Every 评测 GPT-6.2 Astra/Sol:年初无解任务已饱和,但深度工作仍欠火候
danshipper · x · 2026-11-18
Every 的 Vibe Check 栏目实测 OpenAI 两个新模型 GPT-6.2 Astra 与 Sol,核心结论:模型进步明显但定位存疑。
- 今年初 Mike Taylor 设计的一批无人能胜任的评测任务(主题化培训课程、逐分钟节目执行计划、高管练习题等),如今被这些模型乃至 Codex 基本做饱和——「年初基本无解,现在已接近满分」。
- 但作者认为这反而「让人想要更多」:模型在有限边界的任务上高效可靠,而人们真正需要帮助的复杂判断与跟进类工作,仍需更强的判断力。
- 作者担忧 OpenAI 在为「大众」打造模型:快、省力,但像其发布会视频一样校准失当;类比 Anthropic 在 Opus 5 时期的争议,认为 OpenAI 也需要一次方向修正——大多数人想要的是能做出引以为豪的出色工作,而非最后一刻糊弄过关。
所属事件:Every 实测 GPT-6.2 Astra 与 Sol:旧基准饱和,深度工作仍待提升(2 条相关)→
「漫话AGI」频道最新
- Reddit 讨论:Hinton 三年前后预测高度一致,正逐一应验 — SuburbanDad18 · 2026-11-18
- 300 位学者聚伯克利开 AI 意识大会:教廷与美联社都盖章「AI 没有意识」? — ShakeelHashim · 2026-11-18
- Casey Handmer 称 Claude 5.5 胜过 99.99% 物理学家且快万倍 — DanielWhiteson · 2026-11-18
- 观点:AI 挖漏洞提速迫使 IT 集中升级,连锁宕机的真正推手 — Dave_it_up · 2026-11-18
- 研究者评高校发表梯队:中国高校激励致方差过大 — minhnguyen · 2026-11-18
- Anima Anandkumar 在 SC26 提出 LLM 之后的下一规模定律:理解物理世界的 AI — AnimaAnandkumar · 2026-11-18