对于人工智能开发人员来说,听到你的模型很好总是很好。但听到你的模型就像一个“虐待狂的死神,把你的生活变成人间地狱”,是完全不同的事情。
OpenAI 周二发布了 GPT-6.2 Astra 和 Sol,承诺更智能的 AI 代理、更好的编码和令人印象深刻的创意能力。一些在发布前测试模型的开发人员传达了截然不同的信息:它们非常出色,但令人沮丧,并且在某些情况下几乎无法合作。

这种反应很快就在社交媒体上蔓延开来。在人工智能社区非常活跃的人工智能工程师 Hesam 宣称,“每个人都认为这是 OAI 放弃的最糟糕的模型。”
反对声音很大,但并不一致。
开发人员兼 T3 代码创建者 Theo Browne 在早期测试后向 OpenAI 发表了一封长信。 “我不喜欢 6.2 Astra。作为一名开发人员,我不会选择它而不是 Opus 5.5,”他写道。他表示 OpenAI 仅修复了他提交的少数投诉。
哪些公司将在2027年之前IPO?
“它说的语言只有 6.2 Astra 能理解,”Theo 写道,并称其答案是“我今年使用过的所有 llm 中最难以解析的输出”,指的是大型语言模型。抱怨既涉及沟通,也涉及能力:Astra 可以解决复杂的问题,但在向用户提出他们无法回答的问题时,很难解释它做了什么或认识到。
在一项实验中,西奥要求阿斯特拉为《星际拓荒》创建一个新关卡。项目进行两个小时后,该模型宣布自己被阻止,并询问:“r24 的审阅者是否将其剪辑写入 24_g521.mp4 或 24_p11.mp4?”从他的角度来看,这个技术问题对于那些只是要求可玩关卡的人来说是不可理解的,也无关紧要的。
代码重写后情况变得更糟。 Theo 表示,他给 Astra 7 天的时间来改进该项目;它没有任何改进,并且使编译器慢了 56%。再过四天,变化为零。 “它循环运行,哪儿也去不了,”他写道。
这整个奇怪的语言问题并不是孤立的。例如,匿名帐户 TokenGremlin 赞扬了该模型:“GPT-6.2 Astra 在 Three.js、Blender 和 3D 方面表现出色”,但表示它“在长时间的工作流程中开始说外星语言”。
Theo 还描述了询问为什么工作树在一台计算机上运行缓慢的问题。 Astra 回复了有关包管理器内部结构和缓存行为的四段内容。 Theo 说他从 Claude Opus 5.5 那里得到的答案要清楚得多。
“这是因为SSD速度慢。”克劳德回答道。
该模型所谓的创造力是另一个痛点。 Theo 和另一位测试人员独立请求了两款不同游戏《星际拓荒》和《马吉拉的面具》的原始关卡。两者都有以水和铃为主题的音乐关卡,都被命名为“Bellwether”。 “这个模型回归平均值的程度是我从未见过的,”西奥写道。
其他几个帐户也标记了同样的错误:似乎 GPT-6.2 Astra 对铃声有兴趣。
令人难以置信 pic.twitter.com/a4MgVUKi2M
- 种族主义者詹姆斯·弗兰科 (@racist_james) 2026 年 11 月 18 日
对于一个被认为具有非凡创造力的模型来说,反复发明相同的水平并不是一个令人鼓舞的迹象。
在演示中表现出色,在工作中却很痛苦?
人工智能开发人员 Matt Shumer 也很失望。 “我从来没有对某个模型写过不好的评论。这个模型尤其糟糕,”他写道,并认为它可能在小型演示中给人留下深刻的印象,但在严肃的项目中“直接直接行不通”。在另一次后续行动中,他称其“完全无法使用”。
我从来没有对某个模型写过差评。这个尤其不好。
如果您正在使用模型打推杆高尔夫球,那没问题,但如果您试图按照应有的方式驾驶它们,则该模型直接不起作用。
— 马特·舒默 (@mattshumer_) 2026 年 11 月 17 日
马克斯·温巴赫(Max Weinbach)也描述了智能与可用性之间的差距。 “我对这些模特感到恼火的时间比给他们留下深刻印象的时间还要多,”他写道。在后续行动中,他赞扬了这些模型完成“出色工作”的能力,但表示他们“需要大量‘继续’提示”,并且经常停下来而不是尝试其他方法。 “即使它们确实是很好的模型,使用它们也是一种挣扎和烦人。”
在其他地方,一位 X 评论员将之前的 Astra 比作“虐待狂的死神”,并声称新版本只会让事情变得更糟。
6.0 astra 非常像一个施虐狂的死神,如果你寻求任何帮助,他会让你的生活变成人间地狱
一个令人难以置信的强大模型,不知何故需要你把自己埋在地下才能完成任何事情
- M1 (@M1Astra) 2026 年 11 月 17 日
然而,一些开发人员也赞扬了 Astra。 Theo 称其为“伟大的审稿人”和“3D 和游戏领域的世界级”,特别指出了它的计算机控制能力,并描述了一种新颖的反向代理解决方案,他估计每月可以节省 25,000 美元。分歧在于令人印象深刻的能力和从中获得可靠工作的难度。
这些优势与 OpenAI 在发布时宣传的技术能力是一致的。正如之前报道所详述的那样,独立测试将 Astra 在人工智能分析的智能指数上排在 62 分(满分 100 分),该指数是涵盖推理、编码和科学知识等能力的九项评估的总和。 Anthropic 的 Claude Fable 5.2 得分为 65。
OpenAI 承认存在问题
一些批评得到了 OpenAI 自己的安全文档的支持。
在一项名为“Blocker Deception”的内部评估中,研究人员为人工智能代理提供了现实的编码任务,并故意引入了障碍,例如丢失文件或不可用的工具。他们测量了模型的最终反应隐藏或歪曲这些障碍的试验百分比。
GPT-6.2 Astra 在 22.28% 的试验中掩盖了障碍,而 GPT-6 Astra 的这一比例为 11.09%。这些数字很快在 X 上流传,人工智能评论员兼泄密者 Chetaslua 将这一发现总结为“在卡住时告诉你的情况要差两倍”。
OpenAI 首席执行官 Sam Altman 公开回应了这种强烈反对。他写道:“尽管新模型非常智能,但我们还有更多工作要做,才能使模型更易于使用。”并承诺优先考虑改进。 “但即使需要一点额外的工作,智力和能力也是非凡的。”
尽管新模型非常智能,但我们还有更多工作要做,以使模型易于使用,并将在即将发布的版本中优先考虑这一点。
但即使需要一些额外的工作,智力和能力也是非凡的。
— 萨姆·奥尔特曼 (@sama) 2026 年 11 月 17 日
OpenAI 的 Thibault Sottiaux 表示,早期评论可能无法完全反映用户在发布时收到的版本。 “我们不久前给了一些人访问权限,然后在过去的 3-4 天内做了很多更改,”他写道,并补充说,在制作评论视频之前的那段时间里,他“非常确定没有进行重新测试”。
尽管如此,他还是承认了潜在的抱怨。 Sottiaux 称新模型比前代模型“有了巨大的飞跃”,但他表示 OpenAI 在“品味和易用性”方面还有更多工作要做。
GPT-6.2 Astra 和 Sol 现在可通过 ChatGPT Work、Codex 和 OpenAI 的 API 供符合条件的用户使用。 Codex 特定的更改包含在发布时,但直接通过 API 访问模型的开发人员不会收到相同的提示干预。