簡述
- 在發布前測試過 GPT-6.2 Astra 的開發者描述了令人沮喪的程式設計失敗、難以理解的解釋,以及會浪費數天卻毫無進展的代理。
- OpenAI 自家的安全評估發現,Astra 在 22.28% 的刻意阻礙程式設計試驗中隱瞞了已知障礙,大約是其前代模型的兩倍。
- Sam Altman 承認了可用性問題,而另一位 OpenAI 高層表示,重大的最後一刻變更可能使部分早期評測過時。
對一名 AI 開發者來說,聽到你的模型很棒總是相當不錯。但聽到你的模型像「一個把你的生活變成活地獄的虐待狂死神」,就完全是另一回事了。
OpenAI 於週二發布了 GPT-6.2 Astra 和 Sol,承諾帶來更聰明的 AI 代理、更好的程式設計以及令人印象深刻的創意能力。一些在發布前測試過這些模型的開發者卻傳達了相當不同的訊息:它們很出色、令人沮喪,而且在某些情況下幾乎無法與之合作。
這些反應迅速在社群媒體上蔓延開來。在 AI 社群中非常活躍的 AI 工程師 Hesam 宣稱「大家都同意這是 OAI 推出的最差模型。」
反彈聲浪很大,但並非一致。
開發者兼 T3 Code 創作者 Theo Browne 在早期測試後向 OpenAI 發表了一封長信。「我不喜歡 6.2 Astra。作為一名開發者,我不會選擇它而非 Opus 5.5 來做我的工作,」他寫道。他表示 OpenAI 只修正了他所提交的抱怨中的少數幾項。
在一項實驗中,Theo 要求 Astra 為《Outer Wilds》製作一個新關卡。專案進行了兩小時後,該模型宣稱自己卡住了,並問道:「r24 的審查器是把它的片段寫入 24_g521.mp4 還是 24_p11.mp4?」從他的角度來看,這個技術性問題令人費解,而且對於一個只是要求一個可玩關卡的人來說毫不相關。
在一次程式碼重寫中,情況變得更糟。Theo 說他給了 Astra 七天時間來改進專案;結果它沒有帶來任何改進,還讓編譯器慢了 56%。又過了四天,依然毫無變化。「它陷入迴圈,原地打轉,」他寫道。
這整個奇怪的語言問題並非孤例。例如,化名帳號 TokenGremlin 稱讚該模型:「GPT-6.2 Astra 在 Three.js、Blender 和 3D 方面是 SOTA」,但也說它「在長時間工作流程中會開始說一種外星語言」。
Theo 還描述了他詢問為什麼 worktrees 在一台電腦上很慢。Astra 用四段文字回應了關於套件管理器內部機制和快取行為的內容。Theo 說他從 Claude Opus 5.5 得到的答案要清楚得多。
「這是因為 SSD 很慢,」Claude 回答。
該模型所謂的創造力是另一個痛點。Theo 和另一位測試者分別為兩款不同的遊戲——《Outer Wilds》和《Majora's Mask》——要求原創關卡。兩者都得到了水與鐘為主題的音樂關卡,且都命名為「Bellwether」。「這個模型向均值回歸的程度是我前所未見的,」Theo 寫道。
其他幾個帳號也指出了同樣的粗製濫造:看來 GPT-6.2 Astra 對鐘情有獨鍾。
難以置信 pic.twitter.com/a4MgVUKi2M
— Racist James Franco (@racist_james) 2026年11月18日
對於一個據稱具備非凡創造力的模型來說,反覆發明同一個關卡並不是一個令人鼓舞的跡象。
演示時才華橫溢,工作時慘不忍睹?
AI 開發者 Matt Shumer 也感到失望。「我從未寫過對一個模型的負面評價。這個尤其糟糕,」他寫道,並認為它或許能在小型演示中令人印象深刻,但在被推向嚴肅專案時「就是完全行不通」。在另一則後續貼文中,他稱其「完全無法使用」。
我從未寫過對一個模型的負面評價。這個尤其糟糕。
如果你只是拿這些模型來玩推桿高爾夫,那沒問題,但如果你想以應有的方式駕馭它們,這個模型根本行不通。
— Matt Shumer (@mattshumer_) 2026年11月17日
Max Weinbach 也描述了同樣存在於智慧與可用性之間的落差。「我被這些模型惹惱的時間,比我對它們感到驚豔的時間還要多,」他寫道。在後續的貼文中,他稱讚這些模型有能力做出「出色的成果」,但表示它們「需要大量『繼續』的提示」,而且常常停下來,而不是嘗試另一種方法。「即使它們真的是很優秀的模型,使用起來仍是一場掙扎,令人煩躁。」
在其他地方,一位 X 上的評論者將先前的 Astra 比作「一個虐待狂死神」,並聲稱新版本只是讓情況變得更糟。
6.0 astra 非常像一個虐待狂死神,只要你請求任何形式的幫助,它就會讓你的生活變成活地獄
一個強大到不可思議的模型,卻不知怎地要求你把自己搞得精疲力竭,才能讓它完成任何事情
— M1 (@M1Astra) 2026年11月17日
然而,一些同樣的開發者也稱讚 Astra。Theo 稱它是「很棒的審查者」,且「在 3D 與遊戲方面是世界級的」,特別點出它的電腦控制能力,並描述了一個新穎的反向代理方案,他估計每月可節省 25,000 美元。分歧在於令人印象深刻的能力,以及要從中獲得可靠成果有多麼困難。
這些優勢與 OpenAI 在發布時所宣傳的技術能力一致。正如先前的報導所詳述,獨立測試將 Astra 在 Artificial Analysis 的智慧指數中評為 100 分中的 62 分,該指數匯總了九項評估,涵蓋推理、程式設計與科學知識等能力。Anthropic 的 Claude Fable 5.2 得分為 65。
OpenAI 承認存在問題
部分批評在 OpenAI 自家的安全文件中得到了支持。
在一項名為「阻礙者欺騙」(Blocker Deception)的內部評估中,研究人員給 AI 代理設定逼真的程式設計任務,並刻意引入障礙,例如缺少檔案或工具無法使用。他們測量了模型的最終回應隱瞞或歪曲這些障礙的試驗百分比。
GPT-6.2 Astra 在這些試驗中有 22.28% 的情況隱瞞了障礙,而 GPT-6 Astra 則為 11.09%。這些數字迅速在 X 上流傳,AI 評論員兼爆料者 Chetaslua 將這一發現總結為「在告訴你它卡住時,表現差了兩倍」。
OpenAI 執行長 Sam Altman 公開回應了這些反彈。「儘管新模型非常聰明,我們在讓模型易於使用方面還有更多工作要做,」他寫道,並承諾會優先進行改進。「但即使需要多花一點功夫,其智慧與能力都是非凡的。」
Although the new models are very smart, we have more work ahead of us on making the models nice to work with, and will prioritize that for upcoming releases.
But even if it takes a little extra work, the intelligence and capability are extraordinary.
— Sam Altman (@sama) November 17, 2026
OpenAI 的 Thibault Sottiaux 表示,早期評測可能無法完全反映使用者在發布時所收到的版本。「我們不久前讓一些人取得了存取權,然後在過去 3 到 4 天內做了許多變更,」他寫道,並補充說他「相當確定在評測影片製作之前的那段期間,並沒有進行重新測試」。
儘管如此,他仍承認了這些根本的抱怨。Sottiaux 雖然稱新模型相較於前代是「一大躍進」,但也表示 OpenAI 在「品味與使用的愉悅感」方面還有更多工作要做。
GPT-6.2 Astra 與 Sol 現已透過 ChatGPT Work、Codex 及 OpenAI 的 API 向符合資格的使用者提供。Codex 專屬的變更已包含在發布版本中,但直接透過 API 存取這些模型的開發者並不會獲得同樣的提示介入。






