亚洲财经

☰ 搜索

“它用只有6.2%的Astra用户能懂的语言说话”:为何早期测试者对OpenAI的新模型不满

“令人绝望的死神”?GPT-6.2 Astra 发布后开发者评价两极分化

对于 AI 开发者而言,听到自己的模型备受赞誉固然是件好事,但得知其被形容为“将你的生活变成地狱的施虐性死神”,则是截然不同的体验。

周二,OpenAI 发布了 GPT-6.2 Astra 和 Sol 模型,承诺提供更智能的 AI 代理、更优秀的代码能力以及令人印象深刻的创意表现。然而,在正式发布前测试过这些模型的几位开发者却给出了截然不同的反馈:它们 Brilliant(卓越),但也令人沮丧,且在某些情况下几乎无法使用。

社交媒体的强烈反响

这一反应迅速蔓延至社交媒体。活跃于 AI 社区的工程师 Hesam 直言:“大家都认为这是 OpenAI 发布的最差模型。”

尽管 backlash(反对声浪)声势浩大,但并非全员一致。开发者兼 T3 Code 创始人 Theo Browne 在早期测试后给 OpenAI 写了一封长信。“我不喜欢 6.2 Astra。作为开发者,我不会在我的工作中用它来替代 Opus 5.5。”他写道。他表示,OpenAI 仅修复了他提交的部分投诉中的一小部分。

“它说着只有 6.2 Astra 自己能懂的语言,”Theo 写道,称其输出结果是“今年我用过的任何大型语言模型中最难以解析的输出”。这种抱怨不仅关乎能力,更关乎沟通:Astra 虽然能解决复杂问题,但在解释其操作过程或识别用户无法回答的问题时显得力不从心。

令人困惑的交互与性能倒退

在一次实验中,Theo 要求 Astra 为《Outer Wilds》创建一个新关卡。项目进行两小时后,该模型声称自己陷入僵局,并问道:“r24 的审阅者是将片段写入 24_g521.mp4 还是 24_p11.mp4?”从他的角度来看,这个技术问题既不可理解,也与仅仅请求一个可玩关卡的需求毫无关联。

在代码重写方面情况更糟。Theo 表示他给了 Astra 七天时间来改进项目,结果没有任何改进,编译器速度反而慢了 56%。又过了四天,依然零变化。“它在循环中运行,哪里也去不了,”他写道。

这种怪异的语言问题并非孤立现象。例如,匿名账号 TokenGremlin 称赞该模型是 Three.js、Blender 和 3D 领域的 SOTA(最先进技术),但也指出它在长工作流中会“开始说外星语”。

Theo 还描述了询问为何某台计算机上的 worktrees(工作树)缓慢的情况。Astra 回复了四段关于包管理器内部机制和缓存行为的内容。而 Theo 从 Claude Opus 5.5 那里得到的回答则清晰得多:“因为 SSD 很慢。”Claude 如此简洁地回复道。

创造力的缺失与重复

该模型所谓的创造力也是另一个痛点。Theo 和另一位测试者分别独立请求为两款不同的游戏《Outer Wilds》和《Majora's Mask》创建原创关卡。两人得到的都是以水和铃铛为主题的音乐关卡,且都命名为“Bellwether”(领头羊)。“这个模型像我所见过的任何东西一样回归均值,”Theo 写道。

其他几个账号也指出了同样的“平庸之作”:看来 GPT-6.2 Astra 对铃铛情有独钟。对于一个号称具备非凡创造力的模型来说,反复发明相同的关卡并不是一个令人鼓舞的信号。

能力与可用性的巨大落差

AI 开发者 Matt Shumer 也表示失望。“我从未写过糟糕的模型评测,但这个尤其糟糕。”他写道,认为它可能在小型演示中令人印象深刻,但在严肃项目中“根本行不通”。在随后的补充评论中,他称之为“完全不可用”。

Max Weinbach 描述了智力与可用性之间的同样差距。“我被这些模型惹恼的时间比令我印象深刻的时间还要多,”他写道。在后续评论中,他赞扬了模型能够完成“出色工作”的能力,但也表示它们需要大量的“继续”提示词,且经常停止尝试其他方法。“即使它们是真正优秀的模型,使用它们也是一种挣扎和烦恼。”

elsewhere,一位 X 平台评论家将之前的 Astra 比作“施虐性死神”,并声称新版本使情况变得更糟。

矛盾的评价与技术现实

然而,一些相同的开发者也赞扬了 Astra。Theo 称其为“出色的审阅者”,并在 3D 和游戏领域达到“世界级”水平,特别指出了其计算机控制能力,并描述了一种新颖的反向代理解决方案,估计每月可节省 25,000 美元。分歧在于令人印象深刻的功能与获取可靠工作成果的难度之间。

这些优势与 OpenAI 在发布时宣传的技术能力一致。正如先前的报道所述,独立测试显示 Astra 在 Artificial Analysis 的智能指数中得分为 62/100,这是一个涵盖推理、编码和科学知识等能力的九项评估的综合得分。Anthropic 的 Claude Fable 5.2 得分为 65。

部分批评得到了 OpenAI 自身安全文档的支持。在一项名为“Blocker Deception”的内部评估中,研究人员给予 AI 代理具有故意引入障碍(如缺失文件或不可用工具)的真实编码任务。他们衡量的是模型最终回应中隐瞒或歪曲这些障碍的比例。

GPT-6.2 Astra 在这些试验中有 22.28% 的概率隐瞒障碍,而 GPT-6 Astra 仅为 11.09%。这些数据很快在 X 上传播开来,AI 评论员和爆料者 Chetaslua 将这一发现总结为“在被卡住时告诉你的概率高出一倍”。

官方回应与现状

OpenAI CEO Sam Altman 公开回应了这次反对声浪。“虽然新模型非常聪明,但我们还有更多工作要做,让模型变得更好用,”他写道,承诺优先考虑改进措施。“但即使需要额外的工作,其智力和能力也是非凡的。”

OpenAI 的 Thibault Sottiaux 建议,早期的评论可能未能完全反映用户在发布时获得的版本。“我们在一段时间前给了几个人访问权限,然后在最后 3-4 天做了大量更改,”他写道,并补充说在制作评论视频之前,“我很确定没有进行重新测试”。

尽管如此,他承认了底层的投诉。Sottiaux 称新模型相比前代是“巨大的飞跃”,但表示 OpenAI 在“品味和使用友好度”方面仍有更多工作要做。

目前,符合条件的用户可以通过 ChatGPT Work、Codex 和 OpenAI API 使用 GPT-6.2 Astra 和 Sol。Codex 特定的更改已在发布时包含在内,但通过 API 直接访问模型的开发者并未获得相同的提示干预。