賓館網(wǎng)站制作,網(wǎng)頁設計太難了,怎么做網(wǎng)站上做電子書,邢臺企業(yè)做網(wǎng)站報價轉(zhuǎn)自#xff1a;機器之心谷歌的領先優(yōu)勢#xff0c;只保持了不到一個月。今天是 OpenAI 的十周年紀念日#xff0c;十周年之際#xff0c;來點大的。在「紅色警報」后#xff0c;OpenAI 在北京時間本周五拿出了最新的頂級模型 GPT-5.2 系列 —— 迄今為止在專業(yè)知識工作上…轉(zhuǎn)自機器之心谷歌的領先優(yōu)勢只保持了不到一個月。今天是 OpenAI 的十周年紀念日十周年之際來點大的。在「紅色警報」后OpenAI 在北京時間本周五拿出了最新的頂級模型 GPT-5.2 系列 —— 迄今為止在專業(yè)知識工作上最強大的模型系列。簡而言之OpenAI 本次推出GPT-5.2 Instant為日常工作與學習而打造與 GPT-5.1 一樣溫暖、對話自然更清晰的講解把關鍵信息提前呈現(xiàn)改進的操作指南與分步驟講解更強的技術寫作與翻譯能力更好地支持學習與職業(yè)規(guī)劃GPT-5.2 Thinking為專業(yè)級工作全面提升標準業(yè)界最先進的長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在面對困難問題時最聰明、最值得信賴的模型在編程等復雜領域表現(xiàn)更強最適合幫助并加速科學研究的模型GPT-5.2 的設計目標就是為人們創(chuàng)造更多經(jīng)濟價值它在制作電子表格、構建演示文稿、編寫代碼、理解圖像、處理超長上下文、使用工具以及執(zhí)行復雜的多步驟項目方面都有顯著提升。真正的生產(chǎn)力不是空口無憑讓我們來看看數(shù)據(jù)GPT-5.2 到底有多強。在如圖所示的眾多基準測試中GPT-5.2 均刷新了最新的 SOTA 水平。你可以注意到AIME 2025數(shù)學的分數(shù)是 100%之前 Gemini 3 Pro 的分數(shù)是 95%ARC-AGI-2抽象推理的分數(shù)是 52.9%對比 Gemini 3 Pro 是 31.1 %此外 SWE-bench pro編碼的分數(shù)是 55.6%對比 Gemini 3 Pro 是 43.3 %。GPT-5.2 在 GDPval知識工作基準上的分數(shù)為 74.1%OpenAI 聲稱這是 AI 模型首次達到了「人類專家水平」?？傮w來看GPT-5.2 在通用智能、長上下文理解、自主式工具調(diào)用以及視覺能力方面均帶來了顯著提升使其比以往任何模型都更擅長端到端地完成復雜的真實世界任務。山姆?奧特曼表示GPT-5.2 是 OpenAI 很長一段時間以來最大的一次升級。真正的生產(chǎn)力GPT-5.2 Thinking 是迄今為止最適合真實世界專業(yè)場景的模型。在 GDPval—— 一個覆蓋 44 個職業(yè)、針對明確知識工作任務的評估體系中GPT-5.2 Thinking 刷新了 SOTA 成績并成為 OpenAI 首個整體表現(xiàn)達到或超過人類專家水平的模型。根據(jù)專業(yè)評審的判斷在 GDPval 的知識工作任務對比中GPT-5.2 Thinking 在 70.9% 的對比中擊敗或與頂尖行業(yè)專家持平。這些任務包括制作演示文稿、電子表格以及其他專業(yè)產(chǎn)出物。在執(zhí)行 GDPval 任務時GPT-5.2 Thinking 生成輸出的速度超過專家 11 倍以上成本卻低于 1%。這表明在配合人工監(jiān)督時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 中的實際速度可能有所差異。在 GDPval 中模型需要完成覆蓋美國 GDP 貢獻度最高的 9 大行業(yè)中 44 個職業(yè)的、明確規(guī)定的知識工作任務。這些任務要求生成真實的工作產(chǎn)出例如銷售演示文稿、會計報表 / 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。在評審一份表現(xiàn)尤其出色的輸出時一位 GDPval 評委評論道「這是一次令人興奮且明顯的質(zhì)量飛躍……[它] 看起來就像是由一家專業(yè)公司團隊完成的兩個交付物的版式設計和建議都出乎意料地優(yōu)秀不過其中一個仍有一些小錯誤需要修正?！勾送庠?OpenAI 內(nèi)部用于測試初級投行分析師能力的電子表格建模基準中例如為一家財富 500 強企業(yè)構建包含三張財務報表的模型并具備正確格式和引用或為私有化交易構建杠桿收購模型GPT-5.2 Thinking 的任務平均得分比 GPT-5.1 提升了 9.3%從 59.1% 上升到 68.4%。對比顯示GPT-5.2 Thinking 在生成電子表格與演示文稿時在專業(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 錯誤地計算了種子輪、A 輪和 B 輪的清算優(yōu)先權并且將這些行的大部分留空導致最終的股權分配計算結果不正確。它還在表頭行中錯誤地插入了公式。5.2 則完整且準確地完成了所有計算并以可審計的方式呈現(xiàn)結果。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。復雜內(nèi)容的生成可能需要數(shù)分鐘時間。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。SWE-Bench Pro 是一個嚴格評估真實世界軟件工程能力的基準。與只測試 Python 的 SWE-bench Verified 不同SWE-Bench Pro 涵蓋四種編程語言并設計得更具抗污染性、挑戰(zhàn)性、多樣性和工業(yè)相關性。在 SWE-Bench Pro 中模型會獲得一個代碼倉庫并必須生成補丁patch來解決一個真實的軟件工程任務。在 SWE-bench Verified 上GPT-5.2 Thinking 取得了 80% 的新的最高分。對于日常專業(yè)使用來說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、實現(xiàn)功能請求、重構大型代碼庫以及以更少人工干預的方式完成端到端修復。GPT-5.2 Thinking 在前端工程能力上也優(yōu)于 GPT-5.1 Thinking。早期測試者發(fā)現(xiàn)它在前端開發(fā)以及復雜或非常規(guī)的 UI 設計尤其是包含 3D 元素 的界面方面的能力顯著增強使其成為全棧工程師的強大日常助手。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低谷GPT-5.2 Thinking 的幻覺率顯著低于 GPT-5.1 Thinking。在一組來自 ChatGPT 的去標識化真實用戶查詢上含錯誤的回答相對減少了 30%。對于專業(yè)用戶而言這意味著在進行研究、寫作、分析和決策支持時模型犯錯更少從而讓日常知識工作更加可靠穩(wěn)健。推理力度被設置為可用的最高級別并啟用了搜索工具。錯誤由其他模型檢測而這些模型本身也可能會出錯。在主張級別claim-level的錯誤率遠低于回答級別response-level的錯誤率因為大多數(shù)回答都包含多個獨立主張。擺脫上下文限制GPT-5.2 Thinking 在長上下文推理方面達到了新的業(yè)界最先進水平在 OpenAI MRCRv2 上取得領先表現(xiàn) —— 這是一個用于測試模型整合長文檔中分散信息能力的評估基準。在真實世界任務如深度文檔分析中當相關信息分布在數(shù)十萬 token 中時GPT-5.2 Thinking 的準確性顯著優(yōu)于 GPT-5.1 Thinking。特別值得注意的是GPT-5.2 Thinking 是 OpenAI 首個在 4-needle MRCR 變體長度可達 256k tokens上達到接近 100% 準確率的模型。從實際應用來看這意味著專業(yè)人士可以使用 GPT-5.2 來處理超長文檔 —— 例如報告、合同、科研論文、訪談記錄以及多文件項目 —— 同時在數(shù)十萬 token 的跨段信息中保持連貫性和準確性。這讓 GPT-5.2 尤其適合深度分析、綜合推理以及復雜的多來源工作流。在 OpenAI-MRCR v2多輪共指消解評測中會將多個相同的「針」needle式用戶請求插入到由大量類似請求與回復構成的長「草堆」haystacks中然后要求模型復現(xiàn)第 n 個針對應的回答。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 的點代表對 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。推理力度被設置為可用的最高級別。對于那些需要在最大上下文窗口之外繼續(xù)推理的任務GPT-5.2 Thinking 兼容我們新的 Responses /compact 端點它能夠擴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、運行時間較長的工作流而不會受到上下文長度的限制。精細的視覺理解OpenAI 表示「GPT-5.2 Thinking 是我們要目前最強的視覺模型在圖表推理和軟件界面理解方面的錯誤率幾乎降低了一半?！箤τ谌粘５膶I(yè)應用而言這意味著該模型能夠更準確地解讀儀表盤、產(chǎn)品截屏、技術圖表和視覺報告從而為金融、運營、工程、設計以及客戶支持等以視覺信息為核心的工作流提供強力支持。在 CharXiv Reasoning 中模型需要回答關于科學論文中視覺圖表的問題。測試中啟用了 Python 工具并將推理強度reasoning effort設為最大。在 ScreenSpot-Pro 中模型必須對來自各種專業(yè)環(huán)境的高分辨率圖形用戶界面GUI截圖進行推理。測試中啟用了 Python 工具并將推理強度設為最大。如果不使用 Python 工具得分會低得多。OpenAI 建議在此類視覺任務上啟用 Python 工具。與之前的模型相比GPT-5.2 Thinking 對圖像中各元素的位置關系理解得更加透徹這對于「相對布局」在解決問題中起關鍵作用的任務尤為重要。在下方的示例中OpenAI 要求模型識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簽。即使在低質(zhì)量圖像上GPT-5.2 也能識別出主要區(qū)域并放置有時能與每個組件真實位置相匹配的框而 GPT-5.1 僅標記了少數(shù)幾個部分且對其空間排列的理解要弱得多。很明顯兩個模型都存在錯誤但 GPT-5.2 展示出了對圖像更好的理解力?？煽康墓ぞ哒{(diào)用GPT-5.2 Thinking 在 Tau2-bench Telecom 上取得了 98.7% 的新 SOTA 成績展示了其在長鏈路、多輪任務中可靠使用工具的能力。對于延遲敏感的用例GPT-5.2 Thinking 在 reasoning.effortnone不進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行多輪交互以完成客戶支持任務。對于電信領域OpenAI 在系統(tǒng)提示詞中包含了一條簡短且通用的指導說明以提升性能。由于航空子集的基準真實標簽評分質(zhì)量較低OpenAI 將其排除在外。對于專業(yè)人士來說這可以轉(zhuǎn)化為更強大的端到端工作流 —— 例如解決客戶支持案例、從多個系統(tǒng)提取數(shù)據(jù)、運行分析以及生成最終輸出且步驟之間的斷裂或阻滯更少。例如當詢問一個需要多步解決的復雜客服問題時模型可以更有效地協(xié)調(diào)跨多個智能體的完整工作流。在下面的案例中一位旅客報告了航班延誤、錯過了轉(zhuǎn)機、需要在紐約過夜以及醫(yī)療座位需求。GPT-5.2 管理了整個任務鏈重新預訂、特殊協(xié)助座位和賠償提供了比 GPT-5.1 更完整的結果?！肝覐陌屠璧郊~約的航班延誤了導致我錯過了去奧斯汀的轉(zhuǎn)機。我的托運行李也不見了我需要在紐約過夜。此外因為醫(yī)療原因我還需要一個特殊的前排座位。你能幫我嗎」探索科學與數(shù)學邊界OpenAI 表示其對 AI 的愿景之一是希望它能加速科學研究造福每一個人。為此OpenAI 一直與科學家合作并傾聽他們的意見探索 AI 如何能加速他們的工作。上個月OpenAI 在論文《Early experiments in accelerating science with GPT-5》中分享了一些早期的合作實驗。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家工作的最佳模型?！乖?GPQA Diamond一個研究生級別的「防谷歌搜索」問答基準測試上GPT-5.2 Pro 達到了 93.2%GPT-5.2 Thinking 緊隨其后達到了 92.4%。在 GPQA Diamond 中模型需要回答關于物理、化學和生物的多項選擇題。測試中未啟用工具并將推理強度設為最大。在 FrontierMath (Tier 1–3) 這一專家級數(shù)學評估中GPT-5.2 Thinking 創(chuàng)下了新的 SOTA解決了 40.3% 的問題。在 FrontierMath 中模型解決專家級數(shù)學問題。測試中啟用了 Python 工具并將推理強度設為最大。OpenAI 表示「我們開始看到 AI 模型以切實可見的方式有意義地加速數(shù)學和科學的進步。例如在最近使用 GPT-5.2 Pro 的一項工作中研究人員探索了統(tǒng)計學習理論中的一個開放性問題。在一個狹窄且定義明確的設定中模型提出了一個證明隨后該證明被作者驗證并由外部專家審查這生動地說明了前沿模型如何在密切的人類監(jiān)督下輔助數(shù)學研究。」通用推理 ARC-AGI 2在 ARC-AGI-1 (Verified)一個旨在衡量通用推理能力的基準測試上GPT-5.2 Pro 是首個突破 90% 門檻的模型。相比去年 o3-preview 達到的 87%它不僅實現(xiàn)了性能提升還將達成該性能的成本降低了約 390 倍。在 ARC-AGI-2 (Verified) 上該測試提高了難度并更好地隔離了流體推理能力fluid reasoningGPT-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)甚至更高達到了 54.2%進一步擴展了模型對新穎、抽象問題進行推理的能力。在這些評估中的提升反映了 GPT-5.2 更強的多步推理能力、更高的定量準確性以及在處理復雜技術任務時更可靠的問題解決能力。在 ChatGPT 中使用 GPT-5.2OpenAI 表示「在 ChatGPT 中用戶應該會注意到 GPT-5.2 的日常使用體驗更佳 —— 它更有條理、更可靠且對話體驗依然令人愉悅?！乖摴窘o GPT-5.2 Instant 的定位是日常工作和學習的快速、強力助手。它延續(xù)了 GPT-5.1 Instant 引入的更溫暖的對話基調(diào)并在信息搜尋、實操指南與分步教程、技術寫作以及翻譯方面有明顯改進。早期測試者特別指出其解釋更加清晰能夠?qū)㈥P鍵信息前置。GPT-5.2 Thinking 專為深度工作設計幫助用戶以更高的完成度處理更復雜的任務 —— 特別是在代碼編寫、長文檔總結、基于上傳文件的問答、逐步處理數(shù)學和邏輯問題以及通過更清晰的結構和更實用的細節(jié)支持規(guī)劃與決策方面。GPT-5.2 Pro 是 OpenAI 處理難題時最聰明、最值得信賴的選擇。對于那些值得等待的高質(zhì)量回答它表現(xiàn)最佳。早期測試顯示其在編程等復雜領域的重大錯誤更少表現(xiàn)更強。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 AI 模型在確保安全的前提下給出最有幫助的答案。據(jù)說在此版本中研究人員繼續(xù)致力于增強模型在敏感對話中的響應能力顯著改進了模型對提示自殺或自殘跡象、心理健康困擾或?qū)δＰ偷那楦幸蕾嚨葐栴}的響應。與 GPT-5.1 和 GPT-5 Instant 及 Thinking 模型相比這些針對性的干預措施顯著減少了 GPT-5.2 Instant 和 GPT-5.2 Thinking 模型的不良響應。OpenAI 提到GPT-5.2 能夠自動為 18 歲以下用戶應用內(nèi)容保護從而限制他們訪問敏感內(nèi)容。定價ChatGPT 將于今日開始逐步推出 GPT-5.2包括 Instant、Thinking 和 Pro 版本首先面向付費用戶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間無法看到。在 ChatGPT 中付費用戶仍可在三個月內(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。開發(fā)者現(xiàn)在可以在 GPT-5.2 Pro 中設置推理參數(shù)并且 GPT-5.2 Pro 和 GPT-5.2 Thinking 均支持新的第五級推理難度 xhigh適用于對質(zhì)量要求極高的任務。以下是百萬 token 的價格OpenAI 稱盡管 GPT-5.2 的單個 token 成本更高但由于其更高的 token 效率達到特定質(zhì)量水平的總成本反而更低。ChatGPT 的訂閱價格保持不變。OpenAI 表示目前沒有計劃在 API 中棄用 GPT-5.1、GPT-5 或 GPT-4.1。雖然 GPT-5.2 在 Codex 中開箱即用但 OpenAI 還預計將在未來幾周內(nèi)發(fā)布一個針對 Codex 優(yōu)化的 GPT-5.2 版本。GPT-5.2 是 OpenAI 與長期合作伙伴英偉達和 Microsoft 合作開發(fā)的。Azure 數(shù)據(jù)中心和英偉達 GPU包括 H100、H200 和 GB200-NVL72為 OpenAI 的大規(guī)模訓練基礎設施提供了支撐。如果果你覺得這篇文章有幫助別忘了點贊、關注、收藏喲你的支持是我原創(chuàng)的動力~對了如果你也對AI編程或者智能體感興趣我這邊整理了一份開源的AI編程和智能體學習手冊爆肝10萬字價值699元。關注下方公眾號回復【智能體】獲取學習手冊往期爆文:零基礎帶你入門智能體實戰(zhàn) 1分鐘用coze智能體一鍵做9張表情包圖零基礎 扣子(Coze)工作流實戰(zhàn)案例自動抓公眾號文章自動改寫文案自動上傳公眾號發(fā)送大幅降低運營工作量一鍵生成公眾號文案自動上傳公眾號智能體太強了零基礎 扣子(Coze)工作流實戰(zhàn)案例2一鍵批量生成漫畫自動上傳公眾號太香了5分鐘用coze做一個微信公眾號智能聊天機器人另外我們建了一個永久免費的AI編程相關資訊分享的星球目前有2700人如果你對這個賽道有星球歡迎加入一起學習