令人震驚。他把同樣的提示發給了所有其他前沿模型，沒有一個考慮到這一點。

提示詞編寫

GPT-5.2 非常擅長編寫提示詞，這對于充分利用 AI 模型和構建集成 LLM 的軟件都很有幫助。它寫的提示詞考慮周到，并且能預見到作者未曾考慮的邊緣情況。在這方面，它與 Claude Opus 4.5 不相上下，并且明顯優于 Gemini 3 Pro。

Codex CLI 實測

在 Codex CLI 中，作者對 GPT-5.2 進行了廣泛測試，結果是越用越印象深刻。這是他所見過的在命令行中最接近 Pro 級模型的體驗。它一次性做對的頻率遠超其他工具。美中不足的是，他只能使用“超高推理模式”，這個模式有時會花費漫長的時間，甚至比 Pro 還慢。

其自主性比以前的模型有明顯提升。但真正的區別在于它收集上下文的方式。Claude Opus 4.5 傾向于在完全理解問題前就開始寫代碼，它會做出假設，然后碰壁。

而 GPT-5.2 不會這樣。它會先提問、讀取文件、探索代碼庫。先收集上下文，再編寫代碼。

這改善了作者的工作流。他檢查模型工作的次數越來越少。除非任務至關重要（例如生產代碼），他常常讓它直接運行而不審查每一處更改。

一些小怪癖

作者也遇到了一些 Pro 模式的奇怪行為。它似乎會卡在相互沖突的指令之間，在猶豫幾分鐘后，把一個簡單的任務退回給用戶。偶爾，它會思考很長時間，然后仍然失敗，這非常浪費時間。據稱 OpenAI 已經知曉并正在調查。

使用場景總結

經過兩周測試，作者給出了他的實用分工：

1. 1. 快速提問和日常任務 ： Claude Opus 4.5 仍是首選。它快、準，不浪費時間。

2. 2. 深度研究、復雜推理 ： GPT-5.2 Pro 是目前最好的選擇。在這種場景下，正確性比速度更重要。

3. 3. 前端樣式和UI美學 ： Gemini 3 Pro 目前能生成最好看的結果，但需要準備好自己做一些工程清理工作。

4. 4. 在 Codex CLI 中進行嚴肅的編碼工作 ： GPT-5.2 是首選，其上下文收集行為和可靠性使其成為智能體編碼任務的默認選項。

GPT-5.2 是一次真正的改進。指令遵循能力明顯提高，Pro 模式的智能和可靠性令人印象深刻。對于需要審慎推理的復雜任務，這是作者用過的最好的模型。

然而，標準 Thinking 模型的速度問題使他日常很少使用。他最終的用法是：快速任務用 Opus 4.5，深度工作用 Pro。

但對于那些 GPT-5.2 擅長的任務，它的表現確實非常亮眼

source：

https://shumer.dev/gpt52review

--end--

最后記得??我，每天都在更新：歡迎點贊轉發推薦評論，別忘了關注我