大语言模型

7 组任务跑完,GPT-6.2 Astra 只在「3D 小人」这一项真正赢了 Claude Fable 5.2

2026年11月19日1 次阅读Read in English
7 组任务跑完,GPT-6.2 Astra 只在「3D 小人」这一项真正赢了 Claude Fable 5.2

先讲结论:3 分钟看懂这次横评

博主 T8star-Aix 在 GPT-6.2 Astra 与 GPT-6.2 Sol 上线当天做了一轮 25 分钟的实测,共 7 组任务,全部把推理档位开到 Extra High,对手是 Claude Fable 5.2。

他的结论可以压缩成三句话:

  • 能替代一部分 Claude 的活,尤其是建模和一次性直出的 3D 角色,Astra 这一项「完全吊打」Fable 5.2。
  • 视频和代码动画仍然不如,Astra 只是把差距从「一个天一个地」拉近到「基本差不多」。
  • 价格这一轮帮了忙:Astra 比上一代 GPT-6 Astra 便宜,Sol 没有涨价,所以「同样的活花更少的钱」这件事成立。

这不是一份带评分的基准测试。7 组任务每组只跑一次,好不好看主要靠作者肉眼判断,所以它更像一份「买之前先看别人怎么用」的体验记录,而不是排行榜。

这次测的是什么:两档模型,七组任务

OpenAI 在 11 月 17 日同时放出两个模型:做重活的 GPT-6.2 Astra,和做日常活的 GPT-6.2 Sol。两档都是 105 万 token 上下文,官方定价上 Astra 比上一代旗舰便宜约 20%,Sol 与 GPT-6.1 Sol 持平。

T8 的测试设计刻意避开了「跑分」,全部是能看见产物的任务:

  1. 代码动画:同一个骑车动画提示词,要求用 24 种不同画法生成 HTML,再导出视频。
  2. 3D 场景:生成 HTML 场景,让模型自己剪辑,看审美是否过关。
  3. 半开放命题:做一个「一只鹤」的低空竞速小游戏,其余细节交给模型自由发挥。
  4. 发布会级幻灯片:给一个不存在的品牌,让模型自己判断怎么做整场发布会报告。
  5. 浏览器音乐工作站:让模型自己写一个能在浏览器里做音乐的页面。
  6. 桌宠 / 3D 小人:上一轮 Fable 5.2 在这项上赢过 GPT 两个模型,这次重测。
  7. 压轴题:机器人足球:每队 3 个机器人,统一用 JS 写策略,有惯性、球会反弹、顶着球跑算带球、每步 20 毫秒、记忆可跨场保留、必须绕到球后面才能往前踢、禁区内最多一个人,两两对踢 20 场,共 60 场。

逐组结果:赢的只有一项,但那一项很关键

代码动画(第 1 组):作者的评价是「进步挺明显」。在 Extra High 档位下,效果已经和 Fable 5.2 差不多;6.2 这一代也总算具备了像样的代码动画能力。他同时指出,Sol 的审美不如 Astra,但「还算可以」。

3D 场景(第 2 组):结论分层很清楚——Sol 和 Fable 5.2 还有明显差距,Astra 在 3D 这一项「真的差不多」,而且从审美上他个人更喜欢 Astra。

飞行小游戏(第 3 组):三个模型都做得不错,风格化很强,要求的功能基本都加上了。这一组没有拉开差距。

发布会幻灯片(第 4 组):三个都一般。作者的解释是 PPT 本身没有代码动画那么多可发挥的效果,所以观感上「没有什么特别出挑的感觉」。

浏览器音乐工作站(第 5 组):三个都「有点像那么回事」。他的判断很克制:这种专业工具一次生成只能算能用,真要用还得反复迭代。

桌宠 / 3D 小人(第 6 组):这是整期视频的高潮。Astra 一次性直出的效果「跟源头一模一样」,可以直接当建模好的小人放进视频里用。作者的原话是完全吊打 Fable 5.2,而且这一轮 Fable 也开了最高推理档,仍然没追上。

机器人足球(第 7 组):60 场复盘后,Fable 5.2 依然最强,这点作者说「毋庸置疑」;但 Astra 相比上一轮被吊打,这次提高非常多,已经「非常不错」。考虑到 Astra 这轮还降价了,他认为性价比是站得住的。

视频里那句最实在的话:发布节奏本身就是信号

T8 给了一个不是测试数据、但信息量更大的观察:OpenAI 这次拖了很久才发,期间 X 上和各群里一直在吐槽。他的推断是,当时 Astra 与 Fable 5.2、Opus 5.5 的差距还太大,早发会被群嘲,所以宁可等到差距缩小再放出来。

他还讲了件私事:录这期之前笔记本开不了机,Fable 5.2 没解决,最后是 Astra 帮他弄好的。这类个案不能当能力证据,但能解释他为什么在结尾说「这次 GPT 是真的强了」。

怎么用:能上手的三条路径

  • 普通用户:ChatGPT 里就能选到这两档,日常任务用 Sol,长文档、复杂项目用 Astra。
  • 写代码 / 跑 Agent:Codex 和 API 都已可用,模型 ID 分别是 gpt-6.2-astra 和 gpt-6.2-sol。需要工具调用(函数调用、联网、computer use)时要走 Responses API,Chat Completions 不支持。
  • 想复现这期测试:作者说本期用到的代码和音乐全部开源,放在 B 站和 YouTube 的简介区与评论区,可以直接下载来改。

适用场景:哪些活现在可以交给它

  • 一次性直出的 3D 角色 / 小物件:这是这期视频里唯一被明确判定「超越」的项目,做短视频素材、建模占位物很划算。
  • 代码动画、可视化页面:差距已经拉到「差不多」,如果你不想为 Claude 的账号稳定性操心,这一档够用。
  • 发布会级 PPT、文档类交付物:能出,但别期待惊艳,三个模型在这项上都只是及格。
  • 日常编码和批量任务:Sol 是这一轮性价比最高的选择,官方口径是它在编码基准上只差 Astra 一点点,成本却低一个量级。

不适用场景:这些别急着换

  • 要求稳定产出的视频流水线:作者的体感是视频和代码动画「还是不如」,这类活换模型前先小批量试。
  • 需要一次就对的专业工具:浏览器音乐工作站这类,他的原话是要反复迭代,一次生成只能算原型。
  • 只看跑分选型:这期视频明确没有评分体系,7 组各跑一次,不能当 benchmark 用。
  • 无人值守又无法核验产物的 Agent:模型说「做完了」不等于真做完,产物要回去查。

避坑:看这类横评最容易踩的四个坑

  1. 把「一次直出」当成「稳定可复现」。视频里所有结果都是单次生成,没有重试统计,也没有失败率。
  2. 忽略推理档位。这期全部开到 Extra High,如果你用默认档位,拿到的效果大概率不如视频里。
  3. 把审美判断当成能力判断。「我更喜欢 Astra 的审美」是个人偏好,不是可测量的能力差异。
  4. 忘了这是一家之言。作者自己也在结尾说,他希望国内厂商早点追上来——立场是明示的,不必替他遮掩。

成本与下一步

按官方单价粗算,同样的 token 量下 Astra 大约是 Sol 的五倍。所以现实的做法不是「全都换 Astra」,而是:

  1. 先挑你自己最常做的三个任务,分别用 Sol 和 Astra 各跑一遍,比通过率,不比第一眼好不好看。
  2. 只有 3D 角色、建模占位这类明确优势项,才值得直接上 Astra。
  3. 如果产线依赖视频或代码动画,先保持原模型,用这期开源的代码把同一提示词跑一遍再决定。
  4. 记得把推理档位显式设到你测试时的值,否则对比没有意义。

参考来源

  • B 站视频(T8star-Aix,2026-11-17):https://www.bilibili.com/video/BV1cfsm6vEVG
  • OpenAI 官方发布:https://openai.com/index/introducing-gpt-6-2-astra-sol/
  • The Decoder 发布报道:https://the-decoder.com/openai-launches-gpt-6-2-astra-and-sol-with-lower-api-prices-and-some-benchmark-gains/

本文的视频内容依据为本地语音转写(该视频无字幕轨),官方规格与定价部分引自 OpenAI 发布页与媒体转述;基于多家媒体转述整理的部分已单独标注。

参考来源

评论

0 条已公开
登录或注册后可以参与评论。

正在加载评论...