剛剛，GPT-5.2滿分屠榜，OpenAI十周年王者歸來(lái)

機(jī)器之心報(bào)道

機(jī)器之心編輯部

谷歌的領(lǐng)先優(yōu)勢(shì)，只保持了不到一個(gè)月。

今天是 OpenAI 的十周年紀(jì)念日，十周年之際，來(lái)點(diǎn)大的。

在「紅色警報(bào)」后，OpenAI 在北京時(shí)間本周五拿出了最新的頂級(jí)模型 GPT-5.2 系列 —— 迄今為止在專業(yè)知識(shí)工作上最強(qiáng)大的模型系列。

簡(jiǎn)而言之，OpenAI 本次推出：

GPT-5.2 Instant，為日常工作與學(xué)習(xí)而打造：

• 與 GPT-5.1 一樣溫暖、對(duì)話自然
• 更清晰的講解，把關(guān)鍵信息提前呈現(xiàn)
• 改進(jìn)的操作指南與分步驟講解
• 更強(qiáng)的技術(shù)寫(xiě)作與翻譯能力
• 更好地支持學(xué)習(xí)與職業(yè)規(guī)劃

GPT-5.2 Thinking，為專業(yè)級(jí)工作全面提升標(biāo)準(zhǔn)：

• 業(yè)界最先進(jìn)的長(zhǎng)上下文推理能力
• 在電子表格的生成、分析與排版方面取得重大提升
• 在演示文稿制作方面已有初步突破

GPT-5.2 Pro，在面對(duì)困難問(wèn)題時(shí)最聰明、最值得信賴的模型：

• 在編程等復(fù)雜領(lǐng)域表現(xiàn)更強(qiáng)
• 最適合幫助并加速科學(xué)研究的模型

GPT-5.2 的設(shè)計(jì)目標(biāo)，就是為人們創(chuàng)造更多經(jīng)濟(jì)價(jià)值：它在制作電子表格、構(gòu)建演示文稿、編寫(xiě)代碼、理解圖像、處理超長(zhǎng)上下文、使用工具，以及執(zhí)行復(fù)雜的多步驟項(xiàng)目方面都有顯著提升。

真正的生產(chǎn)力不是空口無(wú)憑，讓我們來(lái)看看數(shù)據(jù)，GPT-5.2 到底有多強(qiáng)。

在如圖所示的眾多基準(zhǔn)測(cè)試中，GPT-5.2 均刷新了最新的 SOTA 水平。

你可以注意到，AIME 2025（數(shù)學(xué)）的分?jǐn)?shù)是 100%，之前 Gemini 3 Pro 的分?jǐn)?shù)是 95%；ARC-AGI-2（抽象推理）的分?jǐn)?shù)是 52.9%，對(duì)比 Gemini 3 Pro 是 31.1 %；此外 SWE-bench pro（編碼）的分?jǐn)?shù)是 55.6%，對(duì)比 Gemini 3 Pro 是 43.3 %。

GPT-5.2 在 GDPval（知識(shí)工作）基準(zhǔn)上的分?jǐn)?shù)為 74.1%，OpenAI 聲稱這是 AI 模型首次達(dá)到了「人類專家水平」。

總體來(lái)看，GPT-5.2 在通用智能、長(zhǎng)上下文理解、自主式工具調(diào)用以及視覺(jué)能力方面均帶來(lái)了顯著提升，使其比以往任何模型都更擅長(zhǎng)端到端地完成復(fù)雜的真實(shí)世界任務(wù)。

山姆?奧特曼表示，GPT-5.2 是 OpenAI 很長(zhǎng)一段時(shí)間以來(lái)最大的一次升級(jí)。

真正的生產(chǎn)力

GPT-5.2 Thinking 是迄今為止最適合真實(shí)世界專業(yè)場(chǎng)景的模型。在 GDPval—— 一個(gè)覆蓋 44 個(gè)職業(yè)、針對(duì)明確知識(shí)工作任務(wù)的評(píng)估體系中，GPT-5.2 Thinking 刷新了 SOTA 成績(jī)，并成為 OpenAI 首個(gè)整體表現(xiàn)達(dá)到或超過(guò)人類專家水平的模型。

根據(jù)專業(yè)評(píng)審的判斷，在 GDPval 的知識(shí)工作任務(wù)對(duì)比中，GPT-5.2 Thinking 在 70.9% 的對(duì)比中擊敗或與頂尖行業(yè)專家持平。這些任務(wù)包括制作演示文稿、電子表格以及其他專業(yè)產(chǎn)出物。

在執(zhí)行 GDPval 任務(wù)時(shí)，GPT-5.2 Thinking 生成輸出的速度超過(guò)專家 11 倍以上，成本卻低于 1%。這表明，在配合人工監(jiān)督時(shí)，GPT-5.2 能顯著輔助專業(yè)工作。

速度和成本估算基于歷史數(shù)據(jù)；ChatGPT 中的實(shí)際速度可能有所差異。

在 GDPval 中，模型需要完成覆蓋美國(guó) GDP 貢獻(xiàn)度最高的 9 大行業(yè)中 44 個(gè)職業(yè)的、明確規(guī)定的知識(shí)工作任務(wù)。這些任務(wù)要求生成真實(shí)的工作產(chǎn)出，例如：銷售演示文稿、會(huì)計(jì)報(bào)表 / 電子表格、急診排班表、制造流程圖，甚至是短視頻等。在 ChatGPT 中，GPT-5.2 Thinking 配備了 GPT-5 Thinking 所不具備的新工具。

在評(píng)審一份表現(xiàn)尤其出色的輸出時(shí)，一位 GDPval 評(píng)委評(píng)論道：

「這是一次令人興奮且明顯的質(zhì)量飛躍……[它] 看起來(lái)就像是由一家專業(yè)公司團(tuán)隊(duì)完成的，兩個(gè)交付物的版式設(shè)計(jì)和建議都出乎意料地優(yōu)秀，不過(guò)其中一個(gè)仍有一些小錯(cuò)誤需要修正。」

此外，在 OpenAI 內(nèi)部用于測(cè)試初級(jí)投行分析師能力的電子表格建模基準(zhǔn)中（例如：為一家財(cái)富 500 強(qiáng)企業(yè)構(gòu)建包含三張財(cái)務(wù)報(bào)表的模型，并具備正確格式和引用；或?yàn)樗接谢灰讟?gòu)建杠桿收購(gòu)模型），GPT-5.2 Thinking 的任務(wù)平均得分比 GPT-5.1 提升了 9.3%，從 59.1% 上升到 68.4%。

對(duì)比顯示，GPT-5.2 Thinking 在生成電子表格與演示文稿時(shí)，在專業(yè)度與排版質(zhì)量上都有顯著提升：

Prompt: Create a workforce planning model: headcount, hiring plan, attrition, and budget impact. Include engineering, marketing, legal, and sales departments.

5.1 錯(cuò)誤地計(jì)算了種子輪、A 輪和 B 輪的清算優(yōu)先權(quán)，并且將這些行的大部分留空，導(dǎo)致最終的股權(quán)分配計(jì)算結(jié)果不正確。它還在表頭行中錯(cuò)誤地插入了公式。5.2 則完整且準(zhǔn)確地完成了所有計(jì)算，并以可審計(jì)的方式呈現(xiàn)結(jié)果。

要在 ChatGPT 中使用新的電子表格和演示文稿生成功能，您需要使用 Plus、Pro、Business 或 Enterprise 方案，并選擇 GPT-5.2 Thinking 或 GPT-5.2 Pro。復(fù)雜內(nèi)容的生成可能需要數(shù)分鐘時(shí)間。

新的編碼高峰

GPT-5.2 Thinking 在 SWE-Bench Pro 上取得 55.6% 的最新 SOTA 成績(jī)。

SWE-Bench Pro 是一個(gè)嚴(yán)格評(píng)估真實(shí)世界軟件工程能力的基準(zhǔn)。與只測(cè)試 Python 的 SWE-bench Verified 不同，SWE-Bench Pro 涵蓋四種編程語(yǔ)言，并設(shè)計(jì)得更具抗污染性、挑戰(zhàn)性、多樣性和工業(yè)相關(guān)性。

在 SWE-Bench Pro 中，模型會(huì)獲得一個(gè)代碼倉(cāng)庫(kù)，并必須生成補(bǔ)丁（patch）來(lái)解決一個(gè)真實(shí)的軟件工程任務(wù)。

在 SWE-bench Verified 上，GPT-5.2 Thinking 取得了 80% 的新的最高分。

對(duì)于日常專業(yè)使用來(lái)說(shuō)，這意味著模型在以下方面更加可靠：調(diào)試生產(chǎn)環(huán)境代碼、實(shí)現(xiàn)功能請(qǐng)求、重構(gòu)大型代碼庫(kù)，以及以更少人工干預(yù)的方式完成端到端修復(fù)。

GPT-5.2 Thinking 在前端工程能力上也優(yōu)于 GPT-5.1 Thinking。早期測(cè)試者發(fā)現(xiàn)，它在前端開(kāi)發(fā)以及復(fù)雜或非常規(guī)的 UI 設(shè)計(jì)（尤其是包含 3D 元素 的界面）方面的能力顯著增強(qiáng)，使其成為全棧工程師的強(qiáng)大日常助手。

以下是它根據(jù)單條提示詞即可生成的部分示例：

新的幻覺(jué)低谷

GPT-5.2 Thinking 的幻覺(jué)率顯著低于 GPT-5.1 Thinking。

在一組來(lái)自 ChatGPT 的去標(biāo)識(shí)化真實(shí)用戶查詢上，含錯(cuò)誤的回答相對(duì)減少了 30%

對(duì)于專業(yè)用戶而言，這意味著在進(jìn)行研究、寫(xiě)作、分析和決策支持時(shí)，模型犯錯(cuò)更少，從而讓日常知識(shí)工作更加可靠穩(wěn)健。

推理力度被設(shè)置為可用的最高級(jí)別，并啟用了搜索工具。錯(cuò)誤由其他模型檢測(cè)，而這些模型本身也可能會(huì)出錯(cuò)。在主張級(jí)別（claim-level）的錯(cuò)誤率遠(yuǎn)低于回答級(jí)別（response-level）的錯(cuò)誤率，因?yàn)榇蠖鄶?shù)回答都包含多個(gè)獨(dú)立主張。

擺脫上下文限制

GPT-5.2 Thinking 在長(zhǎng)上下文推理方面達(dá)到了新的業(yè)界最先進(jìn)水平，在 OpenAI MRCRv2 上取得領(lǐng)先表現(xiàn) —— 這是一個(gè)用于測(cè)試模型整合長(zhǎng)文檔中分散信息能力的評(píng)估基準(zhǔn)。在真實(shí)世界任務(wù)（如深度文檔分析）中，當(dāng)相關(guān)信息分布在數(shù)十萬(wàn) token 中時(shí)，GPT-5.2 Thinking 的準(zhǔn)確性顯著優(yōu)于 GPT-5.1 Thinking。

特別值得注意的是，GPT-5.2 Thinking 是 OpenAI 首個(gè)在 4-needle MRCR 變體（長(zhǎng)度可達(dá) 256k tokens）上達(dá)到接近 100% 準(zhǔn)確率的模型。

從實(shí)際應(yīng)用來(lái)看，這意味著專業(yè)人士可以使用 GPT-5.2 來(lái)處理超長(zhǎng)文檔 —— 例如報(bào)告、合同、科研論文、訪談?dòng)涗浺约岸辔募?xiàng)目 —— 同時(shí)在數(shù)十萬(wàn) token 的跨段信息中保持連貫性和準(zhǔn)確性。這讓 GPT-5.2 尤其適合深度分析、綜合推理以及復(fù)雜的多來(lái)源工作流。

在 OpenAI-MRCR v2（多輪共指消解）評(píng)測(cè)中，會(huì)將多個(gè)相同的「針」（needle）式用戶請(qǐng)求插入到由大量類似請(qǐng)求與回復(fù)構(gòu)成的長(zhǎng)「草堆」（haystacks）中，然后要求模型復(fù)現(xiàn)第 n 個(gè)針對(duì)應(yīng)的回答。Mean match ratio（平均匹配率） 用于衡量模型回答與正確答案之間的平均字符串匹配程度。圖中 256k 最大輸入 token 的點(diǎn)代表對(duì) 128k–256k token 輸入范圍的平均表現(xiàn)，以此類推。其中 256k 表示 256 × 1,024 = 262,144 token。推理力度被設(shè)置為可用的最高級(jí)別。

對(duì)于那些需要在最大上下文窗口之外繼續(xù)推理的任務(wù)，GPT-5.2 Thinking 兼容我們新的 Responses /compact 端點(diǎn)，它能夠擴(kuò)展模型的有效上下文窗口。

這使得 GPT-5.2 Thinking 可以處理更多依賴工具、運(yùn)行時(shí)間較長(zhǎng)的工作流，而不會(huì)受到上下文長(zhǎng)度的限制。

精細(xì)的視覺(jué)理解

OpenAI 表示：「GPT-5.2 Thinking 是我們要目前最強(qiáng)的視覺(jué)模型，在圖表推理和軟件界面理解方面的錯(cuò)誤率幾乎降低了一半。」

對(duì)于日常的專業(yè)應(yīng)用而言，這意味著該模型能夠更準(zhǔn)確地解讀儀表盤(pán)、產(chǎn)品截屏、技術(shù)圖表和視覺(jué)報(bào)告，從而為金融、運(yùn)營(yíng)、工程、設(shè)計(jì)以及客戶支持等以視覺(jué)信息為核心的工作流提供強(qiáng)力支持。

在 CharXiv Reasoning 中，模型需要回答關(guān)于科學(xué)論文中視覺(jué)圖表的問(wèn)題。測(cè)試中啟用了 Python 工具，并將推理強(qiáng)度（reasoning effort）設(shè)為最大。

在 ScreenSpot-Pro 中，模型必須對(duì)來(lái)自各種專業(yè)環(huán)境的高分辨率圖形用戶界面（GUI）截圖進(jìn)行推理。測(cè)試中啟用了 Python 工具，并將推理強(qiáng)度設(shè)為最大。如果不使用 Python 工具，得分會(huì)低得多。OpenAI 建議在此類視覺(jué)任務(wù)上啟用 Python 工具。

與之前的模型相比，GPT-5.2 Thinking 對(duì)圖像中各元素的位置關(guān)系理解得更加透徹，這對(duì)于「相對(duì)布局」在解決問(wèn)題中起關(guān)鍵作用的任務(wù)尤為重要。

在下方的示例中，OpenAI 要求模型識(shí)別輸入圖像（本例中為主板）中的組件，并返回帶有大致邊界框的標(biāo)簽。即使在低質(zhì)量圖像上，GPT-5.2 也能識(shí)別出主要區(qū)域，并放置有時(shí)能與每個(gè)組件真實(shí)位置相匹配的框；而 GPT-5.1 僅標(biāo)記了少數(shù)幾個(gè)部分，且對(duì)其空間排列的理解要弱得多。

很明顯，兩個(gè)模型都存在錯(cuò)誤，但 GPT-5.2 展示出了對(duì)圖像更好的理解力。

可靠的工具調(diào)用

GPT-5.2 Thinking 在 Tau2-bench Telecom 上取得了 98.7% 的新 SOTA 成績(jī)，展示了其在長(zhǎng)鏈路、多輪任務(wù)中可靠使用工具的能力。

對(duì)于延遲敏感的用例，GPT-5.2 Thinking 在 reasoning.effort='none'（不進(jìn)行額外推理思考）模式下的表現(xiàn)也要好得多，大幅優(yōu)于 GPT-5.1 和 GPT-4.1。

在 τ2-bench 中，模型需要使用工具與模擬用戶進(jìn)行多輪交互，以完成客戶支持任務(wù)。對(duì)于電信領(lǐng)域，OpenAI 在系統(tǒng)提示詞中包含了一條簡(jiǎn)短且通用的指導(dǎo)說(shuō)明以提升性能。由于航空子集的基準(zhǔn)真實(shí)標(biāo)簽評(píng)分質(zhì)量較低，OpenAI 將其排除在外。

對(duì)于專業(yè)人士來(lái)說(shuō)，這可以轉(zhuǎn)化為更強(qiáng)大的端到端工作流 —— 例如解決客戶支持案例、從多個(gè)系統(tǒng)提取數(shù)據(jù)、運(yùn)行分析以及生成最終輸出，且步驟之間的斷裂或阻滯更少。

例如，當(dāng)詢問(wèn)一個(gè)需要多步解決的復(fù)雜客服問(wèn)題時(shí)，模型可以更有效地協(xié)調(diào)跨多個(gè)智能體的完整工作流。

在下面的案例中，一位旅客報(bào)告了航班延誤、錯(cuò)過(guò)了轉(zhuǎn)機(jī)、需要在紐約過(guò)夜以及醫(yī)療座位需求。GPT-5.2 管理了整個(gè)任務(wù)鏈（重新預(yù)訂、特殊協(xié)助座位和賠償），提供了比 GPT-5.1 更完整的結(jié)果。

「我從巴黎到紐約的航班延誤了，導(dǎo)致我錯(cuò)過(guò)了去奧斯汀的轉(zhuǎn)機(jī)。我的托運(yùn)行李也不見(jiàn)了，我需要在紐約過(guò)夜。此外，因?yàn)獒t(yī)療原因我還需要一個(gè)特殊的前排座位。你能幫我嗎？」

探索科學(xué)與數(shù)學(xué)邊界

OpenAI 表示其對(duì) AI 的愿景之一，是希望它能加速科學(xué)研究，造福每一個(gè)人。為此，OpenAI 一直與科學(xué)家合作并傾聽(tīng)他們的意見(jiàn)，探索 AI 如何能加速他們的工作。

上個(gè)月，OpenAI 在論文《Early experiments in accelerating science with GPT-5》中分享了一些早期的合作實(shí)驗(yàn)。

OpenAI 表示：「我們相信 GPT-5.2 Pro 和 GPT-5.2 Thinking 是目前世界上輔助和加速科學(xué)家工作的最佳模型。」

在 GPQA Diamond（一個(gè)研究生級(jí)別的「防谷歌搜索」問(wèn)答基準(zhǔn)測(cè)試）上，GPT-5.2 Pro 達(dá)到了 93.2%，GPT-5.2 Thinking 緊隨其后，達(dá)到了 92.4%。

在 GPQA Diamond 中，模型需要回答關(guān)于物理、化學(xué)和生物的多項(xiàng)選擇題。測(cè)試中未啟用工具，并將推理強(qiáng)度設(shè)為最大。

在 FrontierMath (Tier 1–3) 這一專家級(jí)數(shù)學(xué)評(píng)估中，GPT-5.2 Thinking 創(chuàng)下了新的 SOTA，解決了 40.3% 的問(wèn)題。

在 FrontierMath 中，模型解決專家級(jí)數(shù)學(xué)問(wèn)題。測(cè)試中啟用了 Python 工具，并將推理強(qiáng)度設(shè)為最大。

OpenAI 表示：「我們開(kāi)始看到 AI 模型以切實(shí)可見(jiàn)的方式有意義地加速數(shù)學(xué)和科學(xué)的進(jìn)步。例如，在最近使用 GPT-5.2 Pro 的一項(xiàng)工作中，研究人員探索了統(tǒng)計(jì)學(xué)習(xí)理論中的一個(gè)開(kāi)放性問(wèn)題。在一個(gè)狹窄且定義明確的設(shè)定中，模型提出了一個(gè)證明，隨后該證明被作者驗(yàn)證并由外部專家審查，這生動(dòng)地說(shuō)明了前沿模型如何在密切的人類監(jiān)督下輔助數(shù)學(xué)研究。」

通用推理 ARC-AGI 2

在 ARC-AGI-1 (Verified)（一個(gè)旨在衡量通用推理能力的基準(zhǔn)測(cè)試）上，GPT-5.2 Pro 是首個(gè)突破 90% 門(mén)檻的模型。相比去年 o3-preview 達(dá)到的 87%，它不僅實(shí)現(xiàn)了性能提升，還將達(dá)成該性能的成本降低了約 390 倍。

在 ARC-AGI-2 (Verified) 上（該測(cè)試提高了難度并更好地隔離了流體推理能力（fluid reasoning）），GPT-5.2 Thinking 取得了思維鏈模型的新 SOTA，得分為 52.9%。GPT-5.2 Pro 的表現(xiàn)甚至更高，達(dá)到了 54.2%，進(jìn)一步擴(kuò)展了模型對(duì)新穎、抽象問(wèn)題進(jìn)行推理的能力。

在這些評(píng)估中的提升，反映了 GPT-5.2 更強(qiáng)的多步推理能力、更高的定量準(zhǔn)確性，以及在處理復(fù)雜技術(shù)任務(wù)時(shí)更可靠的問(wèn)題解決能力。

在 ChatGPT 中使用 GPT-5.2

OpenAI 表示：「在 ChatGPT 中，用戶應(yīng)該會(huì)注意到 GPT-5.2 的日常使用體驗(yàn)更佳 —— 它更有條理、更可靠，且對(duì)話體驗(yàn)依然令人愉悅。」

該公司給 GPT-5.2 Instant 的定位是日常工作和學(xué)習(xí)的快速、強(qiáng)力助手。它延續(xù)了 GPT-5.1 Instant 引入的更溫暖的對(duì)話基調(diào)，并在信息搜尋、實(shí)操指南與分步教程、技術(shù)寫(xiě)作以及翻譯方面有明顯改進(jìn)。早期測(cè)試者特別指出，其解釋更加清晰，能夠?qū)㈥P(guān)鍵信息前置。

GPT-5.2 Thinking 專為深度工作設(shè)計(jì)，幫助用戶以更高的完成度處理更復(fù)雜的任務(wù) —— 特別是在代碼編寫(xiě)、長(zhǎng)文檔總結(jié)、基于上傳文件的問(wèn)答、逐步處理數(shù)學(xué)和邏輯問(wèn)題，以及通過(guò)更清晰的結(jié)構(gòu)和更實(shí)用的細(xì)節(jié)支持規(guī)劃與決策方面。

GPT-5.2 Pro 是 OpenAI 處理難題時(shí)最聰明、最值得信賴的選擇。對(duì)于那些值得等待的高質(zhì)量回答，它表現(xiàn)最佳。早期測(cè)試顯示，其在編程等復(fù)雜領(lǐng)域的重大錯(cuò)誤更少，表現(xiàn)更強(qiáng)。

安全

GPT-5.2 基于 OpenAI 在 GPT-5 中引入的「安全完成」研究，該研究旨在教會(huì) AI 模型在確保安全的前提下，給出最有幫助的答案。

據(jù)說(shuō)在此版本中，研究人員繼續(xù)致力于增強(qiáng)模型在敏感對(duì)話中的響應(yīng)能力，顯著改進(jìn)了模型對(duì)提示自殺或自殘跡象、心理健康困擾或?qū)δＰ偷那楦幸蕾嚨葐?wèn)題的響應(yīng)。與 GPT-5.1 和 GPT-5 Instant 及 Thinking 模型相比，這些針對(duì)性的干預(yù)措施顯著減少了 GPT-5.2 Instant 和 GPT-5.2 Thinking 模型的不良響應(yīng)。

OpenAI 提到，GPT-5.2 能夠自動(dòng)為 18 歲以下用戶應(yīng)用內(nèi)容保護(hù)，從而限制他們?cè)L問(wèn)敏感內(nèi)容。

定價(jià)

ChatGPT 將于今日開(kāi)始逐步推出 GPT-5.2（包括 Instant、Thinking 和 Pro 版本），首先面向付費(fèi)用戶（Plus、Pro、Go、Business 和 Enterprise 版本）提供。為確保 ChatGPT 的流暢性和穩(wěn)定性，GPT-5.2 將分階段部署，可能有人第一時(shí)間無(wú)法看到。在 ChatGPT 中，付費(fèi)用戶仍可在三個(gè)月內(nèi)繼續(xù)使用 GPT-5.1（舊版模式），之后 GPT-5.1 將逐步下線。

在 API 平臺(tái)上，GPT-5.2 Thinking 以 gpt-5.2 的名義提供，GPT-5.2 Instant 則以 gpt-5.2-chat-latest 的名稱提供。GPT-5.2 Pro 以 gpt-5.2-pro 的名稱提供。開(kāi)發(fā)者現(xiàn)在可以在 GPT-5.2 Pro 中設(shè)置推理參數(shù)，并且 GPT-5.2 Pro 和 GPT-5.2 Thinking 均支持新的第五級(jí)推理難度 xhigh，適用于對(duì)質(zhì)量要求極高的任務(wù)。

以下是百萬(wàn) token 的價(jià)格，OpenAI 稱，盡管 GPT-5.2 的單個(gè) token 成本更高，但由于其更高的 token 效率，達(dá)到特定質(zhì)量水平的總成本反而更低。

ChatGPT 的訂閱價(jià)格保持不變。

OpenAI 表示，目前沒(méi)有計(jì)劃在 API 中棄用 GPT-5.1、GPT-5 或 GPT-4.1。雖然 GPT-5.2 在 Codex 中開(kāi)箱即用，但 OpenAI 還預(yù)計(jì)將在未來(lái)幾周內(nèi)發(fā)布一個(gè)針對(duì) Codex 優(yōu)化的 GPT-5.2 版本。

GPT-5.2 是 OpenAI 與長(zhǎng)期合作伙伴英偉達(dá)和 Microsoft 合作開(kāi)發(fā)的。Azure 數(shù)據(jù)中心和英偉達(dá) GPU（包括 H100、H200 和 GB200-NVL72）為 OpenAI 的大規(guī)模訓(xùn)練基礎(chǔ)設(shè)施提供了支撐。

OpenAI 十周年

今天是 OpenAI 十歲生日，發(fā)布新模型的同時(shí)，創(chuàng)始人、CEO 山姆?奧特曼撰文說(shuō)道：

OpenAI 取得的成就遠(yuǎn)超我的想象；我們當(dāng)初的目標(biāo)是做一些瘋狂的、幾乎不可能的、前所未有的事情。從充滿不確定性的開(kāi)端，克服重重困難，憑借持續(xù)不斷的努力，我們現(xiàn)在看來(lái)很有可能實(shí)現(xiàn)我們的使命。

十年前的今天，我們向世界宣布了我們的計(jì)劃，盡管我們當(dāng)時(shí)并沒(méi)有正式啟動(dòng)。又過(guò)了幾個(gè)星期，直到 2016 年 1 月初（才正式開(kāi)始）。

從某種意義上說(shuō)，十年是一段很長(zhǎng)的時(shí)間，但就社會(huì)變革通常所需的時(shí)間而言，十年其實(shí)并不算長(zhǎng)。雖然日常生活與十年前并沒(méi)有太大的不同，但我們今天所面臨的可能性空間，與我們當(dāng)年十五個(gè)書(shū)呆子圍坐在一起，苦思冥想如何取得進(jìn)步時(shí)所感受到的截然不同。

回看早期的照片，我首先注意到的是大家看起來(lái)都好年輕。但隨后，我又注意到大家那種異乎尋常的樂(lè)觀和快樂(lè)。那是一段瘋狂而又充滿樂(lè)趣的時(shí)光：盡管我們不被人理解，但我們卻有著堅(jiān)定的信念，覺(jué)得這件事意義非凡，即使成功的機(jī)會(huì)渺茫也值得全力以赴；我們擁有才華橫溢的人，以及清晰的目標(biāo)。

隨著我們?nèi)〉靡恍┏晒Γㄒ约霸S多失敗），我們逐漸對(duì)現(xiàn)狀有了更清晰的認(rèn)識(shí)。那時(shí)，要確定具體應(yīng)該做什么并不容易，但我們建立了一種鼓勵(lì)探索的卓越文化。深度學(xué)習(xí)無(wú)疑是一項(xiàng)偉大的技術(shù)，但如果沒(méi)有在現(xiàn)實(shí)世界中積累應(yīng)用經(jīng)驗(yàn)就貿(mào)然開(kāi)發(fā)，似乎不太合適。我在此略過(guò)我們所做的一切（希望將來(lái)有人能寫(xiě)成一部歷史著作），但我們始終秉持著一種積極進(jìn)取的精神，不斷探索眼前的下一個(gè)挑戰(zhàn)：研究的下一步方向是什么？如何籌集資金購(gòu)買(mǎi)更強(qiáng)大的計(jì)算機(jī)？等等。我們率先開(kāi)展了使人工智能安全可靠且切實(shí)可行的技術(shù)工作，這種精神一直延續(xù)至今。

2017 年，我們?nèi)〉昧艘恍┑旎缘某晒篋ota 1v1 的實(shí)驗(yàn)結(jié)果，將強(qiáng)化學(xué)習(xí)推向了新的規(guī)模；無(wú)監(jiān)督情感神經(jīng)元實(shí)驗(yàn)，證明語(yǔ)言模型能夠清晰地學(xué)習(xí)語(yǔ)義，而不僅僅是語(yǔ)法；基于人類偏好的強(qiáng)化學(xué)習(xí)成果，展示了將人工智能與人類價(jià)值觀相契合的初步途徑。當(dāng)時(shí)，創(chuàng)新遠(yuǎn)未結(jié)束，但我們深知，需要借助強(qiáng)大的計(jì)算能力來(lái)擴(kuò)展這些成果。

我們堅(jiān)持不懈，不斷改進(jìn)技術(shù)，并在三年前推出了 ChatGPT。世界為之矚目，而 GPT-4 的發(fā)布更是引起了廣泛關(guān)注；突然之間，通用人工智能（AGI）不再是天方夜譚。過(guò)去的三年極其緊張，壓力巨大，責(zé)任重大；這項(xiàng)技術(shù)以前所未有的規(guī)模和速度融入了世界。這需要極其高超的執(zhí)行力，我們必須迅速培養(yǎng)新的能力來(lái)應(yīng)對(duì)。在如此短的時(shí)間內(nèi)從零發(fā)展成為一家龐大的公司絕非易事，我們每周都要做出數(shù)百個(gè)決策。我為團(tuán)隊(duì)做出的眾多正確決策感到自豪，而那些錯(cuò)誤決策大多是我的責(zé)任。

我們不得不做出一些新的決策；例如，在思考如何讓 AI 最大限度地造福世界時(shí)，我們制定了一項(xiàng)迭代部署策略，將早期版本的技術(shù)成功推向市場(chǎng)，讓人們形成認(rèn)知，社會(huì)與技術(shù)共同演進(jìn)。這在當(dāng)時(shí)頗具爭(zhēng)議，但我認(rèn)為這是我們做出的最明智的決策之一，如今已成為行業(yè)標(biāo)準(zhǔn)。

OpenAI 成立十年以來(lái)，我們擁有的 AI 能夠在最艱難的智力競(jìng)賽中勝過(guò)我們大多數(shù)最聰明的人。

世界已經(jīng)利用這項(xiàng)技術(shù)創(chuàng)造了非凡的成就，我們期待明年還能看到更多非凡的成果。迄今為止，世界在減輕潛在的負(fù)面影響方面也做得不錯(cuò)，我們需要繼續(xù)努力，保持這種勢(shì)頭。

我從未像現(xiàn)在這樣對(duì)我們的研發(fā)和產(chǎn)品路線圖，以及實(shí)現(xiàn)我們使命的整體方向感到如此樂(lè)觀。我相信，再過(guò)十年，我們幾乎肯定能夠打造出超級(jí)智能。我預(yù)感未來(lái)會(huì)有些奇特；在某種程度上，日常生活和我們最關(guān)心的事情幾乎不會(huì)發(fā)生太大變化，而且我相信，我們會(huì)繼續(xù)更加關(guān)注其他人所做的事情，而不是機(jī)器所做的事情。但在另一方面，2035 年的人們將能夠做到我們現(xiàn)在難以想象的事情。

衷心感謝那些信任我們并使用我們的產(chǎn)品創(chuàng)造佳績(jī)的個(gè)人和公司。如果沒(méi)有他們的支持，我們或許還只是實(shí)驗(yàn)室里的一項(xiàng)技術(shù)；我們的用戶和客戶在很多情況下都對(duì)我們寄予了過(guò)高的期望，沒(méi)有他們的支持，我們的工作不可能達(dá)到今天的成就。

我們的使命是確保 AGI 造福全人類。面前還有很多工作要做，但我為團(tuán)隊(duì)目前的發(fā)展方向感到非常自豪。我們已經(jīng)看到人們利用這項(xiàng)技術(shù)所取得的巨大成果，而且我們知道，未來(lái)幾年還將有更多成果涌現(xiàn)。

參考內(nèi)容：

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

https://openai.com/index/ten-years/

GPT 5.2 System Card：

https://cdn.openai.com/pdf/3a4153c8-c748-4b71-8e31-aecbde944f8d/oai_5_2_system-card.pdf