隆重推出 GPT-5.2：为专业工作与长时运行智能体打造的前沿模型

2025 年 12 月 11 日，OpenAI 发布了 GPT‑5.2 模型系列。简单说，它就是冲着“把活儿干完、而且干得更像专业人士”来的：做表格、做 PPT、写代码、看图、读超长文档、跑多步骤流程（甚至长时间运行的智能体任务），都更稳、更能交付。

核心结论

• 更适合“交付型工作”：在覆盖 44 个职业的 GDPval 评测里，GPT‑5.2 Thinking 的表现直接把行业基准拉高了。
• 写代码更能打：SWE-bench Pro（公开版）做到 55.6%，SWE-bench Verified 做到 80.0%。
• 胡说更少：在去标识化的 ChatGPT 查询里，“至少包含一个错误的回复”的比例下降（6.2% vs 8.8%）。
• 长文档更不怕：在 OpenAI MRCRv2 等长上下文评测里表现领先，最高覆盖到 256k token 的输入区间评估。
• 更会用工具跑流程：Tau2-bench Telecom 做到 98.7%，多轮、多步骤任务更不容易中途掉链子。

关键基准对比（节选）

指标	GPT‑5.2 Thinking	GPT‑5.1 Thinking
GDPval（胜出或持平）知识型工作任务	70.9%	38.8%（GPT‑5）
SWE-Bench Pro（公开版）软件工程	55.6%	50.8%
SWE-bench Verified 软件工程	80.0%	76.3%
GPQA Diamond（无工具）科学问题	92.4%	88.1%
CharXiv 推理（使用 Python）科学图表类问题	88.7%	80.3%
HMMT（2025 年 2 月）数学竞赛	99.4%	96.3%
FrontierMath（Tier 1–3）高等数学	40.3%	31.0%
ARC-AGI-1（Verified）抽象推理	86.2%	72.8%
ARC-AGI-2（Verified）抽象推理	52.9%	17.6%

面向“经济价值”的任务：GDPval

GDPval 这个测试很“接地气”：不是让模型做题，而是让它产出真实工作成果（比如销售演示文稿、会计表格、排班表、制造业图表、短视频脚本等），覆盖 9 个高 GDP 贡献行业的 44 种职业。

结果也很直观：在 GDPval 的知识型任务里，GPT‑5.2 Thinking 有 70.9% 的对比项目能“赢过或追平”顶尖行业专家。OpenAI 还给了一个很激进的估算：在有人类监督的情况下，它做这些任务的速度可能比专家快 11 倍以上，成本不到其 1%（速度与成本估算基于历史指标）。

编码：更可靠的工程交付

如果你更关心工程能力，那就看 SWE-bench。它会直接丢给模型一个真实代码仓库，让它自己改代码、出补丁来修 bug 或实现需求。

GPT‑5.2 Thinking 在 SWE-bench Pro（公开版）达到 55.6%，在 SWE-bench Verified 达到 80.0%。

放到日常开发里，可以理解成：它更有机会把一个需求从“看懂”做到“改完能跑”，而不是写一堆看起来像样但不能落地的代码。比如更擅长：

• 调试生产环境代码
• 实现功能需求
• 重构大型代码库
• 更少人工干预完成端到端修复交付

事实性：错误率下降

大家最在意的一点：别瞎编。OpenAI 说在一组来自 ChatGPT 的去标识化查询里，GPT‑5.2 Thinking 的错误率确实下来了。

• GPT‑5.2 Thinking：至少包含一个错误的回复 6.2%
• GPT‑5.1 Thinking：至少包含一个错误的回复 8.8%

当然，依然别把它当“真理机”，关键结论还是要复核。

长上下文：跨数十万 token 的整合能力

长文档这块，GPT‑5.2 Thinking 也主打一个“更能扛”。OpenAI MRCRv2 用来测模型能不能在超长文档里把分散的信息串起来，GPT‑5.2 Thinking 在这个评测里表现领先，并且在最长可达 256k token 的输入区间评估中更稳定。

如果你的任务更像“跑流程”（要多次调用工具、持续迭代），它还可以配合 Responses API 的 /compact 端点去扩展有效上下文窗口，支持更长时间的工作流。

视觉：图表与界面理解显著提升

视觉能力也有明显提升，尤其是“看图表”和“看界面截图”这类更贴近工作场景的任务。比如：

• CharXiv Reasoning（使用 Python）：88.7%（相比 GPT‑5.1 Thinking 的 80.3%）
• ScreenSpot-Pro（使用 Python）：86.3%（相比 64.2%）

工具调用：多轮任务更稳

τ2-bench 这种测试更像“真实客服/真实流程”：模型要跟模拟用户聊很多轮，同时还得自己用工具把事情办完。

• Tau2-bench Telecom：GPT‑5.2 Thinking 98.7%
• Tau2-bench Retail：GPT‑5.2 Thinking 82.0%

对你来说，意思就是：从多个系统拉数据、做分析、出最终结果，这条链路更不容易断。

可用性与定价（API）

API 中的模型命名方式：

• GPT‑5.2 Thinking：gpt-5.2
• GPT‑5.2 Instant：gpt-5.2-chat-latest
• GPT‑5.2 Pro：gpt-5.2-pro

价格（每百万 token）：

模型	输入	缓存输入	输出
gpt-5.2 / gpt-5.2-chat-latest	$1.75	$0.175	$14
gpt-5.2-pro	$21	-	$168

总结

总体来看，GPT‑5.2 这次升级的重点很明确：更适合做“长流程、要交付、要结果”的事。长上下文更稳、工具调用更顺、看图看界面更准、写代码也更能落地。如果你平时用 AI 的核心诉求就是省时间、少返工、能交付，那这波更新值得关注。