GPT-6.2 Astra 被评史上最差,开发者称几乎无法使用
核心要点
OpenAI GPT-6.2 Astra 上线后遭 Matt Shumer 与 Theo Browne 等知名开发者严厉批评,指其 Agent 能力、长任务连贯性及创意生成均显著劣于 Anthropic Claude 系列,被指为史上最差模型之一。
据 Woofun AI 消息, 最新发布的 模型在业界引发强烈反响,知名开发者 与 公开指责该模型表现糟糕,甚至称其为 OpenAI 有史以来发布的最差模型之一,并直言其"几乎无法使用"。
这一评价与 OpenAI 宣称的新模型在推理、程式开发及 Agent 工作能力上的突破形成鲜明对比,暴露出技术宣称与实际应用体验之间的巨大落差。
Matt Shumer 于 11 月 17 日在 X 平台发文,详细阐述了其对 Astra 及同系列模型 的负面测试结果。作为 AI 投资人及前 首席执行官,Shumer 过去常提供第一手模型评估,此次却罕见地给出强烈负评,明确表示不推荐使用者采用这两款模型。他将 GPT-6.2 Astra 置入实际的 Agent 工作流程进行压力测试,发现当 Astra 担任子 Agent(Sub-agent)执行特定任务时,其表现远不及预期。负责监督的 Anthropic 模型 与 最终不得不自行重做相关任务,以弥补 Astra 的失误。
Woofun AI 整理数据显示,在多数关键指标上,GPT-6.2 系列均显著落后于 Claude Opus 5.5,与 Claude Fable 5.2 相比差距更为明显。
这种"看似合理但无法稳定遵循指令"的特征,导致整体工作流程成本增加,因为其他模型必须投入额外资源进行检查与修正,从而削弱了自动化带来的效率优势。
Theo Browne 的批评则聚焦于 GPT-6.2 Astra 在长时间任务中的连贯性崩溃与技术细节处理能力的缺失。作为 创始人,Browne 指出 Astra 在执行复杂任务时,常产生仅模型自身能理解的技术性回答,使使用者难以判断进度或瓶颈。他以游戏《Outer Wilds》的新关卡设计为例,Astra 在执行约两小时后,突然提出关于内部档案与影片输出路径的无意义问题,显示其无法将技术障碍转化为使用者可理解的需求。在代码重构测试中,Astra 耗时七天却未产生实质改善,反而导致编译器速度下降 56%;随后延长四天仍无进展。
此外,针对电脑工作目录(Worktrees)运作缓慢的问题,Astra 给出关于套件管理器内部机制与快取的冗长解释,而 Claude Opus 5.5 则直接指出问题根源可能仅是 SSD 速度过慢。这些案例表明,Astra 在维持目标一致性、辨识执行瓶颈及避免重复循环方面存在严重缺陷,难以胜任端到端的复杂开发任务。
创意生成能力的退化亦是 GPT-6.2 Astra 面临的主要质疑之一。Theo Browne 指出,当他与另一名测试者分别要求模型为不同游戏设计原创关卡时,Astra 产生了高度相似的设计方案:两者均采用水与钟声作为核心元素,甚至使用了相同名称"Bellwether"。
这种将不同需求收敛为相似标准答案的现象,引发了对模型创意退化的担忧,显示其缺乏根据情境产生差异性创作的能力。尽管部分测试者肯定 Astra 在 Three.js、Blender 与 3D 视觉化等特定技术领域的表现,但这些优势未能稳定转化为长时间、端到端的工作成果。综合来看,GPT-6.2 Astra 在 Agent 协作、长任务连贯性及创意独特性上的全面劣势,使其在当前竞争激烈的 AI 模型市场中处于不利地位,开发者更倾向于选择表现更稳定的 Anthropic Claude 系列。

评论
暂无评论