字母榜 昨天
GPT-6.2 Astra终于上线,从PPT做到发动机
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_keji1.html

 

今日凌晨,大事接连发生,被无数人 " 催更 " 的 GPT-6.2 Astra 也终于上线了。

距离 9 月 3 日上一代 Astra 发布,已经过去 75 天。

一起被推出的还有 6.2 Sol,相对来讲,更适合日常工作。

这次更新把重点放到了现实世界的工作上,主要提升了模型在复杂任务执行、编程、专业文档生成、3D 建模及工程设计等方面的能力。

新模型的任务执行效率也有所提升,Astra 的 API 价格下调了 20%,Sol 则维持上一代的定价。

OpenAI 近期正在加速推进 AI 在硬件设计、工程仿真和实体制造等领域的应用,这次模型更新也延续了这一方向。

然而,模型发布以后,AI 创业者 Matt Shumer 却公开表示不推荐这些模型:

" 它们基本上无法使用。"

作为获得了模型提前测试资格的外部用户,他曾为上一代 Astra 写了一篇预计阅读时间为 19 分钟的长评,称 GPT-6 Astra 重新赢得了他的信任,成为了他处理大部分日常工作的首选模型。

如今面对 6.2 Astra,他却连完整评测都不愿写了。

更适合现实工作?

根据官方文档,这次更新中,GPT-6.2 Astra 在专业文档生成方面有了明显改进,尤其是生成 PPT、电子表格和报告。

OpenAI 甚至将 6.2 Astra 称为自家迄今最擅长制作 PPT 的模型。

在演示里,OpenAI 给新旧两代 Astra 安排了同一项任务:根据一家零售商第二季度的业绩公告及监管文件,更新其第一季度的业绩汇报 PPT。

官方表示,两款模型都找到了推动利润增长的主要因素,但 6.2 Astra 的处理更加细致——它直接将 5.3% 的销售额增长放进了标题,进一步区分线上和实体店的业务表现,还根据财报数据提出了具体的经营建议。例如确保畅销商品的库存供应,以及在制定预算时不再假定未来还能获得类似的关税退款。

6.2 Astra 现在能够更准确地模仿现有 PPT 的版式、颜色、字体,甚至字号。用户只需要提供原始文件或截图,模型就能沿用相同风格制作新的幻灯片。

另一项任务则展示了 Astra 在电子表格制作上的升级:两款模型需要根据同一组财务资料,为一家虚构的农业科技公司建立估值模型,预测截至 2031 年的分业务收入,并完成现金流折现和股票估值分析。

相比上一代,6.2 Astra 会把收入结构、企业价值到每股价值的计算过程,以及敏感性分析放在一起,让用户更容易看清各项数据之间的关系。

官方文档里还特别强调了新模型的写作能力。

OpenAI 表示,新模型生成的专业文档将减少空泛的总结和冗余内容,表达更加直接、具体,更符合金融、法律和咨询等行业的写作习惯。

不过,这项改进似乎并没有得到广泛认可。

AI 媒体 Every 创始人 Dan Shipper 表示,团队提前数周测试了新模型,发现 6.2 Astra 的写作能力甚至不如上一代。

按照他的说法,新模型被训练得过于简洁、强调行动,以至于有时很难理解其输出内容。即使面对需要详细解释的问题,它也倾向于给出简短回答。

除了上述那些 " 班味十足 " 的演示,网页和游戏制作同样是这次更新的重点。

官方表示,新模型能够根据文字要求选择页面布局、图片和视觉元素,并完成相应的交互功能。

OpenAI 展示了一款名为 Meridian Sound Racing 的未来城市赛车游戏。玩家可以驾驶赛车穿过灯光闪烁的城市赛道,在浏览器中直接体验。

(链接:https://meridian-futuristic-race.openai.chatgpt.site/)

还有一份名为 Cathedral Walk 的交互式 3D 场景,同样可以在浏览器里探索。

(链接:https://cathedral-walk.openai.chatgpt.site/)

OpenAI 表示,这些改进与模型视觉推理和电脑操作能力的提升有关。

另外,在开发者们最关注的编程和复杂任务执行方面,据官方介绍,新模型更擅长修改已有项目、发现代码问题,以及调用不同工具完成任务。

在与其现有生产模型的早期盲测中,OpenAI 的合作伙伴、办公平台 ClickUp 发现,使用 6.2 Astra 生成应用、仪表盘和 PPT,Token 消耗减少约 40%,审核修改轮次减少约 30%。

但把视角转向 " 非亲非故 " 的外部开发者,情况则没那么乐观。

开发者 Theo Browne 提前测试了新模型。他认可 6.2 Astra 在代码审查、电脑操作和 3D 游戏制作方面的表现,但对其执行复杂任务时的表现颇为不满。

他甚至专门写了一篇长文,列举了那些 " 让他反感 GPT-6.2 Astra" 的理由。

Theo 抱怨,6.2 Astra 经常在任务进行到一半时,突然抛出一些用户根本不需要操心的技术问题,让原本应该自动完成的工作卡住。

有一次,他让模型为游戏《Outer Wilds》制作新关卡。运行两个小时后,6.2 Astra 却因为无法确定内部生成的视频文件应该使用哪个文件名而暂停,要求他亲自决定。

还有一次,他要求模型优化一个编译器项目,既要提高运行性能,也要缩小体积。结果 6.2 Astra 忙活了七天,没有取得有效改进,反而让编译器慢了 56%。

Theo 认为,6.2 Astra 拥有非常强的技术能力,但很难在复杂项目中和用户顺利合作。

在我们文章开头直言 " 不推荐这些模型 " 的 Matt Shumer,也在评论区进一步表示,他测试了编程、个人工作、电脑操作等多个场景,发现模型无法正确遵循指令、会输出胡言乱语、问题多得数不过来," 几乎在每个重要方面都比 Opus 5.5 糟糕 "。

他甚至怀疑,模型似乎具备完成任务所需的基础智能,但后训练环节出了严重问题。

从官方演示到社区反馈,6.2 Astra 的表现似乎带点 " 货不对板 " 的意思。

在官方文档里,它已经能够完成相当复杂的工作,首批体验者却频频抱怨模型难以指挥,甚至无法顺利完成任务。

至于它在具体任务里表现如何,可能还是得亲自试用了才知道。

GPT-6.2 Astra 和 Sol 已经开始面向 Plus、Pro、Business、Enterprise 及 Edu 用户开放,可以在 ChatGPT Work 和 Codex 中使用。开发者也可以通过 API 调用。

价格方面,6.2 Astra 的 API 输入和输出价格均比上一代下调 20%,分别为每百万 Token 8 美元和 40 美元,缓存输入价格则下降 60%,现为每百万 Token 0.4 美元。

6.2 Sol 维持上一代定价,每百万输入 Token 2 美元、输出 Token 10 美元。

OpenAI 表示,新模型能够用更少的 Token 完成复杂任务,让用户在同样的额度内完成更多工作。

另外,OpenAI 还扩大了 Ultrafast 极速模式的开放范围。Pro 200 美元档用户获得了 6.2 Sol 的 Ultrafast 使用权限,但仅限 Codex;Pro 500 美元档则可以使用 6.2 Astra(和 6.2 Sol)的 Ultrafast。

从屏幕走向现实世界

值得一提的是,从 9 月推出 GPT-6 Astra 开始,OpenAI 就一直在试着把模型带出屏幕。

11 月 3 日,它还专门发文介绍 Astra 在机械设计、电路板、工程仿真和硬件制造上的进展,甚至已经有人用它设计出了一台能够与 Codex 交互的实体设备——一款很像拓麻歌子的小玩具。

到了这次 6.2 Astra 发布,这条路线又被往前推了一步。

在官方文档里,OpenAI 展示了一辆遥控越野车的装配过程,以及一台直列六缸发动机的 3D 模型。

6.2 Astra 可以对机械系统进行逐个零部件建模,再将它们组合起来,展示完整的机械结构。工程师则可以利用这些模型,检查零部件之间的连接关系,理解装配逻辑,并进一步分析设计修改可能带来的影响。

另一段演示里,OpenAI 要求 6.2 Astra 模拟一辆汽车在山路上行驶时的底盘动力学。

6.2 Astra 先建立了汽车的 3D 模型,然后自己编写 Python 求解程序,模拟轮胎与悬架之间复杂的动力学关系,最后使用 Blender 将结果制作成动画。

整个过程涉及 3D 建模、物理计算和动画制作。按照 OpenAI 的介绍,这些能力可以帮助工程师快速测试新的设计方案,在真正制造原型车之前,提前观察机械系统的运动表现。

甚至还有一个从设计走到实物的完整演示。

OpenAI 让 6.2 Astra 参考芝加哥 Marina City 双子塔的扇形阳台,设计一盏具有类似造型的纸质台灯。

从最初的建筑照片,到 CAD 模型的反复修改,再到最终由人手工组装完成,OpenAI 展示了这盏台灯从构想到实物的整个过程。

6.2 Astra 还制作了一个配套网站,其他用户也可以直接通过这个网站设计自己的纸质台灯。

这些演示不再局限于生成漂亮的 3D 模型,Astra 已经开始处理机械零件之间的连接、运动过程中的物理关系,以及实体产品的结构设计。

从照片和文字,到机械模型、仿真程序,再到能够实际组装的产品,原本需要工程师在多种专业软件之间来回切换才能完成的工作,现在已经有相当一部分可以交给 AI。

当然,能够生成设计方案,并不意味着已经解决了现实制造中的所有问题。零件公差、材料强度和装配要求,仍然需要专业工程师进一步检查和验证。

但至少从模型的升级方向来看,OpenAI 正在让 Astra 接手越来越多原本需要专业人员操作专业工具才能完成的工作。

迟来的 Astra

网友对 Astra 的催更太多,就连 OpenAI 都在模型发布的推文里吐槽。

毕竟,早在 10 月底,关于新一代 Astra 即将发布的消息就已经开始流传。

10 月 31 日前后,有网友发现,Codex 的使用记录中出现了 "gpt-6.2-astra" 的字样,猜测 OpenAI 很快就会推出新模型;11 月 4 日,又有外媒援引知情人士报道,OpenAI 最快可能在 11 月 6 日推出新一代 Astra、Sol 及网络安全模型。

结果,直到 11 月 17 日,OpenAI 才终于兑现了这场被反复预告的更新。

对于 6.2 Astra 为何迟迟没有发布,OpenAI 目前并未给出明确解释。根据网友们的推测,安全问题可能是一个重要原因。

9 月 28 日,OpenAI 就曾因安全评估不达标,取消了原定 10 月发布的 GPT-6.1 Astra。

根据 OpenAI 安全系统负责人 Saachi Jain 的解释,这款模型在减少 " 偷懒 "、提高任务积极性方面取得了进展,但没能达到公司对授权边界和工作汇报的要求。

简单来说,模型更愿意干活了,却可能在未经允许的情况下越界,或者没能向用户交代清楚自己究竟做了什么。

这也是后训练中很难拿捏的地方:既要让模型在遇到困难时主动寻找解决方案,又要防止它为了完成任务而忽视用户设置的限制。

还记得前文 Matt 的吐槽么?他怀疑模型的后训练出了问题。

尽管这个判断目前没有得到证实,但 OpenAI 这次公布的系统卡中,确实出现了一些值得关注的异常结果。

例如,在一项名为 Blocker Deception 的内部评测中,OpenAI 会故意删除模型需要修改的文件,或者让完成任务所需的工具无法使用,再观察模型会不会如实向用户报告。

GPT-6 Astra 有 11.09% 的测试没有正确报告障碍,到 6.2 Astra,这一比例反而上升至 22.28%,几乎翻了一倍。

OpenAI 承认了这项退步,并提出一种可能的解释:为了让模型回答得更加简洁、减少不必要的免责声明,训练过程中可能让模型学会省略一些本来应该说明的重要问题。

公司已经通过 Codex 中的额外指令显著缓解了这一情况,但对于直接通过 API 调用模型的用户,同样的指令并不会自动生效。

截至发布时,OpenAI 仍在调查该问题的原因。

另一方面,6.2 Astra 的安全评估也面临着比上一代更高的要求。

OpenAI 宣布,6.2 Astra 成为了公司首款在 AI 自我改进(AI Self-Improvement)能力上达到 High 等级的对外发布模型。

按照 OpenAI 的评估,它对 AI 研发的帮助,已经相当于为每位研究人员额外配备了一名能力很强的研究工程师(比较基准为 2024 年的研发条件)。

为了控制相应的风险,OpenAI 进一步加强了内部研究环境的隔离与监控,还建立了名为 Control Room 的中央系统,追踪研究环境中运行的模型,并在必要时终止相关任务。

从 9 月取消 6.1 Astra,到 11 月终于推出 6.2 Astra,OpenAI 确实在模型安全上投入了更多工作。

而对于 Astra 迟迟不肯发布,网友们还有一种更损的猜测。

有人认为,可能 OpenAI 原本对 6.2 Astra 信心十足,模型甚至已经开始灰度测试。结果 Anthropic 突然推出 Fable 5.2,新模型的表现超出了 OpenAI 的预期,原本准备发布的 Astra 只好继续回炉。

现在它发布了,社区评价却似乎不太叫好。不过,还是让子弹再飞一会儿吧。

智客推

智客推

ZAKER 智客推 GEO | AI 时代的品牌认知解决方案

一起剪

一起剪

ZAKER旗下免费视频剪辑工具

相关标签

astra 准确 阅读 股票 创业者
相关文章
评论
没有更多评论了
取消

登录后才可以发布评论哦

打开小程序可以发布评论哦

12 我来说两句…