GPT-6.2發佈後,用戶實測反饋呈現明顯分化。一方面,有用戶抱怨需與模型反復交互數小時才能獲得滿意結果,長任務還會因對話長度上限被中斷;另一方面,AI評論者Nate B Jones為其辯護,認為這是一個執著於細節、token效率極高的模型,只是適用場景與大眾預期存在錯位。
辯護觀點:細節控模型,適合agent通信
面對普遍差評,Nate B Jones給出不同解讀。他認為GPT-6.2是一個“非常聰明但‘只見樹木’”的模型,執著於細節和反復驗證,token效率極高——這一點對重新陷入算力緊張的OpenAI尤為重要。
Nate B Jones將差評來源歸結為兩方面:一是寫作能力弱,二是在“樹狀”問題上表現良好,卻不擅長“森林級”工程問題。但他指出,這一特性恰好使該模型非常適合agent間通信——高信息密度、強調驗證。
這是一個非常聰明但「只見樹木」的模型,執著於細節和反復驗證,token效率極高。
用戶實測:高質量輸出伴隨高摩擦
博主imjustnewatai表示,本想多分享GPT-6.2的實測結果,但每次都要和模型反復拉扯數小時才能得到一個好結果,因此發帖頻率受限。這從側面反映出,該模型雖能產出高質量輸出,但可控性與穩定性仍有明顯摩擦。
長任務體驗:對話長度上限打斷關鍵流程
另一位用戶曬出ChatGPT截圖:他讓模型“創作一首交響樂並圍繞配樂拍一支震撼的視頻”,模型剛開始規劃就顯示Stopped working。用戶點擊Continue詢問後,彈出提示“本次對話已達最大長度限制,請開啓新對話繼續”。發帖人以此吐槽“這就是我討厭OpenAI的原因”——長任務在關鍵節點被對話長度上限打斷,上下文無法延續,體驗相當挫敗。
後續關注
綜合多條線索,GPT-6.2的爭議集中在模型風格與可控性兩個維度:其細節導向和token效率在agent通信等場景具備優勢,但在寫作、長程任務和交互穩定性上仍存在明顯短板。後續值得關注OpenAI是否針對對話長度限制與模型可控性作出調整,以及用戶實測反饋能否推動適用場景的進一步明確。
