OpenAI近日推出GPT-5.2系列模型，这是该公司自宣布进入“红色警戒”状态后的首个重大产品更新。尽管距离上一代GPT-5.1发布仅过去一个月，新版本在多项性能指标上实现突破性进展，但市场分析认为，这家人工智能巨头仍面临严峻挑战，技术优势尚未完全转化为市场壁垒。
在数学推理领域，GPT-5.2 Thinking版本在美国数学邀请赛（AIME 2025）中取得满分成绩，成为首个在该赛事中全对的AI系统。更值得关注的是，该模型在FrontierMath前沿数学测试中解决了40.3%的专家级难题，这些题目通常需要专业数学家耗费数小时攻克。OpenAI透露，在软件工程基准测试SWE-Bench Pro中，模型修复代码bug的准确率达到55.6%，在验证集上更提升至80%，前端开发能力尤其突出，能根据单条提示生成包含3D物理模拟的完整应用。
专业工作场景中，新模型展现出显著优势。在涵盖44种职业的GDPval基准测试中，GPT-5.2 Thinking在70.9%的任务中达到或超越人类专家水平，完成速度是人类的11倍，成本不足百分之一。长文档处理方面，模型在MRCRv2测试中成为首个在256k token长度下实现近100%准确率的系统，可精准分析数百页报告中的分散信息。视觉理解能力也有质的飞跃，图表推理错误率降低近半，能准确识别模糊图像中的物体位置并标注边界框。
本次发布包含三个版本：Instant版本定位日常办公助手，Thinking版本专注深度推理任务，Pro版本则面向高难度问题求解。最引人注目的是效率革命——在ARC-AGI-1抽象推理测试中，Pro版本将准确率从去年未发布o3模型的88%提升至90.5%，同时单任务成本从4500美元骤降至11.64美元，降幅达99.7%。该测试要求模型识别未见过的模式规律，被视为衡量通用人工智能的重要指标。
然而，技术突破并未完全缓解OpenAI的危机感。在GitHub用户维护的NYT Connections文字游戏基准测试中，GPT-5.2系列表现不及预期。这项测试要求从16个词语中找出四组关联词汇，考察语言联想与分类能力。Gemini 3 Pro Preview以96.8%的准确率领跑，Grok 4.1 Fast Reasoning紧随其后，而GPT-5 Pro仅以83.9%排在第八位。分析指出，该测试反映模型对语言文化背景的理解深度，谷歌和xAI在此领域展现出独特优势。
商业层面，OpenAI采取截然不同的定价策略。GPT-5.2 API输入输出价格分别较前代上涨40%，Pro版本更达每百万输入token 21美元、输出168美元。相比之下，Gemini 3 Pro根据上下文窗口长度实行差异化定价，Claude Opus 4.5则将价格下调约三分之二。这种“奢侈品化”路线引发争议——OpenAI似乎试图通过高价建立品牌壁垒，但市场担忧其能否持续提供与价格匹配的碾压性优势。当竞争对手忙着将AI变成“水电”时，奥特曼的豪赌正面临严峻考验。
技术竞赛已进入深水区，单一基准测试的领先不再意味着全面胜利。OpenAI需要证明的不仅是模型性能，更是对真实用户需求的把握能力。在成本控制、应用场景适配、多模态交互等维度，竞争对手正加速追赶。这场关乎AI未来格局的较量，远未到分出胜负的时刻。
