Gemini 3 Pro，
enmmm，有点不对，再看看OpenAI自己放出来的主case呢，一个电脑主板上面的元件和接口识别标记的case，结果连Gemini 2.5 Pro都没打赢
难道是我报告看劈叉了，再翻翻还是很顶，在AIME 2025（竞赛数学）拿满分，在 ARC-AGI-2（视觉推理）上拿到了 52.9%（翻了三倍，和 Gemini3 相当），在SWE-Bench Pro（软件工程）、GPQA Diamond（科学问题）上也抢回第一了，256K文档的四针测试正确率离谱到100%，知识截止日期也更新到25年8月份了。怪不得之前有人P图GPT5.2全系第一。。。
重点在GDPval和ARC-AGI-2，
简单来说，OpenAI想测试模型在真实世界对GDP的贡献，可以说是赚钱能力，GDPval这数据集就是从银行那调取的信息，选出对美國 GDP 贡献最大的 9 个行业中选出的 44 种职业，
1,320 个专业任务，每个任务都由平均有 14 年以上领域经验的专业人士设计，任务本体包含了参考文件和背景信息，预期的输出涵盖文档、ppt、图表、电子表格和多媒体。
🔗https://arxiv.org/pdf/2510.04374测试的case长这样，GPT 5.2 Thinking的平均得分比GPT 5.1 Thinking高9.3%，还是比较明显能看到区别的。
我用Gemini 3 Pro搓了一个贼复杂的Excel提示语，直接搭一个完整的模型。
GPT 5.2 Thinking跑啊跑，跑了半小时，把我所有的要求都实现了，以后出门在外自称是Excel专家没得问题了。再试一个常见的视频转录任务，GPT 5.2 Thinking没有内置工具，所以它会联网搜索一个免费转录的工具，转录后再把结果整理好给我。
再来再来，既然转录也能找到免费了，说不定PDF排版也行。
GPT2.5的解法是将图片和结构图等截图放到word里面，我看下来就只有代码部分会出现行号和文字排版多了换行，其他文字和格式都保留下来了。我必须要额外吐槽一下instant，thinking和pro这个后缀，穿插在报告里面看到眼花。我愿称之为AI界的中杯大杯超大杯
除了牛马预备役的设定外，GPT 5.2在ARC-AGI-2的性能也很强，用人话说，就是看看模型在完全没见过的图像推理题上表现怎么样。这有个术语，流体智力（Fluid Intelligence），不依赖于已有的知识，在全新情境下进行逻辑推理、识别模式和解决问题的能力。
我记得第一代的时候我当时找了一堆人，做10条只对了3条。GPT 5.2的得分到了52.9%，比GPT 5.1高35.3%，正确率过半了。GPT 5.2有一个我印象比较深刻的case，就是这个3D深海，这个光影我反手就是一个3A大作。
我一开始看那么简单的提示语嘴都笑歪了，结果后面不只我一个人发现了thinking和pro会时不时降智。@向阳乔木用的同一个手柄提示语，用instant，thinking和pro生成的三张图，
所以我后面干脆改用GPT5.2（无后缀版）抽卡了，还是可以抽出（抽了一晚上）相当不错的效果的，小球弹跳3D版，
以及模拟官方case的3D海浪，
@karminski-牙医得到的结论也很一样，下面两个演示动画是我节选他跑的一部分效果，我觉得可以基本实锤了。测试中的GPT 5.2 thinking和pro差距并不大, 但价格差了11倍。大象牙膏测试，甚至不如 GPT5，粒子效果还不如国产开放权重模型，
鞭炮连锁爆炸测试, 建模和光照, 粒子效果都非常好, 但追求画质的结果就是牺牲了性能,
总的来说，模型写出来的代码都挺好看，但性能没太大进步。最后，来测试看看GPT5.2的写作能力吧，既然都囊括了44种职业了，那文案是不是也要拉上来。我基本都是一个固定提示语测试，太短了看不出AI味，太多提示语限制的话看不出最低下限
尽力了，3k字压成图片传上来还是有点糊的，怎么说呢，GPT5.2的AI味还是重，破折号双引号冒号顿号，固定的不是…而是的句式还是时不时会弹出来，但是这个故事的本身设定我还是很喜欢的，不再完美的AI零七和被算法讨厌的噪音工程师林佑的联手还蛮有看点的。最后的最后，GPT-5.1三个月后也会下线，我们又一次告别了一个GPT开头的模型，GPT5.2发布当天，OpenAI十周年这周，奥特曼写了一封公开信《Ten Years》，他说，再过十年，我们几乎肯定能造出超级智能。实话说，我对OpenAI的感情是复杂的，Gemini 3.0 Pro 独一档强，Claude基本不能用的情况下，我是真心希望GPT5.2能支棱起来，别真被彻底超过了，多多优化模型吧。
@ 作者 / 卡尔
© 版权声明
文章版权归作者所有，未经允许请勿转载。
