智東西
作者｜江宇
編輯｜漠影

智東西12月12日報道，今日凌晨，正值OpenAI十周年生日，OpenAI正式推出其迄今最強模型GPT-5.2，并同步上線ChatGPT與API體系。

本次更新包含GPT-5.2 Instant、Thinking與Pro三個版本，將從今日起陸續(xù)向Plus、Pro、Business與Enterprise等付費方案用戶開放，Free與Go用戶預計將于明日獲得訪問權限。同時，GPT-5.2也已納入API與Codex中供開發(fā)者調用。

▲圖源：X平臺

現(xiàn)有的GPT-5.1將在ChatGPT中繼續(xù)作為過渡版本向付費用戶提供三個月，之后將正式下線。OpenAI官方稱，GPT-5.2屬于其持續(xù)改進模型系列的一部分，后續(xù)仍將圍繞過度拒絕、響應延遲等已知問題進行迭代優(yōu)化。

在API端，GPT-5.2 Thinking對應gpt-5.2，Instant對應gpt-5.2-chat-latest，Pro對應gpt-5.2-pro，開發(fā)者可直接調用。

▲圖源：OpenAI官方博客

在價格方面，GPT-5.2的調用價格較上一代上調，輸入端1.75美元/百萬tokens（約合人民幣12.35元/百萬tokens）、輸出端14美元/百萬tokens（約合人民幣98.81元/百萬tokens）。GPT-5.2 Pro的定價為21美元與168美元/百萬tokens（約合人民幣148元與1185元/百萬tokens），并首次支持第五檔推理強度xhigh。

▲圖源：OpenAI官方博客

OpenAI聯(lián)合創(chuàng)始人兼CEO Sam Altman在社交平臺X上公布了GPT-5.2在多項前沿基準上的成績：SWE-Bench Pro達到55.6%，ARC-AGI-2為52.9%，F(xiàn)rontier Math為40.3%。

▲圖源：X平臺

這些基準主要用于衡量模型在復雜代碼修復、通用推理與高難度數(shù)學任務中的表現(xiàn)，GPT-5.2在高階任務上的穩(wěn)定性進一步提升。

根據(jù)OpenAI官方博客，GPT-5.2在涵蓋44個職業(yè)的明確知識工作任務中，表現(xiàn)均優(yōu)于行業(yè)專業(yè)人士。相比GPT-5.1 Thinking，GPT-5.2 Thinking在應對知識型任務、編程、科學問題、數(shù)學、抽象推理的多項能力均大幅提升，尤其是在頂尖數(shù)學競賽AIME 2025拿到滿分成績，在OpenAI專業(yè)工作基準測試GDPval中戰(zhàn)勝或打平70.9%的人類專家。

▲圖源：OpenAI官方博客

OpenAI團隊成員Yann Dubois也在社交平臺X平臺上發(fā)帖稱，GPT-5.2 Thinking的設計重點放在“經(jīng)濟價值較高的任務”（如編碼、表格與演示文檔）。

▲圖源：X平臺

此外，在SWE-Bench Pro、GPQA Diamond等8項基準測試中，GPT-5.2 Thinking的分數(shù)均超過谷歌Gemini 3 Pro和Anthropic Claude Opus 4.5。

▲圖源：OpenAI

值得一提的是，GPT-5.2在處理多模態(tài)任務方面的能力明顯提升，大有追上Gemini的架勢，“頂流”AI編程助手Cursor第一時間宣布上新GPT-5.2。

與此同時，微軟董事長兼CEO Satya Nadella宣布，GPT-5.2將全面進入Microsoft 365 Copilot、GitHub Copilot與Foundry等產(chǎn)品體系。

▲圖源：X平臺

在GPT-5.2的發(fā)布會上，OpenAI應用業(yè)務負責人Fidji Simo也確認，外界關注已久的ChatGPT“成人模式（adult mode）”預計將在2026年第一季度上線。Fidji Simo稱，在推出該模式前，OpenAI希望確保年齡預測模型足夠成熟，能夠準確識別未成年用戶，同時避免誤判成年人。

目前，該年齡預測模型已在部分國家進行早期測試，主要用于自動應用不同的內容限制與安全策略。

一、專業(yè)任務能力躍升，首次達到“專家級”評分

根據(jù)OpenAI官方披露，GPT-5.2 Thinking在覆蓋44類職業(yè)任務的GDPval評測中，首次達到“專家級”表現(xiàn)——在70.9%的對比中戰(zhàn)勝或持平行業(yè)專業(yè)人士。GPT-5.2 Pro進一步提升至74.1%。在僅統(tǒng)計“明確勝出”的任務中，GPT-5.2 Thinking為49.8%，Pro則達到60%。

這一評測覆蓋銷售演示、預算模型、運營排班、制造流程圖等多類真實業(yè)務成果。GPT-5.2在這些任務的生成速度約為人工專家的11倍，成本為其1%以下。

在投研類任務中，GPT-5.2 Thinking在內部評測的投行三表模型與杠桿收購模型等場景中的平均得分為68.4%，較GPT-5.1 Thinking的59.1%有明確提升，GPT-5.2 Pro得分進一步增長至71.7%。

▲圖源：OpenAI官方博客

▲GPT-5.1 Thinking與GPT-5.2 Thinking效果對比

二、代碼、工具調用與長鏈路任務全面升級

在代碼能力方面，GPT-5.2 Thinking在更嚴格的SWE-bench Pro（跨四種語言、強調真實工程難度）中取得55.6%，在SWE-bench Verified中更是達到80%，均顯著領先GPT-5.1的50.8%與76.3%。在SWE-Lancer IC Diamond任務中，GPT-5.2 Thinking取得74.6%（GPT-5.1為69.7%）。

▲圖源：OpenAI官方博客

與此同時，GPT-5.2出現(xiàn)在AI基準平臺Imarena.ai（Arena）排行榜中，并在WebDev測試中取得1486分，位列第二，僅落后榜首3分，領先Claude-opus-4-5與Gemini-3-pro等主流模型。另一個版本GPT-5.2則以1399分排在第六。

根據(jù)Arena說明，GPT-5.2此前在內部以“robin”和“robin-high”為代號進行測試，其分數(shù)與GPT-5-medium僅相差1分，目前仍為初步結果，未來有望隨著測試量積累而進一步穩(wěn)定。

從評測維度來看，Arena主要衡量模型在可部署Web應用情境下的端到端編碼能力，GPT-5.2已反映出其在復雜任務鏈條上的實用性。

在事實準確性方面，GPT-5.2 Thinking在基于ChatGPT查詢的無錯誤回答率（開啟搜索模式下）達到93.9%，較GPT-5.1的91.2%有所改善，在無搜索情況下也從87.3%提升至88%。

▲圖源：OpenAI官方博客

另一個關鍵變化來自工具調用與長鏈路任務的可靠性提升。

GPT-5.2 Thinking在Tau-2 Bench Telecom中達到98.7%的最高得分，在零推理模式下也大幅領先上一代，在更高噪聲的Retail場景中準確率從77.9%提升至82%。在更通用的工具鏈評估BrowseComp中，GPT-5.2 Thinking達到65.8%，Pro版本達到77.9%，亦高于GPT-5.1的50.8%。

▲圖源：OpenAI官方博客

OpenAI提到，GPT-5.2 Thinking和Pro均支持第五檔推理強度xhigh，適用于長流程、多步驟、高精度的專業(yè)任務場景。

三、在長上下文與視覺理解，GPT-5.2全面增強

在長上下文能力上，GPT-5.2 Thinking在OpenAI MRCRv2中全面領先上一代，在8 needles測試中從4k到256k的范圍內均保持遠高于GPT-5.1的表現(xiàn)，其中在4k–8k長度下達98.2%，在128k–256k長度下仍保持77.0%，而GPT-5.1同期為29.6%–47.8%區(qū)間。

在其他長文場景中，BrowseComp Long Context（128k/256k）中，GPT-5.2 Thinking分別達到92.0%與89.8%。GraphWalks任務中，GPT-5.2 Thinking在bfs與parents子集分別達到94.0%與89.0%，相比GPT-5.1的76.8%與71.5%顯著提升。

▲圖源：OpenAI官方博客

在視覺理解上，GPT-5.2 Thinking在CharXiv科學圖表推理任務中無工具模式下為82.1%，開啟Python工具后進一步提升至88.7%。在ScreenSpot-Pro界面理解中，GPT-5.2 Thinking取得86.3%，遠高于GPT-5.1的64.2%。在視頻類、多模態(tài)綜合難度更高的Video MMMU中，也從82.9%提升至85.9%。

在視覺能力上，GPT-5.2在ScreenSpot-Pro（界面理解）中達到86.3%的準確率，相比GPT-5.1有明顯提升。在CharXiv科學圖表推理任務中，也實現(xiàn)了準確率的大幅增長。這使其在處理科研圖表、運營儀表盤、產(chǎn)品界面截圖等專業(yè)視覺輸入時更加可靠。

▲圖源：OpenAI官方博客

四、微軟全家桶同步升級，GPT-5.2成為新一代“生產(chǎn)力模型”

隨著GPT-5.2發(fā)布，微軟董事長兼CEO Satya Nadella也在社交平臺X平臺上宣布，GPT-5.2將全面進入Microsoft 365 Copilot、GitHub Copilot與Foundry等產(chǎn)品體系，并作為新的“默認推理模型”服務更多工作流場景。

在Microsoft 365 Copilot中，用戶已經(jīng)可以通過模型選擇器啟用GPT-5.2，用于會議記錄分析、文檔推理、市場研究與戰(zhàn)略規(guī)劃等高復雜度任務。Nadella稱，將模型與用戶工作數(shù)據(jù)結合后，GPT-5.2能夠更充分發(fā)揮推理優(yōu)勢。

在GitHub Copilot中，GPT-5.2適用于長上下文推理與復雜代碼庫審查，重點覆蓋跨文件關系分析、依賴追蹤與重構建議等工程類使用場景。

此外，GPT-5.2還同步進入Microsoft Foundry與Copilot Studio，開發(fā)者可在構建自動化流程、企業(yè)內部Agent或自主開發(fā)時直接調用GPT-5.2模型。面向消費者端的Copilot也將隨后啟動分階段更新，逐步替換當前版本。

▲圖源：X平臺

從微軟生態(tài)的覆蓋面來看，GPT-5.2已被定位為“默認生產(chǎn)力模型”，在不同產(chǎn)品線之間以自動模型選擇的方式服務更廣泛的開發(fā)、寫作與分析任務。

此外，頂流AI編程助手Cursor也已第一時間火速上線GPT-5.2，并同步沿用OpenAI官方API價格。

▲圖源：Cursor

結語：GPT-5.2的能力邊界正向“穩(wěn)定、實用”收攏

從多項公開基準測試到Arena針對Web應用端到端能力的評測結果，GPT-5.2展現(xiàn)出的整體能力向穩(wěn)定可用和任務完成度方向收攏。

隨著Instant、Thinking與Pro組成的多檔能力體系的開放，GPT-5.2在不同工作流中被切分為更清晰的使用場景。而在微軟生態(tài)中的全面接入，也進一步強化了這一變化的方向。無論是在M365 Copilot中承擔跨文檔推理，還是在GitHub Copilot中處理長上下文代碼鏈路，GPT-5.2都開始參與到更高頻、更具體的任務流程中。

除了推出面向專業(yè)工作和智能體的前沿模型外，OpenAI還宣布已經(jīng)與迪士尼達成授權協(xié)議，允許Sora 2用戶在生成并分享的圖片中使用迪士尼角色。迪士尼將向OpenAI投資10億美元（約合人民幣71億元），并擁有未來增持股份的選擇權。