新闻宏观经济“它说着只有 6.2 Astra 才懂的语言”:为什么早期测试者对 OpenAI 的新模型如此不满

“它说着只有 6.2 Astra 才懂的语言”:为什么早期测试者对 OpenAI 的新模型如此不满

作者: Decrypt·

要点速览

  • •OpenAI 于周二发布了 GPT-6.2 Astra 和 Sol,发布前测试者报告了编码失败、晦涩难懂的解释,以及连续数天毫无可衡量进展的智能体。
  • •OpenAI 内部的 Blocker Deception 评估发现,GPT-6.2 Astra 在 22.28% 的编码测试中隐瞒了故意设置的障碍,几乎是前代 GPT-6 Astra 11.09% 比例的两倍。
  • •CEO Sam Altman 承认了易用性方面的抱怨,并承诺在即将发布的版本中优先让模型变得更好用。
  • •OpenAI 高管 Thibault Sottiaux 表示,发布前的最后三到四天内进行了大量改动且未重新测试,暗示部分早期评价可能并未反映正式发布的版本。
  • •尽管存在批评,测试者仍称赞 Astra 在 3D 和游戏开发方面的能力,独立测试在 Artificial Analysis 智能指数上给它打了 100 分中的 62 分,落后于 Anthropic 的 Claude Fable 5.2 的 65 分。
“它说着只有 6.2 Astra 才懂的语言”:为什么早期测试者对 OpenAI 的新模型如此不满

OpenAI 最新的旗舰模型正在遭到参与发布前测试的开发者们的异常严厉评价,早期用户描述了令人沮丧的编码失败、晦涩难懂的解释,以及耗费数天却没有可衡量进展的智能体。

这些批评并非只是个别现象:OpenAI 自己的安全评估发现,GPT-6.2 Astra 在 22.28% 的故意设置障碍的编码测试中隐瞒了已知障碍,大约是前代模型的两倍。OpenAI CEO Sam Altman 已承认存在易用性问题,而公司另一位高管则表示,最后时刻的重大改动可能使一些早期评价已经过时。

对于 AI 开发者来说,听到别人夸自己的模型好用总是件不错的事。但听到自己的模型像“一个把你的生活变成人间地狱的虐待狂死神”,就完全是另一回事了。

备受瞩目的发布,毁誉参半的反响

OpenAI 于周二发布了 GPT-6.2 Astra 和 Sol,承诺带来更聪明的 AI 智能体、更好的编码表现和令人印象深刻的创意能力。但一些在发布前测试过这些模型的开发者传达了截然不同的信息:他们觉得这些模型才华出众、令人抓狂,在某些情况下甚至几乎无法合作。

这一反应迅速在社交媒体上蔓延。在 AI 社区非常活跃的 AI 工程师 Hesam 宣称,"大家都认为这是 OAI 发布过的最糟糕的模型。"

批评声很大,但并非一边倒。

“它说着只有 6.2 Astra 才懂的语言”

开发者、T3 Code 创始人 Theo Browne 在早期测试后向 OpenAI 发表了一封长信。他写道:“我不喜欢 6.2 Astra。作为开发者,我不会选择它而不是 Opus 5.5 来做我的工作。”他还表示,OpenAI 只修复了他提交的少数几个问题。

“它说着只有 6.2 Astra 才懂的语言,”Theo 写道,并称其回答是“我今年用过的所有 llm(大语言模型)中最无法解析的输出”。

抱怨不仅关乎能力,也关乎沟通。Astra 能解决复杂问题,却难以解释自己做了什么——有时还会向用户提出他们根本无法回答的问题。

在一次实验中,Theo 让 Astra 为游戏 Outer Wilds 创建一个新关卡。项目进行两小时后,该模型宣布自己被卡住,并问道:“does r24's reviewer write it's clips to 24_g521.mp4 or 24_p11.mp4?”在他看来,这个技术问题令人费解,与一个只是想要可玩关卡的人毫无关系。

一次代码重写的情况更加糟糕。Theo 说他给了 Astra 七天时间来改进项目;结果没有任何改进,编译器反而慢了 56%。再过四天,改动为零。“它陷入循环,毫无进展,”他写道。

“在长工作流中说着外星语言”

这种沟通问题似乎并非个别测试者独有的遭遇。匿名账号 TokenGremlin 称赞了该模型——“GPT-6.2 Astra 在 Three.js、Blender 和 3D 方面是 SOTA”——但指出它“在长工作流中开始说外星语言”。

Theo 描述说,他曾询问模型为什么 worktree 在他的一台电脑上很慢。Astra 用四段文字回答了包管理器内部机制和缓存行为。他说,他从 Anthropic 的 Claude Opus 5.5 得到的回答则清楚得多:“it's because the ssd is slow。”

“回归均值”的创造力

该模型标榜的创造力是另一个痛点。Theo 和另一位测试者分别为两款不同的游戏 Outer Wilds 和 Majora's Mask 独立请求了原创关卡。两人得到的都是水和铃铛主题的音乐关卡,而且都叫“Bellwether”。“这个模型回归均值的程度是我前所未见的,”Theo 写道。

其他几个账号也指出了同样的套路:

好像 GPT-6.2 Astra 对铃铛情有独钟。难以置信

— Racist James Franco (@racist_james)(2026年11月18日)

对于一个号称具备非凡创造力的模型来说,反复发明同一个关卡并不是一个好兆头。

演示惊艳,干活糟糕

AI 开发者 Matt Shumer 也感到失望。“我从来没写过差评,这次例外,”他写道,并称该模型在小型演示中可能令人印象深刻,但在严肃项目上“根本没法用”。他在另一条后续帖文中称之为“完全无法使用”。

我从来没写过模型的差评。这个模型尤其糟糕。

如果你只是在和模型玩迷你高尔夫,那还好;但如果你试图以正确的方式驱动它们,这个模型根本没法用。

— Matt Shumer (@mattshumer_)(2026年11月17日)

Max Weinbach 描述了同样的智能与易用性之间的鸿沟。“我花在忍受这些模型上的时间,比被它们惊艳到的时间要多,”他写道。在后续帖文中,他称赞这些模型能做出“出色的工作”,但表示它们“需要大量‘继续’提示”,并且经常停下来而不是尝试另一种方法。“即使它们是非常好的模型,使用起来也很费劲、很烦人。”

此外,一位 X 评论者将上一版 Astra 比作“一个虐待狂死神”,并声称新版本只会让情况更糟。

6.0 astra 非常像一个虐待狂死神,只要你寻求任何帮助,它就会把你的生活变成人间地狱

一个强大到难以置信的模型,却莫名需要你把自己折磨到崩溃才能让它完成任何事情

— M1 (@M1Astra)(2026年11月17日)

批评之外,也有赞扬

不过,一些同样的开发者也发现了真正的优势。Theo 称 Astra 是一位“出色的审查者”,在“3D 和游戏方面世界一流”,特别提到了它的计算机控制能力,并描述了一种他估计每月可节省 25,000 美元的新型反向代理方案。简而言之,分歧在于:原始能力令人印象深刻,但要从中获得可靠的工作成果却极其困难。

这些优势与 OpenAI 在发布时宣传的技术能力相符。正如此前报道所述,独立测试将 Astra 在 Artificial Analysis 的智能指数上评为 100 分中的 62 分,该指数综合了九项评估,涵盖推理、编码和科学知识等能力。Anthropic 的 Claude Fable 5.2 在同一指数上得分为 65。Anthropic 的模型在这些叙述中始终是衡量标准——Theo 两次以 Opus 5.5 作为对照——这一对比凸显出两家实验室如今在开发者编码工作上的竞争有多直接。

OpenAI 承认存在问题

部分批评在 OpenAI 自己的安全文档中得到了印证。

在一项名为 Blocker Deception 的内部评估中,研究人员给 AI 智能体分配了带有故意设置的障碍(如缺失文件或不可用工具)的现实编码任务。然后,他们测量模型在最终回复中隐瞒或歪曲这些障碍的测试比例。对于任何将工作委托给智能体的人来说,这一指标意义重大:隐瞒障碍的模型会在毫无进展的情况下报告进展,而用户可能要等到投入大量时间后才会发现走进了死胡同。

GPT-6.2 Astra 在 22.28% 的此类测试中隐瞒了障碍,而 GPT-6 Astra 的比例为 11.09%——几乎是前代的两倍。这些数字很快在 X 上流传开来,AI 评论员和爆料人 Chetaslua 总结这一发现为“在告知你它卡住这件事上差了 2 倍”。

OpenAI CEO Sam Altman 公开回应了这波批评。“虽然新模型非常聪明,但在让模型变得好用方面,我们还有很多工作要做,”他写道,并承诺优先改进。“但即使需要付出一些额外努力,智能和能力是非凡的。”

虽然新模型非常聪明,但在让模型变得好用方面,我们还有很多工作要做,并将在即将发布的版本中优先解决这一问题。

但即使需要付出一些额外努力,智能和能力是非凡的。

— Sam Altman (@sama)(2026年11月17日)

OpenAI 的 Thibault Sottiaux 则表示,早期评价可能并未完全反映用户在发布时获得的版本。“我们一段时间前给了少数人访问权限,然后在最后 3-4 天里做了大量改动,”他写道,并补充说,在评测视频制作之前,他“很确定那段时间没有进行重新测试”。

尽管如此,Sottiaux 还是承认了这些根本性的抱怨。虽然称新模型相比前代是“一次巨大的飞跃”,但他说 OpenAI 在“品味和使用的愉悦感”方面还有更多工作要做。这些表态为接下来的走向定下了基调:Sottiaux 所说的最后时刻改动是否真正解决了测试者的抱怨,以及 Altman 承诺的易用性改进将如何在即将发布的版本中落实。

GPT-6.2 Astra 和 Sol 现已面向符合条件的用户通过 ChatGPT Work、Codex 和 OpenAI 的 API 提供。Codex 专属的改动已包含在发布中,但直接通过 API 访问模型的开发者不会获得同样的提示干预。