Google的领先优势，只保持了不到一个月。今天是OpenAI的十周年纪念日，十周年之际，来点大的。在“红色警报”后，OpenAI在北京时间本周五拿出了最新的顶级模型GPT-5.2系列——迄今为止在专业知识工作上最强大的模型系列。
简而言之，OpenAI本次推出：
GPT-5.2Instant，为日常工作与学习而打造：
与GPT-5.1一样温暖、对话自然
更清晰的讲解，把关键信息提前呈现
改进的操作指南与分步骤讲解
更强的技术写作与翻译能力
更好地支持学习与职业规划
GPT-5.2Thinking，为专业级工作全面提升标准：
业界最先进的长上下文推理能力
在电子表格的生成、分析与排版方面取得重大提升
在演示文稿制作方面已有初步突破
GPT-5.2Pro，在面对困难问题时最聪明、最值得信赖的模型：
在编程等复杂领域表现更强
最适合帮助并加速科学研究的模型
GPT-5.2的设计目标，就是为人们创造更多经济价值：它在制作电子表格、构建演示文稿、编写代码、理解图像、处理超长上下文、使用工具，以及执行复杂的多步骤项目方面都有显著提升。
真正的生产力不是空口无凭，让我们来看看数据，GPT-5.2到底有多强。
在如图所示的众多基准测试中，GPT-5.2均刷新了最新的SOTA水平。
你可以注意到，AIME2025（数学）的分数是100%，之前Gemini3Pro的分数是95%；ARC-AGI-2（抽象推理）的分数是52.9%，对比Gemini3Pro是31.1%；此外SWE-benchpro（编码）的分数是55.6%，对比Gemini3Pro是43.3%。
GPT-5.2在GDPval（知识工作）基准上的分数为74.1%，OpenAI声称这是AI模型首次达到了“人类专家水平”。
总体来看，GPT-5.2在通用智能、长上下文理解、自主式工具调用以及视觉能力方面均带来了显著提升，使其比以往任何模型都更擅长端到端地完成复杂的真实世界任务。
山姆・奥特曼表示，GPT-5.2是OpenAI很长一段时间以来最大的一次升级。
真正的生产力
GPT-5.2Thinking是迄今为止最适合真实世界专业场景的模型。在GDPval——一个覆盖44个职业、针对明确知识工作任务的评估体系中，GPT-5.2Thinking刷新了SOTA成绩，并成为OpenAI首个整体表现达到或超过人类专家水平的模型。
根据专业评审的判断，在GDPval的知识工作任务对比中，GPT-5.2Thinking在70.9%的对比中击败或与顶尖行业专家持平。这些任务包括制作演示文稿、电子表格以及其他专业产出物。
在执行GDPval任务时，GPT-5.2Thinking生成输出的速度超过专家11倍以上，成本却低于1%。这表明，在配合人工监督时，GPT-5.2能显著辅助专业工作。
速度和成本估算基于历史数据；ChatGPT中的实际速度可能有所差异。
在GDPval中，模型需要完成覆盖美国GDP贡献度最高的9大行业中44个职业的、明确规定的知识工作任务。这些任务要求生成真实的工作产出，例如：销售演示文稿、会计报表/电子表格、急诊排班表、制造流程图，甚至是短视频等。在ChatGPT中，GPT-5.2Thinking配备了GPT-5Thinking所不具备的新工具。
在评审一份表现尤其出色的输出时，一位GDPval评委评论道：
“这是一次令人兴奋且明显的质量飞跃……[它]看起来就像是由一家专业公司团队完成的，两个交付物的版式设计和建议都出乎意料地优秀，不过其中一个仍有一些小错误需要修正。”
此外，在OpenAI内部用于测试初级投行分析师能力的电子表格建模基准中（例如：为一家财富500强企业构建包含三张财务报表的模型，并具备正确格式和引用；或为私有化交易构建杠杆收购模型），GPT-5.2Thinking的任务平均得分比GPT-5.1提升了9.3%，从59.1%上升到68.4%。
对比显示，GPT-5.2Thinking在生成电子表格与演示文稿时，在专业度与排版质量上都有显著提升：
Prompt:Createaworkforceplanningmodel:headcount，hiringplan，attrition，andbudgetimpact.Includeengineering，marketing，legal，andsalesdepartments.
5.1错误地计算了种子轮、A轮和B轮的清算优先权，并且将这些行的大部分留空，导致最终的股权分配计算结果不正确。它还在表头行中错误地插入了公式。5.2则完整且准确地完成了所有计算，并以可审计的方式呈现结果。
要在ChatGPT中使用新的电子表格和演示文稿生成功能，您需要使用Plus、Pro、Business或Enterprise方案，并选择GPT-5.2Thinking或GPT-5.2Pro。复杂内容的生成可能需要数分钟时间。
新的编码高峰
GPT-5.2Thinking在SWE-BenchPro上取得55.6%的最新SOTA成绩。
SWE-BenchPro是一个严格评估真实世界软件工程能力的基准。与只测试Python的SWE-benchVerified不同，SWE-BenchPro涵盖四种编程语言，并设计得更具抗污染性、挑战性、多样性和工业相关性。
在SWE-BenchPro中，模型会获得一个代码仓库，并必须生成补丁（patch）来解决一个真实的软件工程任务。
在SWE-benchVerified上，GPT-5.2Thinking取得了80%的新的最高分。
对于日常专业使用来说，这意味着模型在以下方面更加可靠：调试生产环境代码、实现功能请求、重构大型代码库，以及以更少人工干预的方式完成端到端修复。
GPT-5.2Thinking在前端工程能力上也优于GPT-5.1Thinking。早期测试者发现，它在前端开发以及复杂或非常规的UI设计（尤其是包含3D元素的界面）方面的能力显著增强，使其成为全栈工程师的强大日常助手。
以下是它根据单条提示词即可生成的部分示例：
新的幻觉低谷
GPT-5.2Thinking的幻觉率显著低于GPT-5.1Thinking。
在一组来自ChatGPT的去标识化真实用户查询上，含错误的回答相对减少了30%
对于专业用户而言，这意味着在进行研究、写作、分析和决策支持时，模型犯错更少，从而让日常知识工作更加可靠稳健。
推理力度被设置为可用的最高级别，并启用了搜索工具。错误由其他模型检测，而这些模型本身也可能会出错。在主张级别（claim-level）的错误率远低于回答级别（response-level）的错误率，因为大多数回答都包含多个独立主张。
摆脱上下文限制
GPT-5.2Thinking在长上下文推理方面达到了新的业界最先进水平，在OpenAIMRCRv2上取得领先表现——这是一个用于测试模型整合长文档中分散信息能力的评估基准。在真实世界任务（如深度文档分析）中，当相关信息分布在数十万token中时，GPT-5.2Thinking的准确性显著优于GPT-5.1Thinking。
特别值得注意的是，GPT-5.2Thinking是OpenAI首个在4-needleMRCR变体（长度可达256ktokens）上达到接近100%准确率的模型。
从实际应用来看，这意味着专业人士可以使用GPT-5.2来处理超长文档——例如报告、合同、科研论文、访谈记录以及多文件项目——同时在数十万token的跨段信息中保持连贯性和准确性。这让GPT-5.2尤其适合深度分析、综合推理以及复杂的多来源工作流。
在OpenAI-MRCRv2（多轮共指消解）评测中，会将多个相同的“针”（needle）式用户请求插入到由大量类似请求与回复构成的长“草堆”（haystacks）中，然后要求模型复现第n个针对应的回答。Meanmatchratio（平均匹配率）用于衡量模型回答与正确答案之间的平均字符串匹配程度。图中256k最大输入token的点代表对128k–256ktoken输入范围的平均表现，以此类推。其中256k表示256×1，024=262，144token。推理力度被设置为可用的最高级别。
对于那些需要在最大上下文窗口之外继续推理的任务，GPT-5.2Thinking兼容我们新的Responses/compact端点，它能够扩展模型的有效上下文窗口。
这使得GPT-5.2Thinking可以处理更多依赖工具、运行时间较长的工作流，而不会受到上下文长度的限制。
精细的视觉理解
OpenAI表示：“GPT-5.2Thinking是我们要目前最强的视觉模型，在图表推理和软件界面理解方面的错误率几乎降低了一半。”
对于日常的专业应用而言，这意味着该模型能够更准确地解读仪表盘、产品截屏、技术图表和视觉报告，从而为金融、运营、工程、设计以及客户支持等以视觉信息为核心的工作流提供强力支持。
在CharXivReasoning中，模型需要回答关于科学论文中视觉图表的问题。测试中启用了Python工具，并将推理强度（reasoningeffort）设为最大。
在ScreenSpot-Pro中，模型必须对来自各种专业环境的高分辨率图形用户界面（GUI）截图进行推理。测试中启用了Python工具，并将推理强度设为最大。如果不使用Python工具，得分会低得多。OpenAI建议在此类视觉任务上启用Python工具。
与之前的模型相比，GPT-5.2Thinking对图像中各元素的位置关系理解得更加透彻，这对于“相对布局”在解决问题中起关键作用的任务尤为重要。
在下方的示例中，OpenAI要求模型识别输入图像（本例中为主板）中的组件，并返回带有大致边界框的标签。即使在低质量图像上，GPT-5.2也能识别出主要区域，并放置有时能与每个组件真实位置相匹配的框；而GPT-5.1仅标记了少数几个部分，且对其空间排列的理解要弱得多。
很明显，两个模型都存在错误，但GPT-5.2展示出了对图像更好的理解力。
可靠的工具调用
GPT-5.2Thinking在Tau2-benchTelecom上取得了98.7%的新SOTA成绩，展示了其在长链路、多轮任务中可靠使用工具的能力。
对于延迟敏感的用例，GPT-5.2Thinking在reasoning.effort='none'（不进行额外推理思考）模式下的表现也要好得多，大幅优于GPT-5.1和GPT-4.1。
在τ2-bench中，模型需要使用工具与模拟用户进行多轮交互，以完成客户支持任务。对于电信领域，OpenAI在系统提示词中包含了一条简短且通用的指导说明以提升性能。由于航空子集的基准真实标签评分质量较低，OpenAI将其排除在外。
对于专业人士来说，这可以转化为更强大的端到端工作流——例如解决客户支持案例、从多个系统提取数据、运行分析以及生成最终输出，且步骤之间的断裂或阻滞更少。
例如，当询问一个需要多步解决的复杂客服问题时，模型可以更有效地协调跨多个智能体的完整工作流。
在下面的案例中，一位旅客报告了航班延误、错过了转机、需要在纽约过夜以及医疗座位需求。GPT-5.2管理了整个任务链（重新预订、特殊协助座位和赔偿），提供了比GPT-5.1更完整的结果。
探索科学与数学边界
OpenAI表示其对AI的愿景之一，是希望它能加速科学研究，造福每一个人。为此，OpenAI一直与科学家合作并倾听他们的意见，探索AI如何能加速他们的工作。
上个月，OpenAI在论文《EarlyexperimentsinacceleratingsciencewithGPT-5》中分享了一些早期的合作实验。
OpenAI表示：“我们相信GPT-5.2Pro和GPT-5.2Thinking是目前世界上辅助和加速科学家工作的最佳模型。”
在GPQADiamond（一个研究生级别的“防Google搜索”问答基准测试）上，GPT-5.2Pro达到了93.2%，GPT-5.2Thinking紧随其后，达到了92.4%。
在GPQADiamond中，模型需要回答关于物理、化学和生物的多项选择题。测试中未启用工具，并将推理强度设为最大。
在FrontierMath(Tier1–3)这一专家级数学评估中，GPT-5.2Thinking创下了新的SOTA，解决了40.3%的问题。
在FrontierMath中，模型解决专家级数学问题。测试中启用了Python工具，并将推理强度设为最大。
OpenAI表示：“我们开始看到AI模型以切实可见的方式有意义地加速数学和科学的进步。例如，在最近使用GPT-5.2Pro的一项工作中，研究人员探索了统计学习理论中的一个开放性问题。在一个狭窄且定义明确的设定中，模型提出了一个证明，随后该证明被作者验证并由外部专家审查，这生动地说明了前沿模型如何在密切的人类监督下辅助数学研究。”
通用推理ARC-AGI2
在ARC-AGI-1(Verified)（一个旨在衡量通用推理能力的基准测试）上，GPT-5.2Pro是首个突破90%门槛的模型。相比去年o3-preview达到的87%，它不仅实现了性能提升，还将达成该性能的成本降低了约390倍。
在ARC-AGI-2(Verified)上（该测试提高了难度并更好地隔离了流体推理能力（fluidreasoning）），GPT-5.2Thinking取得了思维链模型的新SOTA，得分为52.9%。GPT-5.2Pro的表现甚至更高，达到了54.2%，进一步扩展了模型对新颖、抽象问题进行推理的能力。
在这些评估中的提升，反映了GPT-5.2更强的多步推理能力、更高的定量准确性，以及在处理复杂技术任务时更可靠的问题解决能力。
在ChatGPT中使用GPT-5.2
OpenAI表示：“在ChatGPT中，用户应该会注意到GPT-5.2的日常使用体验更佳——它更有条理、更可靠，且对话体验依然令人愉悦。”
该公司给GPT-5.2Instant的定位是日常工作和学习的快速、强力助手。它延续了GPT-5.1Instant引入的更温暖的对话基调，并在信息搜寻、实操指南与分步教程、技术写作以及翻译方面有明显改进。早期测试者特别指出，其解释更加清晰，能够将关键信息前置。
GPT-5.2Thinking专为深度工作设计，帮助用户以更高的完成度处理更复杂的任务——特别是在代码编写、长文档总结、基于上传文件的问答、逐步处理数学和逻辑问题，以及通过更清晰的结构和更实用的细节支持规划与决策方面。
GPT-5.2Pro是OpenAI处理难题时最聪明、最值得信赖的选择。对于那些值得等待的高质量回答，它表现最佳。早期测试显示，其在编程等复杂领域的重大错误更少，表现更强。
安全
GPT-5.2基于OpenAI在GPT-5中引入的“安全完成”研究，该研究旨在教会AI模型在确保安全的前提下，给出最有帮助的答案。
据说在此版本中，研究人员继续致力于增强模型在敏感对话中的响应能力，显著改进了模型对提示自杀或自残迹象、心理健康困扰或对模型的情感依赖等问题的响应。与GPT-5.1和GPT-5Instant及Thinking模型相比，这些针对性的干预措施显著减少了GPT-5.2Instant和GPT-5.2Thinking模型的不良响应。
OpenAI提到，GPT-5.2能够自动为18岁以下用户应用内容保护，从而限制他们访问敏感内容。
定价
ChatGPT将于今日开始逐步推出GPT-5.2（包括Instant、Thinking和Pro版本），首先面向付费用户（Plus、Pro、Go、Business和Enterprise版本）提供。为确保ChatGPT的流畅性和稳定性，GPT-5.2将分阶段部署，可能有人第一时间无法看到。在ChatGPT中，付费用户仍可在三个月内继续使用GPT-5.1（旧版模式），之后GPT-5.1将逐步下线。
在API平台上，GPT-5.2Thinking以gpt-5.2的名义提供，GPT-5.2Instant则以gpt-5.2-chat-latest的名称提供。GPT-5.2Pro以gpt-5.2-pro的名称提供。开发者现在可以在GPT-5.2Pro中设置推理参数，并且GPT-5.2Pro和GPT-5.2Thinking均支持新的第五级推理难度xhigh，适用于对质量要求极高的任务。
以下是百万token的价格，OpenAI称，尽管GPT-5.2的单个token成本更高，但由于其更高的token效率，达到特定质量水平的总成本反而更低。
ChatGPT的订阅价格保持不变。
OpenAI表示，目前没有计划在API中弃用GPT-5.1、GPT-5或GPT-4.1。虽然GPT-5.2在Codex中开箱即用，但OpenAI还预计将在未来几周内发布一个针对Codex优化的GPT-5.2版本。
GPT-5.2是OpenAI与长期合作伙伴英伟达和Microsoft合作开发的。Azure数据中心和英伟达GPU（包括H100、H200和GB200-NVL72）为OpenAI的大规模训练基础设施提供了支撑。
OpenAI十周年
今天是OpenAI十岁生日，发布新模型的同时，创始人、CEO山姆・奥特曼撰文说道：
OpenAI取得的成就远超我的想象；我们当初的目标是做一些疯狂的、几乎不可能的、前所未有的事情。从充满不确定性的开端，克服重重困难，凭借持续不断的努力，我们现在看来很有可能实现我们的使命。
十年前的今天，我们向世界宣布了我们的计划，尽管我们当时并没有正式启动。又过了几个星期，直到2016年1月初（才正式开始）。
从某种意义上说，十年是一段很长的时间，但就社会变革通常所需的时间而言，十年其实并不算长。虽然日常生活与十年前并没有太大的不同，但我们今天所面临的可能性空间，与我们当年十五个书呆子围坐在一起，苦思冥想如何取得进步时所感受到的截然不同。
回看早期的照片，我首先注意到的是大家看起来都好年轻。但随后，我又注意到大家那种异乎寻常的乐观和快乐。那是一段疯狂而又充满乐趣的时光：尽管我们不被人理解，但我们却有着坚定的信念，觉得这件事意义非凡，即使成功的机会渺茫也值得全力以赴；我们拥有才华横溢的人，以及清晰的目标。
随着我们取得一些成功（以及许多失败），我们逐渐对现状有了更清晰的认识。那时，要确定具体应该做什么并不容易，但我们建立了一种鼓励探索的卓越文化。深度学习无疑是一项伟大的技术，但如果没有在现实世界中积累应用经验就贸然开发，似乎不太合适。我在此略过我们所做的一切（希望将来有人能写成一部历史著作），但我们始终秉持着一种积极进取的精神，不断探索眼前的下一个挑战：研究的下一步方向是什么？如何筹集资金购买更强大的计算机？等等。我们率先开展了使人工智能安全可靠且切实可行的技术工作，这种精神一直延续至今。
2017年，我们取得了一些奠基性的成果：Dota1v1的实验结果，将强化学习推向了新的规模；无监督情感神经元实验，证明语言模型能够清晰地学习语义，而不仅仅是语法；基于人类偏好的强化学习成果，展示了将人工智能与人类价值观相契合的初步途径。当时，创新远未结束，但我们深知，需要借助强大的计算能力来扩展这些成果。
我们坚持不懈，不断改进技术，并在三年前推出了ChatGPT。世界为之瞩目，而GPT-4的发布更是引起了广泛关注；突然之间，通用人工智能（AGI）不再是天方夜谭。过去的三年极其紧张，压力巨大，责任重大；这项技术以前所未有的规模和速度融入了世界。这需要极其高超的执行力，我们必须迅速培养新的能力来应对。在如此短的时间内从零发展成为一家庞大的公司绝非易事，我们每周都要做出数百个决策。我为团队做出的众多正确决策感到自豪，而那些错误决策大多是我的责任。
我们不得不做出一些新的决策；例如，在思考如何让AI最大限度地造福世界时，我们制定了一项迭代部署策略，将早期版本的技术成功推向市场，让人们形成认知，社会与技术共同演进。这在当时颇具争议，但我认为这是我们做出的最明智的决策之一，如今已成为行业标准。
OpenAI成立十年以来，我们拥有的AI能够在最艰难的智力竞赛中胜过我们大多数最聪明的人。
世界已经利用这项技术创造了非凡的成就，我们期待明年还能看到更多非凡的成果。迄今为止，世界在减轻潜在的负面影响方面也做得不错，我们需要继续努力，保持这种势头。
我从未像现在这样对我们的研发和产品路线图，以及实现我们使命的整体方向感到如此乐观。我相信，再过十年，我们几乎肯定能够打造出超级智能。我预感未来会有些奇特；在某种程度上，日常生活和我们最关心的事情几乎不会发生太大变化，而且我相信，我们会继续更加关注其他人所做的事情，而不是机器所做的事情。但在另一方面，2035年的人们将能够做到我们现在难以想象的事情。
衷心感谢那些信任我们并使用我们的产品创造佳绩的个人和公司。如果没有他们的支持，我们或许还只是实验室里的一项技术；我们的用户和客户在很多情况下都对我们寄予了过高的期望，没有他们的支持，我们的工作不可能达到今天的成就。
我们的使命是确保AGI造福全人类。面前还有很多工作要做，但我为团队目前的发展方向感到非常自豪。我们已经看到人们利用这项技术所取得的巨大成果，而且我们知道，未来几年还将有更多成果涌现。
参考内容：
https://openai.com/index/introducing-gpt-5-2/
https://openai.com/index/ten-years/
GPT5.2SystemCard：
https://cdn.openai.com/pdf/3a4153c8-c748-4b71-8e31-aecbde944f8d/oai_5_2_system-card.pdf
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】