亚洲另类色综合网,99色婷婷综合视频,东京热蜜桃网

GPT-5.2 隆重發(fā)布！

2025-12-12 18:11

來源： OFweek人工智能網(wǎng)

剛剛，OpenAI 推出 GPT?5.2，為專業(yè)知識型工作而打造。

企業(yè)用戶表示?，AI 每天能為他們節(jié)省 40–60 分鐘；而重度用戶甚至表示，每周能節(jié)省超過 10 小時。

GPT?5.2 在制作電子表格、設(shè)計演示文稿、編寫代碼、識別圖像、理解長文本上下文、使用工具以及處理復(fù)雜的多步驟項(xiàng)目方面表現(xiàn)更佳。

在基準(zhǔn)測試 GDPval 中，GPT?5.2 在涵蓋 44 個職業(yè)的明確知識型工作任務(wù)上超越了行業(yè)專家。

多名用戶觀察到，GPT?5.2 展現(xiàn)出強(qiáng)大的長時推理和工具調(diào)用性能，且在智能體數(shù)據(jù)科學(xué)和文檔分析任務(wù)中表現(xiàn)出色。

除此之外，GPT?5.2 在智能體編碼方面達(dá)到了行業(yè)領(lǐng)先水平，并在交互式編程、代碼審查和缺陷定位等領(lǐng)域帶來了可量化的提升。

GPT?5.2 Instant、Thinking 和 Pro 將從今天開始陸續(xù)上線，API 現(xiàn)已向所有開發(fā)者開放。

模型性能

具備經(jīng)濟(jì)效益

GPT?5.2 Thinking 非常適合真實(shí)場景與專業(yè)工作的模型。在 GDPval? 評測（覆蓋 44 個職業(yè)、用于衡量明確知識型工作任務(wù)的評估）中，GPT?5.2 Thinking 有 70.9% 的對比項(xiàng)目表現(xiàn)優(yōu)于頂尖行業(yè)專業(yè)人士或與其持平。這些任務(wù)包括制作演示文稿、電子表格以及其他專業(yè)產(chǎn)出。

GPT?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。

一位 GDPval 評委評價道：“布局設(shè)計頗為驚艷，對兩個交付物的建議也非常到位，只是其中一個仍有一些小錯誤需要修正�！�

此外，在針對初級投資銀行分析師的內(nèi)部電子表格建模任務(wù)的基準(zhǔn)測試中（例如，為財富 500 強(qiáng)公司制作格式規(guī)范、引用完整的三表模型，或?yàn)樗接谢灰讟?gòu)建杠桿收購模型），GPT?5.2 Thinking 的平均任務(wù)得分較 GPT?5.1 提升了 9.3%，由 59.1% 增至 68.4%。

并排對比顯示，GPT?5.2 Thinking 生成的電子表格和幻燈片在復(fù)雜度與格式呈現(xiàn)上都有明顯提升。

編碼

GPT?5.2 Thinking 在 SWE-bench Pro 測試取得了 55.6% 的新成績。SWE-bench Pro 涵蓋四種語言，旨在更具抗污染性、更具挑戰(zhàn)性、更具多樣性，也更貼近真實(shí)工業(yè)場景。

在 SWEvbench Verified 測試中，GPT?5.2 Thinking 取得了我們?nèi)碌淖罡叱煽儯?/span>80%。

這意味著該模型能夠更可靠地調(diào)試生產(chǎn)環(huán)境代碼、實(shí)現(xiàn)功能需求、重構(gòu)大型代碼庫，并以更少的人工干預(yù)完成端到端的修復(fù)交付。

GPT?5.2 Thinking 在前端軟件工程方面也優(yōu)于 GPT?5.1 Thinking。早期測試者發(fā)現(xiàn)，它在前端開發(fā)以及復(fù)雜或非傳統(tǒng)的 UI 工作上表現(xiàn)更強(qiáng)（尤其是涉及 3D 元素的場景）。

Windsurf 首席執(zhí)行官 Jeff Wang 表示，“GPT-5.2 代表了自 GPT-5 以來在智能體編碼上的最大飛躍，并且在同價位中是業(yè)界領(lǐng)先的編碼模型�！�

減少幻覺

GPT?5.2 Thinking 的幻覺率低于 GPT?5.1 Thinking。在一組來自 ChatGPT、已去標(biāo)識化的查詢中，含有錯誤的回答出現(xiàn)頻率相對減少了 38%。

長上下文

在深度文檔分析中，GPT?5.2 Thinking 的準(zhǔn)確性顯著高于 GPT?5.1 Thinking，在 4-needle MRCR 評測變體（最長可達(dá) 256k Token）中實(shí)現(xiàn)接近 100% 的準(zhǔn)確率。

工具調(diào)用

GPT?5.2 Thinking 在 Tau2 bench Telecom 測試中取得了 98.7% 的成績，展示了它在長程、多輪任務(wù)中可靠使用工具的能力。

在對延遲敏感的場景中，GPT?5.2 Thinking 在 reasoning.effort='none' 模式下也有顯著提升，性能大幅領(lǐng)先 GPT?5.1 和 GPT?4.1。

這意味著端到端的工作流程將更加穩(wěn)健，例如處理客戶支持案例、從多個系統(tǒng)提取數(shù)據(jù)、執(zhí)行分析以及生成最終結(jié)果，各步驟之間出現(xiàn)中斷的情況也會更少。

科學(xué)與數(shù)學(xué)

在 Google 問答基準(zhǔn)測試 GPQA Diamond 中，GPT?5.2 Pro 取得了 93.2% 的成績，GPT?5.2 Thinking 緊隨其后，達(dá)到 92.4%。

在專家級數(shù)學(xué)評測 FrontierMath (Tier 1–3) 中，GPT?5.2 Thinking 解決了 40.3% 的問題。

AGI

在 ARC-AGI-1 (Verified) 這一用于衡量通用推理能力的基準(zhǔn)測試中，GPT?5.2 成為首個突破 90% 閾值的模型，相較去年 o3?preview 的 87% 有明顯提升，同時將達(dá)到該性能的成本降低了約 390 倍。

在更高難度、更加側(cè)重流體推理能力的 ARC-AGI-2 (Verified) 中，GPT?5.2 Thinking 以 52.9% 的成績刷新了鏈?zhǔn)剿季S模型的最新紀(jì)錄；GPT?5.2 Pro 表現(xiàn)更進(jìn)一步，達(dá)到 54.2%，進(jìn)一步拓展了模型在處理全新抽象問題時的推理能力。