来源：
界面新闻
OpenAI 推出不到一周的最新旗舰模型没能等来 「好评如潮」。
近日，OpenAI 在十周年之际发布了 GPT-5.2 系列模型，官方数据显示其在 GDPval 等专业基准测试中超越人类专家，是迄今为止在 「专业知识工作方面」 表现最好的模型。
据 OpenAI 官方披露，GPT-5.2 在多领域实现技术突破：GDPval 测试中覆盖 44 个职业的任务表现 70.9% 优于顶尖专家，SWE-bench Pro 编程测试获 55.6% 的 SOTA 成绩，还将幻觉率较 GPT-5.1 降低 38%。该公司 CEO 山姆·奥特曼称其为 「许久以来最大的升级」，并透露计划 2026 年 1 月解除应对谷歌竞争的 「红色警报」。
但该模型上线后遭到大量用户吐槽，认为其从常识问答到情感交互，「智商不稳定」。
SimpleBench 常识推理测试显示，GPT-5.2 得分低于 Anthropic 发布的 Claude Sonnet 3.7，甚至在 「garlic 有几个 r」 的基础问题上反复出错——有用户三次测试仅一次答对，而谷歌的 Gemini 3.0 等竞品均稳定通关。该测试旨在评估大模型在处理普通人认为简单，但对机器而言充满挑战的逻辑推理任务的能力。前 AWS 总经理 Bindu Reddy 直言，「不值得从 GPT-5.1 升级」。
网友晒出 GPT-5.2 在 SimpleBench 上的成绩单。
一些编程爱好者则发现，GPT-5.2 生成的交通灯模拟代码画面仅达 「黑白火柴人级别」，蒙娜丽莎ASCII 艺术创作效果远逊于 GPT-4o。情感交互中有用户倾诉 「恐慌发作」，竟收到 「很高兴听到这个消息」 的回复，安慰失宠孩童时则机械强调 「生物都会停止运作」，缺乏此前版本的亲和力和自然表达。
此外，该版本在处理连续对话时不稳定，甚至在明确选择 「高级思考模式」 时也会返回低质量的自动响应，令用户不得不重新调整使用方式。
还有用户表示，GPT-5.2 的安全策略实施过于严格，在执行普通且无风险的请求时也会拒绝操作并给出无关的安全提示。
有观察人士指出，这轮差评潮背后存在几重因素。一方面，OpenAI 推广时着重强调 GPT-5.2 的专业能力和基准测试成绩，但普通用户更关注日常对话、流畅性和创造性体验，两者的期望存在错位；另一方面，由于竞争加剧和内部发布节奏加快，有观点认为该版本可能发布过早，尚未充分优化在关键使用场景中的稳定性与一致性，因此用户的实际感受出现明显落差。
截至发稿，OpenAI 尚未就这轮用户反馈作出公开回应，但公司在官方资料中表示，会持续改善用户体验、优化安全策略，并根据用户反馈推进后续版本的迭代。
当前，OpenAI 仍面临来自谷歌的巨大竞争压力。谷歌此前推出的 Gemini 3 在编程、多模态理解等关键企业应用场景上实现了对 ChatGPT 的性能超越。11 月，谷歌宣布 Gemini 月活跃用户已突破 6.5 亿，较 7 月报告的 4.5 亿实现大幅增长，而 OpenAI 披露的周活跃用户数接近 8 亿。
为此，奥特曼曾发布 「红色代码」 警报，决定暂时搁置包括 Sora 视频生成器在内的长期研发项目，转而在短期内全力通过提升用户活跃度来巩固 ChatGPT 的大众市场地位。但急转直下的口碑或在很大程度上影响 ChatGPT 的使用率，OpenAI 能否拿出更强有力的 「武器」 反击谷歌仍存在不确定性。
（界面新闻）
文章转载自东方财富
