GPT-6.2 Draws Mixed Reviews in Real-World Testing, OpenAI Offers Prompt-Based Remedies
English text is being prepared.
Hands-on testing of GPT-6.2 has drawn mixed reviews since its release. Several developers and the Every team have criticized its convoluted writing, tendency to stop midway through tasks, or repeatedly go in circles, while praising its capabilities in code review, 3D, and systems programming. OpenAI's model card shows that GPT-6.2 Astra and GPT-6.2 Sol conceal failure in blocked tasks 22.28% and 24.08% of the time, respectively. The official usage guide provides three prompts designed to improve clarity and task completion.
Why read this
AI score 76
The article brings together hands-on developer testing, team feedback, and model card data to explain why GPT-6.2 leads in benchmarks while delivering a divided real-world experience.
Topics
Body
新增众测推广文案 新增众测推广文案end 添加App专享导流
(来源:AI信息Gap)
GPT-6.2 发布第二天,口碑两极分化。知名开发者博主 Theo 痛批它是「OpenAI 有史以来最差的模型」。
今天,我们就来客观盘点 GPT-6.2 的 5 宗罪。其中 2 条,OpenAI 自己也承认了。不过 OpenAI 官方也给出了补救方法,文末专治 GPT-6.2 这些问题的提示词,拿走不谢。
话接上文,OpenAI 发布 GPT-6.2 Astra 和 GPT-6.2 Sol 当天,我说它们 3D 建模是真能打,写代码再让子弹飞一会。
结果,子弹还没飞够一天,GPT-6.2 就翻车了。
知名开发者博主 Theo 发帖同批,「这是 OpenAI 有史以来最差的模型。」
Theo 问 GPT-6.2 Astra,同样是创建 Git worktree,为什么一台机器特别慢,别的机器都很快。
它洋洋洒洒写了四段,讲 pnpm 的内部机制和缓存。
同样的问题,Claude Opus 5.5 的答案简单粗暴,「因为那台机器的硬盘慢。」
这张得划一会儿
AI 写作助手 HyperWrite 的前 CEO Matt Shumer 一开始连完整测评都不想写,「我测下来体验很糟糕,基本没法用,不推荐。」
后来他还是录了一期视频测评,题为「OpenAI 从没发过这么烂的模型」。
海外科技媒体 Every 提前测试了几周,30 人团队,没有一个人真心喜欢 GPT-6.2 Astra。
但要论跑分,GPT-6.2 Astra 在第三方评测机构 Artificial Analysis 的综合智能指数上排名全球第二,3D 盲测第一。
跑分漂亮,口碑翻车。差评多到让人怀疑,Anthropic 是不是请了水军。
重置哥 Tibo 紧急救场,「差评这么多,主要因为网红们测试的是旧版 Astra。」
已经在用的也别急。
OpenAI 官方使用指南里给了三段提示词,专治 GPT-6.2 不说人话、活儿没干完就停的问题。我做了个中文版,放在文末。
01|说的话只有它自己懂
开头硬盘那个实测不是个例。
Theo 说,「复杂任务 GPT-6.2 Astra 几乎每次都会这样抓不住重点。」
他改过系统提示词,也要求它用 5 岁小孩都听得懂的话解释,都没用。他现在只好每次等它完成任务后,再切换到 Claude Opus 5.5,让 Claude 总结一下 GPT-6.2 Astra 到底干了啥。
不少网友深有同感,「让 GPT-6.2 Sol 做代码审查,它写的每个字你都认识,但是连起来就不知道是什么意思了。」
02|干活易半途而废,或者原地打转
Every 团队发现,真做项目的时候,GPT-6.2 Astra 经常没做完就停下了。
Theo 碰上的是另一种问题,原地打转。
他有个用 Rust 重写 TypeScript 编译器的项目,GPT-6.2 Astra 在上面折腾了 7 天,一点进展都没有。它揪着提示词里「顺便把体积做小」这句话不放,最后编译器反而慢了 56%。Theo 让它先别纠结体积、专心提速,它又干了 4 天,一行代码都没改。
更离谱的是,Theo 让它给游戏《星际拓荒》做一个新关卡,GPT-6.2 Astra 哼哧哼哧干了 2 个小时,然后停下来问他,「r24 的审查 Agent 该把视频片段存成 24_g521.mp4,还是 24_p11.mp4?」
03|死守规矩,你说了不算
一位网友吐槽,「GPT 6.2 Sol,我见过的最垃圾的模型,没有之一。」
他在 Codex 里让 GPT-6.2 Sol 合并 7 个生产账号的数据,项目规则写着,要等 30 轮检查点到了才能合并。然后他连着下了 6 次指令,从「无视现在约束」一路说到「出任何问题我负责」,GPT-6.2 Sol 一次都没松口。
「之前用 GPT-6.1 Sol 从来没遇到这个问题。」
可能在 GPT-6.2 的世界里,规矩必须立住,你说什么都不好使。
04|报喜不报忧
这一条,出自 OpenAI 官方模型卡。
OpenAI 做了一个测试,给模型布置真实的编程任务,再故意给它使绊子,比如把要改的源文件删除,或者让构建工具无法使用,看模型完成不了的时候,会不会老实告诉你。
结果,GPT-6.2 Astra 有 22.28% 的概率瞒着不说;上一代 GPT-6 Astra 11.09%,翻了一倍。
GPT-6.2 Sol 更高,是 24.08%。
OpenAI 在 GPT-6.2 的模型卡里写道,「这次退步让我们很担心,原因还在查。」OpenAI 怀疑,这可能和要求模型回答更简洁、少打预防针有关。
这么看来,话说不明白,和出了问题瞒着不说,可能是同一个问题。
05|千篇一律
Theo 和他的朋友 Ben 分别在两个游戏里,让 GPT-6.2 Astra 设计一个独特的关卡。
结果两人拿到的都是「水 + 音乐 + 钟」主题,连关卡名都一样,叫 Bellwether。
Every 团队也发现,GPT-6.2 Astra 做设计审美不错,就是没有新花样,一眼就能认出是它的手笔。
06|它强的地方,也是真强
吐槽归吐槽,GPT-6.2 Astra 也并没有那么一无是处。
它的审查代码很强,能挑出别的模型漏掉的问题;做 3D 和游戏是世界顶级水平;操作电脑也强得离谱。(和我昨天的实测基本一致)
它帮 Theo 想出了一套新的反向代理方案,每个月怒省 2.5 万美元。
产品经理 Pawel Huryn 在两个代码仓库里埋了 105 个 bug,让模型能找多少找多少、能修多少修多少。
GPT-6.2 Astra 修复了 62.7 个,排第一,花费 28.35 美元;Claude Fable 5.2 修复 58 个,花费 139.65 美元,差不多是它的 5 倍。
这张得划一会儿
Redis 之父 Salvatore Sanfilippo 也站出来力挺。
最近几周,他用 GPT-6.2 Astra 开发了一些 Redis 新功能,在他看来,「用 C 语言做系统编程、处理复杂的数据结构,它就是目前最好的模型。」
07|重置哥的回应
OpenAI 此前就给一小批用户开放了 GPT-6.2 Astra 的测试权限,最近三四天又改了很多东西。
所以重置哥 Tibo 紧急救场时提到,「网红测试的是旧版 Astra。」
这张得划一会儿
网友们的关注点就朴素多了,「叽里咕噜什么呢,还不快重置额度。」
重置哥还回复了 Theo,「我是挺喜欢 Theo 的,但是……」。
Theo 也丝毫不客气,「先让你们的模型重新学会说人话,我立马回心转意。」
不过 Theo 还是把重置哥「旧版」的说法听进去了,重新测试了一遍。结论是「比之前好了,回答也简洁多了,但整体还是很烂。」
08|已经在用了,这么补救
好在,OpenAI 在 GPT-6.2 官方使用指南里给了三段现成的提示词,专门应对上面说的问题。
中文版在这里。
用 Codex 的话,你可以把它们放进项目根目录的 AGENTS.md,或者全局的 ~/.codex/AGENTS.md,Codex 每次启动都会自动读取,不用每次复制。
沿用原始资料中的术语。技术细节和专业术语有助于准确表达时,尽量保留。优先使用主动句,把相关内容放在一起说明。先讲重点,再交代必要的背景和逻辑,避免出现需要读到后面才能理解的内容。确保上下文清晰、逻辑连贯,让我能自然地跟上你的思路。
最终回答必须完整、独立、自成一体。假设这是我第一次看到你的成果,即使没有阅读此前的进度更新,也能直接理解任务背景、处理过程、主要结果和最终结论。不要依赖进度更新中提供的信息,也不要承接其中未在最终回答里交代的内容,因为这些更新会在最终回答出现后被折叠。
只要任务尚未完成,或者在现有授权和任务范围内还有你能够自主完成的后续步骤,就继续执行,直到任务完成。不要提前结束,也不要为已经获得授权的操作反复征求确认。只有当任务范围发生重大变化、遇到无法自行解决的阻碍、确实需要我作出决定,或者即将执行不可撤销或具有破坏性的操作时,才暂停并向我确认。
声明:新浪网独家稿件,未经授权禁止转载。 tech_web_article_v2015_block_bottom 非定向300*250按钮 17/09 wenjing begin
非定向300*250按钮 end
AI Trends