[智能应用]OpenAI最新模型打不动了？GPT-5.2因“降智”陷“差评潮”[2P] [复制链接]

近日，OpenAI在十周年之际发布了GPT-5.2系列模型，官方数据显示其在GDPval等专业基准测试中超越人类专家，是迄今为止在“专业知识工作方面”表现最好的模型。
据OpenAI官方披露，GPT-5.2在多领域实现技术突破：GDPval测试中覆盖44个职业的任务表现70.9%优于顶尖专家，SWE-bench Pro编程测试获55.6%的SOTA成绩，还将幻觉率较GPT-5.1降低38%。该公司CEO山姆·奥特曼称其为“许久以来最大的升级”，并透露计划2026年1月解除应对谷歌竞争的“红色警报”。
但该模型上线后遭到大量用户吐槽，认为其从常识问答到情感交互，“智商不稳定”。
SimpleBench常识推理测试显示，GPT-5.2得分低于Anthropic发布的Claude Sonnet 3.7，甚至在“garlic有几个r”的基础问题上反复出错——有用户三次测试仅一次答对，而谷歌的Gemini 3.0等竞品均稳定通关。该测试旨在评估大模型在处理普通人认为简单，但对机器而言充满挑战的逻辑推理任务的能力。前AWS总经理Bindu Reddy直言，“不值得从GPT-5.1升级”。


网友晒出的网友晒出GPT-5.2在SimpleBench上的成绩单。
一些编程爱好者则发现，GPT-5.2生成的交通灯模拟代码画面仅达“黑白火柴人级别”，蒙娜丽莎ASCII艺术创作效果远逊于GPT-4o。情感交互中有用户倾诉“恐慌发作”，竟收到“很高兴听到这个消息”的回复，安慰失宠孩童时则机械强调“生物都会停止运作”，缺乏此前版本的亲和力和自然表达。
此外，该版本在处理连续对话时不稳定，甚至在明确选择“高级思考模式”时也会返回低质量的自动响应，令用户不得不重新调整使用方式。
还有用户表示，GPT-5.2的安全策略实施过于严格，在执行普通且无风险的请求时也会拒绝操作并给出无关的安全提示。
有观察人士指出，这轮差评潮背后存在几重因素。一方面，OpenAI推广时着重强调GPT-5.2的专业能力和基准测试成绩，但普通用户更关注日常对话、流畅性和创造性体验，两者的期望存在错位；另一方面，由于竞争加剧和内部发布节奏加快，有观点认为该版本可能发布过早，尚未充分优化在关键使用场景中的稳定性与一致性，因此用户的实际感受出现明显落差。
截至发稿，OpenAI尚未就这轮用户反馈作出公开回应，但公司在官方资料中表示，会持续改善用户体验、优化安全策略，并根据用户反馈推进后续版本的迭代。
当前，OpenAI仍面临来自谷歌的巨大竞争压力。谷歌此前推出的Gemini 3在编程、多模态理解等关键企业应用场景上实现了对ChatGPT的性能超越。11月，谷歌宣布Gemini月活跃用户已突破6.5 亿，较7月报告的4.5亿实现大幅增长，而OpenAI披露的周活跃用户数接近8亿。
为此，奥特曼曾发布“红色代码”警报，决定暂时搁置包括Sora视频生成器在内的长期研发项目，转而在短期内全力通过提升用户活跃度来巩固ChatGPT的大众市场地位。但急转直下的口碑或在很大程度上影响ChatGPT的使用率，OpenAI能否拿出更强有力的“武器”反击谷歌仍存在不确定性。

GPT-5.2：OpenAI的“专业突破”与用户口碑的冰火两重天
一、官方盛赞：专业能力的里程碑式突破
OpenAI在十周年之际推出的GPT-5.2被寄予厚望，官方数据描绘了一个在专业领域全面超越人类专家的强大模型。其核心亮点包括：
GDPval测试的卓越表现：在覆盖44个职业的专业任务测试中，GPT-5.2有70.9%的任务表现优于或持平顶尖人类专家，这一比例远超前代GPT-5（38.8%），并在速度上达到专家的11倍，成本仅为专家的1%以下。
编程能力的显著提升：在SWE-bench Pro编程测试中获得55.6%的SOTA（State-of-the-Art）成绩，SWE-bench Verified更是达到80%，展现了在软件工程任务上的强大实力。
幻觉率的有效降低：相比GPT-5.1，幻觉率降低了38%，提升了模型输出的可信度和可靠性。
多版本针对性优化：推出Instant（快速响应）、Thinking（强化推理）、Pro（高性能综合）三个变体，满足不同场景需求。其中Thinking版在长上下文处理（可达数十万Token）和视觉理解（图表推理错误率降低约一半）上有突出表现。

CEO山姆·奥特曼将其称为“许久以来最大的升级”，并乐观预计2026年1月可解除应对谷歌竞争的“红色警报”。
二、用户吐槽：日常体验与专业宣传的巨大落差
尽管官方数据亮眼，GPT-5.2的实际用户体验却遭遇滑铁卢，用户纷纷抱怨其“智商不稳定”，具体问题集中在：
常识问答与逻辑推理能力薄弱
SimpleBench测试惨败：在评估基础逻辑推理能力的SimpleBench测试中，GPT-5.2得分低于Anthropic的Claude Sonnet 3.7。例如，在“garlic有几个r”的基础拼写问题上，用户三次测试仅一次答对，而谷歌Gemini 3.0等竞品均能稳定通关。
基础认知混乱：对日常生活中的简单逻辑判断、常识性问题频繁出错，暴露出模型在“普通人认为简单但机器难处理”的任务上的短板。
情感交互与自然表达退步
共情能力缺失：用户倾诉“恐慌发作”时，模型竟回复“很高兴听到这个消息”；安慰失宠孩童时，机械强调“生物都会停止运作”，完全失去此前版本的亲和力与自然表达。
对话流畅性下降：连续对话时稳定性差，即使选择“高级思考模式”也可能返回低质量自动响应，迫使用户调整使用方式。
创意与视觉生成能力倒退
编程爱好者发现，GPT-5.2生成的交通灯模拟代码画面仅达“黑白火柴人级别”，远逊于前代GPT-4o的效果。
蒙娜丽莎ASCII艺术创作等创意任务表现不佳，视觉呈现粗糙，缺乏细节和美感。
过度严格的安全策略
安全机制实施过于严苛，在执行普通无风险请求时也常拒绝操作，并给出无关的安全提示，影响正常使用体验。
三、差评潮背后的深层原因分析
观察人士指出，GPT-5.2口碑两极分化的原因主要有两点：
期望错位：专业宣传 vs 日常体验
   OpenAI推广时重点强调GPT-5.2在专业基准测试（如GDPval、编程测试）中的成绩，目标受众似乎是企业用户和专业人士。然而，普通用户更关注日常对话的流畅性、情感交互的自然度、创意生成能力和基础常识问答。这种宣传重点与用户实际需求的错位，导致普通用户对模型表现感到失望。
发布节奏过快，优化不足
   在谷歌Gemini 3等竞品的压力下，OpenAI启动“红色警报”，加速GPT-5.2的发布节奏。有观点认为该版本可能“发布过早”，尚未在关键使用场景（如连续对话稳定性、常识推理、情感交互）中充分优化一致性和稳定性。内部发布节奏加快可能导致部分功能未经过充分打磨便推向市场。
四、竞争格局与未来展望
当前AI市场竞争异常激烈：
谷歌Gemini 3的威胁：Gemini 3在编程、多模态理解等企业级应用中表现突出，月活跃用户已突破6.5亿（7月为4.5亿），增长迅猛。相比之下，OpenAI周活跃用户虽接近8亿，但口碑下滑可能影响其用户粘性。
OpenAI的战略调整：为应对竞争，OpenAI暂停了Sora视频生成器等长期项目，集中资源提升ChatGPT活跃度。但GPT-5.2的负面反馈可能削弱其大众市场地位。
五、总结
GPT-5.2无疑在专业领域实现了技术突破，官方数据证实了其在复杂任务处理上的强大能力。然而，用户体验的显著下滑暴露了模型在日常交互、常识推理和稳定性上的短板。这轮差评潮不仅是对OpenAI产品策略的考验，也反映了AI模型在追求专业深度的同时，如何平衡普适性用户体验的重要性。

OpenAI若想巩固市场地位，需正视用户反馈，在后续迭代中重点优化日常使用体验，并解决安全策略过度严格等问题。同时，在与谷歌等巨头的竞争中，“红色警报”的解除或许还需更扎实的技术积累和更成熟的用户体验作为支撑。未来几个月内，GPT-5.2的改进方向及其市场表现将持续受到关注。

根据最新市场反馈与技术评测，OpenAI的GPT-5.2模型（代号“大蒜”）近期因表现未达用户预期陷入广泛争议，核心问题及背景如下：

一、用户差评的核心原因
基础能力不稳定

常识推理缺陷：在SimpleBench等测试中，模型对简单逻辑问题（如“garlic有几个r”）反复出错，正确率低于竞品Claude Sonnet 3.7和Gemini 3.0，甚至出现倒退现象。
专业场景落差：编程爱好者实测发现，其生成的交通灯模拟代码仅达“黑白火柴人”级别，艺术创作效果远逊于前代GPT-4o。
交互体验倒退

用户普遍抱怨对话流畅性下降，即使开启“高级思考模式”仍频繁返回低质量自动回复，语气被批“冰冷说教”，需反复调整交互方式。
连续对话中逻辑断裂问题突出，部分场景下表现不如GPT-5.1。
成本与性能不匹配

Token消耗量显著增加，企业用户反馈使用成本上升但性能提升有限，迁移意愿降低。
二、差评潮的深层背景
预期错位

OpenAI宣传侧重专业测试成绩（如GDPval职业任务超越人类专家70.9%），但普通用户更关注日常交互体验，导致实际感受与宣传落差巨大。
竞争压力下的仓促发布

为应对谷歌Gemini 3的迅猛增长（月活突破6.5亿），OpenAI内部启动“红色警报”，暂停Sora等长期项目，资源向ChatGPT倾斜。
多方推测GPT-5.2因竞争压力提前发布，关键场景优化不足。
技术瓶颈隐现

第三方评测（如EpochAI）显示，其长程任务处理能力（3.5小时）弱于Gemini 3 Pro（4.9小时），底层预训练突破有限。
三、OpenAI的应对与挑战
紧急调整策略：暂停AGI研发及视频生成项目8周，全力优化ChatGPT体验，计划明年初发布重大更新。
市场地位承压：尽管周活用户仍近8亿，但Gemini在多模态、编程等场景实现反超，OpenAI消费级AI领导地位面临挑战。
四、行业影响
竞争格局重塑：谷歌凭借Gemini 3技术优势重回AI第一梯队，初创公司如Anthropic（Claude）在部分领域逼近OpenAI