该模型上线后遭到大量用户吐槽，认为其从常识问答到情感交互，“智商不稳定”。
OpenAI推出不到一周的最新旗舰模型没能等来“好评如潮”。
近日，OpenAI在十周年之际发布了GPT-5.2系列模型，官方数据显示其在GDPval等专业基准测试中超越人类专家，是迄今为止在“专业知识工作方面”表现最好的模型。
据OpenAI官方披露，GPT-5.2在多领域实现技术突破：GDPval测试中覆盖44个职业的任务表现70.9%优于顶尖专家，SWE-bench Pro编程测试获55.6%的SOTA成绩，还将幻觉率较GPT-5.1降低38%。该公司CEO山姆·奥特曼称其为“许久以来最大的升级”，并透露计划2026年1月解除应对谷歌竞争的“红色警报”。
但该模型上线后遭到大量用户吐槽，认为其从常识问答到情感交互，“智商不稳定”。
SimpleBench常识推理测试显示，GPT-5.2得分低于Anthropic发布的Claude Sonnet 3.7，甚至在“garlic有几个r”的基础问题上反复出错——有用户三次测试仅一次答对，而谷歌的Gemini 3.0等竞品均稳定通关。该测试旨在评估大模型在处理普通人认为简单，但对机器而言充满挑战的逻辑推理任务的能力。前AWS总经理Bindu Reddy直言，“不值得从GPT-5.1升级”。
网友晒出的网友晒出GPT-5.2在SimpleBench上的成绩单。
一些编程爱好者则发现，GPT-5.2生成的交通灯模拟代码画面仅达“黑白火柴人级别”，蒙娜丽莎ASCII艺术创作效果远逊于GPT-4o。情感交互中有用户倾诉“恐慌发作”，竟收到“很高兴听到这个消息”的回复，安慰失宠孩童时则机械强调“生物都会停止运作”，缺乏此前版本的亲和力和自然表达。
此外，该版本在处理连续对话时不稳定，甚至在明确选择“高级思考模式”时也会返回低质量的自动响应，令用户不得不重新调整使用方式。
还有用户表示，GPT-5.2的安全策略实施过于严格，在执行普通且无风险的请求时也会拒绝操作并给出无关的安全提示。
有观察人士指出，这轮差评潮背后存在几重因素。一方面，OpenAI推广时着重强调GPT-5.2的专业能力和基准测试成绩，但普通用户更关注日常对话、流畅性和创造性体验，两者的期望存在错位；另一方面，由于竞争加剧和内部发布节奏加快，有观点认为该版本可能发布过早，尚未充分优化在关键使用场景中的稳定性与一致性，因此用户的实际感受出现明显落差。
截至发稿，OpenAI尚未就这轮用户反馈作出公开回应，但公司在官方资料中表示，会持续改善用户体验、优化安全策略，并根据用户反馈推进后续版本的迭代。
当前，OpenAI仍面临来自谷歌的巨大竞争压力。谷歌此前推出的Gemini 3在编程、多模态理解等关键企业应用场景上实现了对ChatGPT的性能超越。11月，谷歌宣布Gemini月活跃用户已突破6.5 亿，较7月报告的4.5亿实现大幅增长，而OpenAI披露的周活跃用户数接近8亿。
为此，奥特曼曾发布“红色代码”警报，决定暂时搁置包括Sora视频生成器在内的长期研发项目，转而在短期内全力通过提升用户活跃度来巩固ChatGPT的大众市场地位。但急转直下的口碑或在很大程度上影响ChatGPT的使用率，OpenAI能否拿出更强有力的“武器”反击谷歌仍存在不确定性。
该模型上线后遭到大量用户吐槽，认为其从常识问答到情感交互，“智商不稳定”。
OpenAI推出不到一周的最新旗舰模型没能等来“好评如潮”。
近日，OpenAI在十周年之际发布了GPT-5.2系列模型，官方数据显示其在GDPval等专业基准测试中超越人类专家，是迄今为止在“专业知识工作方面”表现最好的模型。
据OpenAI官方披露，GPT-5.2在多领域实现技术突破：GDPval测试中覆盖44个职业的任务表现70.9%优于顶尖专家，SWE-bench Pro编程测试获55.6%的SOTA成绩，还将幻觉率较GPT-5.1降低38%。该公司CEO山姆·奥特曼称其为“许久以来最大的升级”，并透露计划2026年1月解除应对谷歌竞争的“红色警报”。
但该模型上线后遭到大量用户吐槽，认为其从常识问答到情感交互，“智商不稳定”。
SimpleBench常识推理测试显示，GPT-5.2得分低于Anthropic发布的Claude Sonnet 3.7，甚至在“garlic有几个r”的基础问题上反复出错——有用户三次测试仅一次答对，而谷歌的Gemini 3.0等竞品均稳定通关。该测试旨在评估大模型在处理普通人认为简单，但对机器而言充满挑战的逻辑推理任务的能力。前AWS总经理Bindu Reddy直言，“不值得从GPT-5.1升级”。
网友晒出的网友晒出GPT-5.2在SimpleBench上的成绩单。
一些编程爱好者则发现，GPT-5.2生成的交通灯模拟代码画面仅达“黑白火柴人级别”，蒙娜丽莎ASCII艺术创作效果远逊于GPT-4o。情感交互中有用户倾诉“恐慌发作”，竟收到“很高兴听到这个消息”的回复，安慰失宠孩童时则机械强调“生物都会停止运作”，缺乏此前版本的亲和力和自然表达。
此外，该版本在处理连续对话时不稳定，甚至在明确选择“高级思考模式”时也会返回低质量的自动响应，令用户不得不重新调整使用方式。
还有用户表示，GPT-5.2的安全策略实施过于严格，在执行普通且无风险的请求时也会拒绝操作并给出无关的安全提示。
有观察人士指出，这轮差评潮背后存在几重因素。一方面，OpenAI推广时着重强调GPT-5.2的专业能力和基准测试成绩，但普通用户更关注日常对话、流畅性和创造性体验，两者的期望存在错位；另一方面，由于竞争加剧和内部发布节奏加快，有观点认为该版本可能发布过早，尚未充分优化在关键使用场景中的稳定性与一致性，因此用户的实际感受出现明显落差。
截至发稿，OpenAI尚未就这轮用户反馈作出公开回应，但公司在官方资料中表示，会持续改善用户体验、优化安全策略，并根据用户反馈推进后续版本的迭代。
当前，OpenAI仍面临来自谷歌的巨大竞争压力。谷歌此前推出的Gemini 3在编程、多模态理解等关键企业应用场景上实现了对ChatGPT的性能超越。11月，谷歌宣布Gemini月活跃用户已突破6.5 亿，较7月报告的4.5亿实现大幅增长，而OpenAI披露的周活跃用户数接近8亿。
为此，奥特曼曾发布“红色代码”警报，决定暂时搁置包括Sora视频生成器在内的长期研发项目，转而在短期内全力通过提升用户活跃度来巩固ChatGPT的大众市场地位。但急转直下的口碑或在很大程度上影响ChatGPT的使用率，OpenAI能否拿出更强有力的“武器”反击谷歌仍存在不确定性。
3月17日记者获悉，哈尔滨医科大学公共卫生学院副院长、教授田懋一与副研究员叶鹏鹏团队在一项研究中提出，应将预防老年人跌倒与国家基本公共卫生服务中各项服务流程融合起来。该研究全面梳理了 据法新社巴黎3月15日报道，15日发布的一项新的重要分析称，影响神经系统的疾病——如中风、偏头痛和痴呆症——已经超过心脏病，成为全球范围内导致人们健康损害的主要原因。 3月21日是世界睡眠日，中国主题为“健康睡眠 人人共享”。近日发布的《2023年中国居民睡眠白皮书》显示，我国居民平均睡眠时长6.75小时，平均在零点后入睡，夜间睡眠时长普遍偏短。你是否有睡眠困扰 2024年03月19日，以“初心如磐•向新出发”为主题的2024智能家居UP峰会CSHIA智能家居开年盛典在杭州成功举行。大会现场，由全国专业标准化技术委员会委员、CSHIA秘书长、中智盟投资创始人周 21世纪经济报道记者 冯恋阁 王俊 广州、北京报道2013年播出的科幻电视剧《黑镜》第二季中有这样一个故事——女主角玛莎在男友艾什被车祸夺走生命之后，长久无法走出分离的痛苦，最终选 聊到安卓电话的拍照，大部分用户还是比较认可的，而在与iPhone电话的对比中，用户也普遍以为安卓电话的拍照水平要比iPhone更好，当然这一说法也并非空穴来风，其背后的原因直接而明确。首先，硬件配置的竞争 。本文链接：OpenAI最新模型打不动了？GPT-5.2因“降智”陷“差评潮”http://www.sushuapos.com/show-2-14526-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 这款锂电池针刺也不燃，可充电1000次