OpenAI十年庆：GPT-5.2发布与奥尔特曼的超级智能十年蓝图
面对谷歌等竞争对手带来的压力，在红色紧急状态下的OpenAI，在十周年之际火速发布GPT-5.2。
当地时间12月11日，OpenAI正式推出最新模型GPT-5.2，据最新介绍，该模型适用于专业工作和长时运行智能体，是迄今为止适用于专业知识工作的最强模型系列，在通用智能、长上下文理解、智能体化工具调用和视觉方面得到显著改进，在执行端到端的复杂现实世界任务方面优于以往的模型。
GPT‑5.2共有Instant、Thinking和Pro三个版本，将从今天开始向付费计划用户逐步推出，在 ChatGPT 中，GPT‑5.1将继续对付费用户可用三个月，之后将停止支持。在API（应用接口）中，已对所有开发者开放。
OpenAI CEO山姆·奥特曼（Sam Altman）发文表示：“即使没有诸如输出精美文件这类新功能，GPT-5.2也感觉像是我们许久以来获得的最大升级。”
据介绍，GPT-5.2在多数基准测试中都达到了新的先进水平，在GDPval测试中（GDPval是OpenAI推出的AI评估基准，旨在衡量前沿模型在真实经济价值任务中的表现，以弥补学术测试与实际应用间的差距），在涵盖44个职业、定义明确的知识工作任务上，表现优于行业专业人士。
GPT-5.2在GDPval测试中的表现，Thinking版在70.9%的比较中击败或持平顶尖行业专业人士。
编码能力方面，GPT-5.2在SWE-Bench Pro（一项对现实世界软件工程进行的严格评估，测试四种语言，旨在更具抗污染性、挑战性、多样性和行业相关性）上，Thinking版取得了 55.6%的最高成绩，在SWE-bench Verified上，Thinking版取得了80%的高分。
OpenAI表示，对于日常专业使用而言，这意味着模型能够更可靠地调试生产代码、实现功能请求、重构大型代码库，并以更少的人工干预端到端地发布修复。
GPT‑5.2 Thinking在前端软件工程方面也优于GPT‑5.1 Thinking。早期测试者发现它在前端开发和复杂或非传统的 UI 工作（尤其是涉及 3D 元素的工作）方面明显更强，比如制作海洋波浪模拟、假日贺卡制作器、打字游戏等。
据介绍，GPT‑5.2 Thinking的事实准确性、长上下文、视觉以及工具调用性能都迎来大幅提升。比GPT‑5.1 Thinking的幻觉更少，在一组匿名查询中，包含错误的回答相对减少了30%；在4-needle MRCR 变体（长达 256k token）任务上实现接近100%准确率，同时，对于需要思考超出最大上下文窗口的任务，GPT‑5.2 Thinking与OpenAI新的Responses /compact端点兼容，扩展了模型的有效上下文窗口；视觉方面，GPT‑5.2 Thinking成为OpenAI迄今为止最强的视觉模型，在图表推理和软件界面理解方面的错误率大约降低了一半，还能更好地理解图像中元素的定位；工具调用性能方面，GPT‑5.2 Thinking在Tau2-bench Telecom测试上实现了98.7%的得分，对于延迟敏感的使用场景，其在reasoning.effort='none'（无推理）设置下的表现也远优于GPT‑5.1和GPT‑4.1。
GPT‑5.2与GPT-5.1的视觉能力对比。
在科学与数学能力方面。在 GPQA Diamond（研究生级别的、防谷歌的问答基准）测试上，GPT‑5.2 Pro达到93.2%，GPT‑5.2 Thinkin达到92.4%。
OpenAI表示，在最近与GPT‑5.2 Pro合作的研究中，研究人员探索了统计学习理论中的一个开放性问题。在特定、明确界定的设定下，模型提出了一个证明，随后得到了作者的验证，并与外部专家一起进行了审查，这证明了前沿模型已经在人类的密切监督下协助数学研究。
同时，在ARC-AGI 1（衡量通用推理能力的基准）测试上，GPT‑5.2 Pro成为第一个突破90%阈值的模型，相比去年o3‑preview的87%有所提高，同时将实现该性能的成本降低了约390倍。
在难度更高、更能隔离流体推理能力的 ARC-AGI-2基准测试上，GPT‑5.2 Thinking在思维链模型中得分为 52.9%，GPT‑5.2 Pro更是达到 54.2%，模型的推理新颖性、抽象问题的能力进一步提升。
值得一提的是，当天还是OpenAI成立十周年，奥特曼发布了题为《十年》的博客，回顾了OpenAI成立十年来的突破、经验教训以及有关AGI的思考。
他表示，OpenAI取得的成就超出了他最大胆的梦想，“我们当初设定了一个疯狂、不太可能且史无前例的目标。从极度不确定的开端起步，尽管希望渺茫，但通过持续努力，现在看来，我们似乎有望实现我们的使命”。
奥特曼表示，当他回顾早期的照片时，首先震惊于每个人看起来都那么年轻。接着，又震惊于每个人看起来都异常乐观，而且那么快乐。“那是一段疯狂而快乐的时光：尽管我们被严重误解，但我们怀着坚定的信念，觉得这件事意义重大，即使成功机会渺茫也值得为之付出巨大努力，我们拥有非常有才华的人，并且目标明确”。
OpenAI在十周年视频中发布的创业早期照片。
他表示，三年前推出ChatGPT时，世界注意到了，而当推出 GPT-4 时，反响更是热烈；突然间，考虑通用人工智能（AGI）不再是件疯狂的事。“过去的三年极其紧张，充满了压力和重大的责任；这项技术以前所未有的规模和速度融入了世界。这需要我们以极高的执行力来完成，而且我们不得不立即为此建立一种全新的能力。在这段时间里，从一无所有成长为一家庞大的公司绝非易事，需要我们每周做出成百上千个决策。我为团队做出的许多正确决策感到自豪，而那些错误的决策，则大多是我的责任”。
奥特曼表示从未对OpenAI的研究、产品路线图以及整体上通向使命的路径感到如此乐观。再过十年，几乎可以肯定OpenAI将构建出超级智能。“我预计未来会让人感到奇妙；从某种意义上说，日常生活和我们最关心的事情变化会非常小，我敢肯定，我们将继续更关注其他人的行为，而非机器的行为。但从另一种意义上说，2035年的人们将能够做到一些我认为我们现在难以轻易想象的事情”。
相关攻略
2026年开春收视黑马《蜜语纪》，于4月底迎来大结局。 当所有看惯国产剧套路的观众，都以为结局无非是霸道总裁携“娇妻”登顶职场巅峰时，《蜜语纪》却给出了截然不同的答案——它不仅让观众看爽了，更抛出了全剧最清醒、最硬核的内核。 反派悉数恶有恶报！剧中那位让人恨得牙痒痒的鲁贞贞，可谓将算计做到了极致。怀
张雪：逆袭故事背后的真实温度 十四岁，初中毕业，从摩托车修理铺的学徒工起步；二十五年后，带领团队战胜国际强队，站上世界超级摩托车锦标赛的最高领奖台——这是张雪的故事。听起来，是不是像极了那些年在《读者》《意林》里反复出现的励志叙事？热血，逆袭，以凡人之躯比肩传奇。 但看得多了，难免会生出一种熟悉的疏
《夜魔侠：重生》第二季强势回归，空降全球收视冠军 漫威的硬核之作《夜魔侠：重生》第二季，自3月25日开播以来，势头可谓锐不可当。刚一上线，便直接空降Disney+全球收视榜榜首，其专属话题标签 DaredevilBornAgain更是在首播当晚，迅速冲上社群平台“X”的全球趋势第一，热度可见一斑。
看来，要让观众对一对CP的“催婚”持续上头，Kaitlin Olson心里自有一套精密的算法。作为ABC热门剧《High Potential》的女主角兼执行制片人，她在第二季大结局播出后的一席谈，几乎给Morgan和Karadec的感情发展按下了暂停键。理由很直接：如果现在就让他们在一起，往后的戏还
悬疑剧《叵测》大结局深度解析：真相揭晓，复杂人性引人深思 热播悬疑剧《叵测》迎来震撼收官，当最终真相浮出水面，无数观众陷入沉默与反思。孟广才的“出轨”表象、弟弟薛永辉的牺牲、焦利军的谋划、汪大柱的义气，这一切竟都是为了掩护核心人物——薛琴。这段纠缠于三男一女之间的复杂关系，交织着扭曲的友谊与爱情，究
热门专题
热门推荐
《Zero Parades: For Dead Spies》的媒体评测已经解禁，结果相当亮眼。这款被许多人视为《极乐迪斯科》精神续作的作品，在OpenCritic上拿到了86分的媒体均分，在Metacritic上也有83分。游戏将于5月21日正式登陆PC平台，看来2026年的必玩叙事RPG名单上，又
目录 你是否也遇到过这些问题 处理效果 前置准备 超简单AI自动化解决方案 第1步：准备好你的原始数据 第2步：针对指定的文件下达指令 第3步：验收 还能解决这些同类问题 指令为什么这么有用？ 更多场景直接抄作业 销售数据三级汇总 成本数据多级汇总 库存数据汇总 员工薪资汇总 常见问题答疑 核心价值
AI Agent 的发展，正迎来一个关键的转折点，从概念验证迈向真正的生产力交付。 想象一下，当一个 AI 智能体能够在无需人工介入的情况下，独立完成一个复杂项目的全流程，并将成功经验固化为可随时调用的“技能”——这是否标志着 AI 在职场中的角色，已经从辅助工具演变为自主的生产力单元？ 随着 Op
彭博社的马克・古尔曼在最新报道中透露了一个有趣的发现：苹果为WWDC 26发布的宣传海报，其设计细节可能暗藏玄机，指向了即将在iOS 27中亮相的全新Siri交互界面。 根据古尔曼的分析，新版Siri的核心变化在于与灵动岛的深度融合。唤醒时，它将不再以传统的全屏或底部卡片形式出现，而是会以一个扩展的
GitHub 的 Star 数量还值得信赖吗？真相可能比你想象的更严峻。 开源社区中“购买 Star”的现象早已不是秘密，其便捷程度甚至超过点外卖，单价低廉且支持批量折扣。然而，卡内基梅隆大学（CMU）一项被 ICSE 2026 顶会收录的最新研究，首次系统性地揭示了这场“造假生意”的惊人规模：Gi