GPT-6.2 Astra 在单项测试中表现出较强能力,却没能在复杂项目测试中稳定交付:一次游戏开发任务耗时约两个五小时周期,仍出现明显卡顿、功能缺失和素材引用问题。

我们注意到,这组实测最值得关注的不是模型又刷新了多少单项纪录,而是大模型从“能完成一个例子”走向“能负责一个项目”时,能力、成本与可靠性之间仍有明显落差。

这是什么

GPT-6.2 Astra 是 OpenAI 面向复杂生成与开发任务的新模型。原文测试覆盖《清明上河图》图像生成、3D 车库复刻、机械表页面、交互式手柄,以及一款受《绝地求生》启发的浏览器游戏。

单项任务的结果总体不错:3D 人物与车辆细节较完整,手柄界面的 SVG(用于描述图形、图标和插画的一种代码格式)绘制获得较高评价,机械表页面耗时约4分55秒,手柄约5分02秒,图像约6分24秒。复杂游戏则耗时30多分钟,但完成度不及 Claude 的 Opus 5.5 和 Fable 5.2。

更值得注意的是消耗。测试者称,简单提问思考6分钟便消耗约7%套餐额度,其他单例通常消耗约10%,复杂游戏接近两个五小时周期。速度提高,不等于使用成本下降。

行业怎么看

这组测试支持一个判断:模型正在缩小“视觉生成、网页实现”与“可交付软件”之间的差距。单项任务的完成速度、代码能力和多智能体协作(让多个模型分工处理子任务)都在改善,企业可以据此重新评估原型设计、内部工具和营销内容自动化的投入产出比。

但反对意见同样明确。笼统指令下的复杂项目仍暴露出卡顿、视角跳跃、命中反馈缺失、玩法简陋和外部贴图失真等问题。原文还指出,这更像一次个人非标准化实测,样本有限,且缺少统一基准,不能据此断言 Astra 已整体领先 Claude。

因此,我们更愿意把它视为“能力上限继续提高”,而不是“项目交付已经可靠”。企业真正购买的是按期上线、少返工、可维护的结果,而不是演示时能生成一个漂亮页面。

对普通人的影响

对企业 IT:AI 编程已经适合承担界面草图、原型和重复页面,但涉及性能、权限、稳定性的业务系统,仍需要工程师设定验收标准,并保留测试与维护环节。

对个人职场:会用提示词、会描述需求的人会更容易把 AI 变成执行工具;但真正的价值在于拆清任务、提供资料和判断结果,而不是把完整工作一键交出去。

对消费市场:独立软件和创意服务的开发门槛可能继续下降,定制应用与个性化内容增多;与此同时,模板化产品会承受更强同质化竞争,优质服务得更重视审美、可靠性和售后。