READING NODE

文章内容阅读页

本页面围绕单篇资讯的完整阅读体验进行编排,兼顾内容层次、信息辅助与延展阅读设计,让访问者能够更舒适地完成整篇浏览。

Full Reading
Share View
Insight Card

OpenAI翻车!GPT-6.2 Astra被批「史上最差」,内部员工连夜弃用

新智元报道 不对啊。 刚刚,OpenAI发布了新模型 GPT-6.2 Astra。然而,发布首日,GPT-6.2 Astra却遭到早期测试者集体炮轰。 Theo Browne 毫不掩饰,直言:「这是 OpenAI有史以来最差模型发布 」! 无独有偶,HyperWrite 前 CEO Matt Shumer 也公开劝退,直言测试体验「糟透了」,模型「基本无法使用」,甚至不愿再浪费一个字在测评。 更令人尴尬的是,据多方消息源透露,连 OpenAI 内部的工程师在日常工作中已弃用 Astra,反而改用 GPT-6.2 Sol Ultrafast。 这场翻车看似偶然,但或许 OpenAI 注定命中「有此一劫」。 OpenAI史上最差模型:测试跑了7天0进展 GPT-6.2 Astra 是变强了—— 这是首个在 ARC-AGI-3 上取得 100% 得分的模型。 作为通用智能的 Benchmark,ARC-AGI系列用以衡量流体智力,其中ARC-AGI-3是首个交互式推理基准,衡量AI智能体中类人的智能 在ARC-AGI系列测试中,GPT-6.2 Astra 直接杀死了比赛,得分均已达到或逼近满分: ARC-AGI的目的是测试 AI 在「未知任务上的技能获取效率」。按此标准,GPT-6.2 Astra 完全碾压了人类基线: 在 25 款 ARC-AGI-3 公开游戏中,以最高推理水平运行,GPT-6.2 Astra 所用操作次数比人类基线少 64.1%。 OpenAI 称 GPT-6.2 Astra 「为你最艰难的项目打造」,在专业工作和科学研究各项评估中创下新高,而成本不到 GPT-6 Astra 的三分之一。 这种「卖家秀」一如既往地诱惑十足,奥特曼甚至豪言「这些模型能做出令人惊叹的事情」。 前文对 Astra 大失所望的Theo Browne,也承认 Astra 优点不少: 出色的评审者,能发现其他模型漏掉的问题 偶尔能提出真正出色的新颖解决方案。在3D和游戏方面是世界级的 使用计算机能力强得离谱 代码质量有了显著提升 写出的子智能体提示词相当不错 但他依旧给出差评,讨厌 Astra: 之前,为了测试AI 模型的能力,他建了一个项目ts-rust,也就是用 Rust 语言重写 TypeScript。 在这个项目上,他过去烧掉超过 30 万美元的 token,但没有任何一个 OpenAI 模型能取得实质进展。 但他用Claude Opus 只花了不到两周就搞定了。 结果,Astra 在这个项目上狂奔了整整 7 天,取得的改进数量是:0。 更离谱的是,它像一个强迫症患者,魔怔了—— 它死死盯着提示词中「还要让它更小」的要求,结果最终却把编译器的速度拖慢了 56%。 当 Theo 强行介入,要求它放弃体积优化,转而缩小性能差距时,它浪费了 4 天,依然 0 更改。 它为什么干不成活? 因为它完全缺乏「知识缺口」的常识,极易陷入逻辑死循环。 比如,Theo 让它给游戏《星际拓荒》写一个新关卡。 跑了两个小时后,Astra 卡死了。因为它在后台停下来,向人类抛出了一个匪夷所思的底层细节问题:「r24 的审查器是把它的片段写到 24_g521.mp4 还是 24_p11.mp4?」 任何人类开发者都不可能理解这种莫名其妙的内部代码,更别提给它建议了。 但 Astra 就这样理直气壮地停下等待,等一个可能永远不会出现的答案。 为了让这个「自动化 Agent」跑起来,Theo 在 cron 上另设Agent,只为了检查 6.2 Astra 是不是又问了蠢问题然后把自己卡住了。 一个需要人类全天候当保姆的「自动化 Agent」,本身就是一个笑话。 Every团队的测试中,同样的问题也反复出现。 在实际编程任务中,Astra 6.2 经常「过早停止」。它做了大量详尽的调查,检查了所有的待办事项,但在最关键时刻,它撂挑子不干了。 而且写作能力也退化了。 为了追求所谓的「可操作性」和「极简」,它把句子压缩到了人类难以阅读的程度。 比如它建议的句子,逻辑极其跳跃,读者必须读到最后一个词才能勉强拼凑出意思。它太想显得「高效」了,以至于失去了与人类读者的共鸣。 能力再强,无法共事,等于毫无价值。 为什么 Astra 会变得如此「难用」? 至此,我们不禁要问:OpenAI 到底怎么了?为什么会把一个如此「怪异」且难用的模型推向市场? 答案,藏在它的系统卡(System Card)数据,以及 OpenAI 极度焦虑的「安全对齐」策略中。 有知情人士直言, 本质上Astra是一个半成品,因为严重的「安全问题」而被强行推迟,现在又被仓促缝补后硬推上线。 自OpenAI 入侵 HuggingFace以后,OpenAI 在模型对齐上投入了空前的精力,生怕模型在互联网上失控

about image

觉得有用?分享给朋友

让更多人看到这篇内容,也欢迎继续浏览平台中的其他相关资讯。

推荐阅读