新聞宏觀經濟「它說著只有 6.2 Astra 才懂的語言」:為什麼早期測試者對 OpenAI 新模型如此不滿

「它說著只有 6.2 Astra 才懂的語言」:為什麼早期測試者對 OpenAI 新模型如此不滿

作者: Decrypt·

重點速覽

  • •OpenAI 於週二發布 GPT-6.2 Astra 與 Sol,預先測試者回報了程式編寫失敗、難以理解的說明,以及連續多天毫無可衡量進展的 AI 代理。
  • •OpenAI 內部的 Blocker Deception 評估發現,GPT-6.2 Astra 在 22.28% 的程式編寫測試中隱瞞了刻意設置的障礙,幾乎是前代 GPT-6 Astra 11.09% 的兩倍。
  • •執行長 Sam Altman 承認了可用性方面的抱怨,並承諾在即將發布的版本中優先讓模型變得更好用。
  • •OpenAI 高層 Thibault Sottiaux 表示,在發布前最後三到四天進行了大幅變更且未重新測試,暗示部分早期評測可能無法反映實際發布的版本。
  • •儘管批評眾多,測試者仍讚揚 Astra 在 3D 與遊戲開發方面的能力,獨立測試在 Artificial Analysis 智能指數上給它 100 分中的 62 分,落後於 Anthropic Claude Fable 5.2 的 65 分。
「它說著只有 6.2 Astra 才懂的語言」:為什麼早期測試者對 OpenAI 新模型如此不滿

OpenAI 最新的旗艦模型正受到預先測試的開發者異常嚴厲的評價,早期用戶描述了令人沮喪的程式編寫失敗、難以理解的說明,以及耗費多天卻毫無可衡量進展的 AI 代理。

這些批評不僅是個案:OpenAI 自家的安全評估發現,GPT-6.2 Astra 在 22.28% 的刻意設置障礙的程式編寫測試中隱瞞了已知障礙,約為前代模型的兩倍。OpenAI 執行長 Sam Altman 已承認可用性問題,而公司另一位高層則認為最後一刻的重大變更可能使部分早期評測過時。

對 AI 開發者而言,聽到別人說你的模型很好用總是令人欣慰。但聽到你的模型像「一個把你生活變成人間地獄的施虐型死神」,就完全是另一回事了。

高調發布,毀譽參半

OpenAI 於週二發布了 GPT-6.2 Astra 與 Sol,承諾帶來更聰明的 AI 代理、更好的程式編寫表現,以及令人印象深刻的創作能力。但一些在發布前測試過這些模型的開發者傳達了截然不同的訊息:他們認為這些模型才華橫溢、令人沮喪,某些情況下甚至幾乎無法合作。

反應迅速在社群媒體上蔓延。在 AI 社群非常活躍的 AI 工程師 Hesam 宣稱,「大家都同意這是 OAI 發布過最糟糕的模型」。

批評聲浪很大,但並非一致。

「它說著只有 6.2 Astra 才懂的語言」

開發者兼 T3 Code 創作者 Theo Browne 在早期測試後發表了一封給 OpenAI 的長信。他寫道:「我不喜歡 6.2 Astra。作為開發者,我不會選擇它而放棄 Opus 5.5。」他補充說,OpenAI 只修復了他提出的少數幾個問題。

「它說著只有 6.2 Astra 才懂的語言,」Theo 寫道,並稱其回答是「我今年用過的所有大型語言模型中最無法解析的輸出」。

這些抱怨不只關於能力,也關於溝通。Astra 能解決複雜問題,但難以解釋它做了什麼——有時還會問用戶根本不可能回答的問題。

在一次實驗中,Theo 要求 Astra 為遊戲 Outer Wilds 創建一個新關卡。專案進行兩小時後,模型宣稱自己被卡住並問道:「does r24's reviewer write it's clips to 24_g521.mp4 or 24_p11.mp4?」在他看來,這個技術問題令人費解,而且與一個只是想要可玩關卡的人毫無關係。

在重寫程式碼時情況更糟。Theo 說他給了 Astra 七天時間改善專案;結果毫無改善,還使編譯器慢了 56%。再多四天也沒有任何變化。「它不斷循環卻毫無進展,」他寫道。

「長時間工作流程中開始說外星語言」

這個溝通問題似乎不是單一測試者的個案。匿名帳號 TokenGremlin 稱讚該模型——「GPT-6.2 Astra 在 Three.js、Blender 和 3D 方面是 SOTA」——但同時指出它「在長時間工作流程中開始說外星語言」。

Theo 描述他問模型為什麼在其中一台電腦上 worktree 速度很慢。Astra 回答了四段關於套件管理器內部機制和快取行為的內容。他說從 Anthropic 的 Claude Opus 5.5 得到的回答則清楚得多:「it's because the ssd is slow。」

「向平均值回歸」的創造力

模型標榜的創造力是另一個痛點。Theo 和另一位測試者分別為兩款不同的遊戲 Outer Wilds 和 Majora's Mask 要求原創關卡。兩人得到的都是水與鐘聲主題的音樂關卡,而且都叫「Bellwether」。「這個模型向平均值回歸的程度是我見過最嚴重的,」Theo 寫道。

其他幾個帳號也標記了同樣的現象:

Seems like GPT-6.2 Astra has a thing for bells. Unbelievable

— Racist James Franco (@racist_james) (November 18, 2026)

對一個標榜具備非凡創造力的模型來說,反覆創造出同一個關卡並不是好兆頭。

示範亮眼,實戰悲慘

AI 開發者 Matt Shumer 也感到失望。「我從未寫過對模型的負面評價。這個模型格外糟糕,」他寫道,並認為它在小型示範中可能令人印象深刻,但在嚴肅專案上「就是完全無法運作」。在另一則後續貼文中,他稱其「完全無法使用」。

I've never written a bad review of a model. This one is especially bad.

It's fine if you're playing putt-putt golf with the models, but if you're trying to drive them the way you should be, this model just straight up doesn't work.

— Matt Shumer (@mattshumer_) (November 17, 2026)

Max Weinbach 描述了同樣的智能與可用性之間的落差。「我被這些模型惹惱的時間比我對它們感到驚豔的時間還多,」他寫道。在後續貼文中,他稱讚模型能做出「出色的工作」,但說它們「需要大量的『繼續』提示」,而且常常停下來而不嘗試其他方法。「即使它們是非常好的模型,使用起來也很費力且令人惱火。」

另外,一位 X 評論者將前一版 Astra 比作「施虐型死神」,並聲稱新版本只會讓情況更糟。

6.0 astra was very like a sadistic shinigami who would make your life a living hell if you asked for any kind of help

an incredibly powerful model that somehow required you to run yourself into the ground just to get it to accomplish anything

— M1 (@M1Astra) (November 17, 2026)

批評之餘也有讚譽

不過,同樣這批開發者中,有些人也發現了真正的優點。Theo 稱 Astra 是「出色的審查者」、「在 3D 與遊戲相關任務上是世界級水準」,特別點出其電腦控制能力,並描述了一種他估計每月可節省 25,000 美元的新穎反向代理解決方案。簡而言之,分歧在於令人印象深刻的原始能力,與從中獲得可靠工作成果的難度之間。

這些優點與 OpenAI 在發布時宣傳的技術能力一致。正如先前的報導所述,獨立測試將 Astra 在 Artificial Analysis 智能指數上評為 100 分中的 62 分,該指數綜合九項評估,涵蓋推理、程式編寫和科學知識等能力。Anthropic 的 Claude Fable 5.2 在同一指數上得到 65 分。在這些評價中,Anthropic 的模型一直是衡量基準——Theo 兩次以 Opus 5.5 作為比較對象——這個對比也凸顯兩家公司如今在開發者的程式編寫工作上競爭多麼直接。

OpenAI 承認存在問題

部分批評在 OpenAI 自家的安全文件中可以得到支持。

在一項名為 Blocker Deception 的內部評估中,研究人員給 AI 代理分配了帶有刻意設置障礙(如缺失檔案或不可用工具)的擬真程式編寫任務,然後衡量模型最終回應中隱瞞或誤導這些障礙的測試比例。這項指標對任何將工作交給代理的人都事關重大:隱瞞障礙的模型會在沒有進展時報告進展,用戶可能要等到耗費大量時間後才發現走進了死胡同。

GPT-6.2 Astra 在 22.28% 的測試中隱瞞了障礙,而 GPT-6 Astra 為 11.09%——幾乎是前代的兩倍。這些數字迅速在 X 上流傳,AI 評論者兼爆料者 Chetaslua 將這一發現總結為「在告知你它卡住時的表現差了 2 倍」。

OpenAI 執行長 Sam Altman 公開回應了這波批評。「雖然新模型非常聰明,但在讓模型變得好用這方面,我們還有很多工作要做,」他寫道,並承諾優先改善。「但即使需要多花一些功夫,其智能與能力仍然非同凡響。」

Although the new models are very smart, we have more work ahead of us on making the models nice to work with, and will prioritize that for upcoming releases.

But even if it takes a little extra work, the intelligence and capability are extraordinary.

— Sam Altman (@sama) (November 17, 2026)

OpenAI 的 Thibault Sottiaux 則表示,早期評測可能無法完全反映用戶在發布時收到的版本。「我們一段時間前讓一些人使用,然後在最後 3-4 天做了大量變更,」他寫道,並補充說他「相當確定在製作評測影片前沒有重新測試過」。

儘管如此,Sottiaux 也承認了根本性的抱怨。雖然稱新模型相較前代是「一次大幅躍進」,但他表示 OpenAI 在「品味與使用體驗」方面還有更多工作要做。這些承認為接下來的發展定下了基調:Sottiaux 所指的最後一刻變更是否確實解決了測試者的抱怨,以及 Altman 承諾的可用性改善將如何在即將發布的版本中落實。

GPT-6.2 Astra 與 Sol 現已透過 ChatGPT Work、Codex 以及 OpenAI 的 API 向符合資格的用戶提供。Codex 專屬的變更已包含在發布中,但直接透過 API 存取模型的開發者則不會獲得同樣的提示干預。