你方唱罷我登場，各領(lǐng)風(fēng)騷十幾天。

GPT-5.2出來了，它實(shí)現(xiàn)了對Gemini-3和Claude-4.5的部分反超，在多個(gè)實(shí)用領(lǐng)域都更強(qiáng)了：做表格、弄PPT、寫代碼、理解長文檔、調(diào)用工具、處理復(fù)雜多步驟項(xiàng)目……視覺理解能力也大幅提升，能辨別出板卡上的螺絲釘。

（來源OpenAI）

從5.1到5.2，僅用了30天，OpenAI回答了市場上對其前景的質(zhì)疑，證明了團(tuán)隊(duì)實(shí)力，預(yù)示了2026年，擴(kuò)展定律依然是前沿大模型的競爭的最重要法寶，基礎(chǔ)設(shè)施將起到更重要的作用。

OpenAI首次引入了它自己開發(fā)的打工能力的測評基準(zhǔn)GDPval，要證明它既會(huì)做學(xué)霸，也能當(dāng)牛馬。

結(jié)果5.2成為首個(gè)達(dá)到或超過人類專家水平的模型。根據(jù)人類專家評審的結(jié)果，5.2 Thinking 在 GDPval 的知識(shí)型任務(wù)中，有 70.9% 的項(xiàng)目表現(xiàn)優(yōu)于頂尖行業(yè)專業(yè)人士或持平。這些任務(wù)包括那些白領(lǐng)打工基本技能，如制作演示文稿、電子表格以及其他活兒。5.2 Thinking 的輸出速度在 GDPval 任務(wù)中比專家快 11 倍以上，成本卻不到其 1%。這表明，在有人類監(jiān)督的情況下，GPT?5.2 能有效輔助專業(yè)工作。

（在 GDPval 測試中，模型嘗試完成定義明確的知識(shí)型工作，內(nèi)容涵蓋美國 GDP 貢獻(xiàn)度最高的 9 個(gè)行業(yè)中的 44 種職業(yè)。任務(wù)要求生成真實(shí)的工作成果。）

兩個(gè)半月前，OpenAI公布這個(gè)測評體系時(shí)，GPT-5的得分，不及當(dāng)時(shí)的Claude最高版本Opus 4.1，但是勝過Gemini 2.5和Grok-4。如今，5.2得分幾乎翻倍。

（來源OpenAI）

盡管如此，GPT?5.2 Thinking想要在實(shí)際工作中替代OpenAI的員工仍然相當(dāng)遙遠(yuǎn)。在最新系統(tǒng)卡（system-card）的AI自我改進(jìn)（Self-Improvement）能力測評中，GPT?5.2 Thinking并沒有未達(dá)到一名表現(xiàn)優(yōu)秀的中等資歷（mid-career）研究工程師的水平。OpenAI 基于20個(gè)曾導(dǎo)致重大項(xiàng)目至少延遲一天的真實(shí)研發(fā)瓶頸問題，構(gòu)建了OPQA 測試基準(zhǔn)。結(jié)果，即使在可訪問歷史代碼、日志和實(shí)驗(yàn)數(shù)據(jù)的條件下，GPT-5.2 Thinking仍缺乏有效診斷問題根源并提出合理解釋的能力，它做得比GPT-5.1 Codex Max更差一點(diǎn)。不能自主發(fā)現(xiàn)、分析、解決新問題，意味著AI距離“自我改進(jìn)”所需的能力仍有巨大差距。

（來源OpenAI）

也就是說，大模型仍然是“高分低能”，干活出活能力，還沒有擺脫最初級(jí)的水平。

但我們也不得不服前沿大模型的學(xué)霸級(jí)考試水平。ARC-AGI也在第一時(shí)間發(fā)布了測試結(jié)果。5.2的準(zhǔn)確率高達(dá) 90.5%，每個(gè)任務(wù)的成本僅為 11.64 美元，一年內(nèi)效率提升了約 390 倍。回顧過去 12 個(gè)月，在 ARC-AGI 測試中，任何超過 85% 的準(zhǔn)確率都需要近乎瘋狂的計(jì)算資源。早期對 o3-preview 的估算顯示，每個(gè)任務(wù)的成本在 3000 美元到 3 萬美元之間�；旧�，每次想要得到一個(gè)答案，你消耗的算力成本相當(dāng)于一輛汽車。現(xiàn)在GPT-5.2 Pro 登場，取得了 90.5% 的準(zhǔn)確率，而價(jià)格卻只相當(dāng)于幾杯咖啡。已經(jīng)相當(dāng)接近人類95%的水平了。

（來源ARC-AGI）

讓智能體干活，我們正悄無聲息地跨越與人工成本持平的界限，幾乎無人察覺。整個(gè)推理的經(jīng)濟(jì)格局正在發(fā)生翻天覆地的變化。我們才剛剛開始，接下來會(huì)有更快的優(yōu)化。

谷歌用TPU-6集群首次訓(xùn)練出最領(lǐng)先的前沿大模型Gemini-3，動(dòng)搖了英偉達(dá)GPU一統(tǒng)天下的格局。Anthropic與谷歌TPU和亞馬遜Trainium的合作，明年分別都達(dá)到了百萬卡級(jí)。

OpenAI與xAI主要依靠英偉達(dá)GPU。這次OpenAI還披露，5.2 是其與長期合作伙伴英偉達(dá)和微軟共同打造的成果。Azure 數(shù)據(jù)中心與 英偉達(dá)的 H100、H200、GB200-NVL72 等 GPU 構(gòu)成了 OpenAI 大規(guī)模訓(xùn)練的核心基礎(chǔ)設(shè)施，為模型智能帶來了顯著提升。“正是這種合作，使我們能夠更有信心地?cái)U(kuò)展算力，并更快速地將新模型推向市場。”

這預(yù)示著到了2026年的大模型之爭，也將是一場基礎(chǔ)設(shè)施之爭。今年砸下的數(shù)千億美元，明年將實(shí)現(xiàn)滾滾算力。一代GPU，一代大模型。B200和B300的全面擔(dān)當(dāng)主力，英偉達(dá)Rubin CPX預(yù)計(jì)年底上市，專為長上下文推理和視頻生成應(yīng)用設(shè)計(jì)。還有TPU-7、Trainium-3的上市。大模型新一波擴(kuò)展，值得期待。

小結(jié)一下，5.2對于明年意味著什么：

1，前沿大模型將會(huì)繼續(xù)拼擴(kuò)展定律，也就是拼基礎(chǔ)設(shè)施。明年的下一代模型競爭值得期待。在基礎(chǔ)設(shè)施門檻顯著提升的情況下，明年中國的DeepSeek-3.x或4用什么基礎(chǔ)設(shè)施預(yù)訓(xùn)練？

2，在這樣的大模型競爭升級(jí)態(tài)勢下，美國已經(jīng)放開對中國H200的出口，它用來訓(xùn)練GPT-5，仍然起到了主力作用。這樣，中國領(lǐng)先的開源模型，在訓(xùn)練階段是否需要H200？

3，面向真實(shí)工作場景，擴(kuò)展可驗(yàn)證性，建立相應(yīng)測評基準(zhǔn)，加快大模型的實(shí)際使用，實(shí)現(xiàn)其經(jīng)濟(jì)性，智能體完成復(fù)雜真實(shí)任務(wù)，將是明年一個(gè)競爭重點(diǎn)；也就是說，AI大模型公司拼ARR，比爭當(dāng)學(xué)霸更重要了。這也是中國快速學(xué)習(xí)、打分優(yōu)異的開源模型需要直面的價(jià)值變現(xiàn)問題。

5.2各項(xiàng)能力的得分，最權(quán)威和最詳細(xì)的，以及它的系統(tǒng)卡，可以看OpenAI官網(wǎng)的公布：

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

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