OpenAI 发布 GPT-5.2：做表写代码更强，幻觉再降三成

过去大家开玩笑说，大模型考试都是满分，一上手做 Excel 表格或者给生产环境修 Bug 就漏洞百出。现在 OpenAI 想彻底甩掉这个包袱。

OpenAI 正式发布 GPT-5.2 系列模型，包括 Instant、Thinking 和 Pro 三个版本。API 已经面向所有开发者开放，ChatGPT 付费用户当天也开始陆续收到推送。

这次更新没有把重点放在纯文学写作或聊天调侃上，而是死磕专业知识工作。从投行分析师的财务建模、多语言生产级代码重构，到动辄几十万 token 的跨文档分析，GPT-5.2 都在试图证明自己能接管真实的白领工作。

投行建模与代码重构全交出来

在评估 44 个职业知识工作的 GDPval 基准测试中，GPT-5.2 Thinking 在 70.9% 的任务对比中打平或击败了行业资深专家。官方测算其产出速度是人类专家的 11 倍以上，成本却不到百分之一。

很多投行初级分析师最头疼的建表工作，被 OpenAI 拿来做了专门测试。在制作财富 500 强公司三张表财务模型以及杠杆收购模型的任务中，GPT-5.2 Thinking 的平均得分从前代的 59.1% 涨到了 68.4%。

代码方面的进步更直接。GPT-5.2 Thinking 在 SWE-bench Verified 拿下了 80% 的新高，在涵盖四种编程语言、防污染更严格的 SWE-Bench Pro 上也达到了 55.6%。

早期测试的开发者反馈，它在处理包含 3D 元素的前端复杂 UI 时提升明显。另外在日常知识检索中，新模型相比 GPT-5.1 Thinking 将幻觉错误率相对压低了 30%。

长上下文理解也补齐了短板。在测试跨长文本整合信息的 MRCRv2 评估中，GPT-5.2 可以在 256k token 范围内实现四针检索接近 100% 的准确率。配合新的 API 紧凑端点，长链路分析不再轻易被上下文窗口卡死。

视觉看懂界面，代理串联业务

除了传统的文字和数字，GPT-5.2 的多模态与工具调用能力也刷新了成绩。在图表推理和软件界面理解上，错误率直接被砍掉了一半。

拿一张低画质的主板实拍图让它识别零件，前代模型只能标出零星几个元件，而 GPT-5.2 已经能圈出主要区域并给出相当精准的边界框定位。

在工具调用测试 Tau2-bench Telecom 中，它拿到了 98.7% 的高分。这意味着遇到复杂的多步骤业务，模型可以自己把链路串起来。例如遇到航班延误并导致错过转机、需要安排过夜与特殊医疗座椅的复杂客服诉求，它能把改签、选座和申请赔偿端到端全办完。

在基础科研方面，GPT-5.2 Pro 在研究生级问答测试 GPQA Diamond 拿到 93.2%，并在 ARC-AGI-1 评估中首次突破 90% 大关，前沿数学测试 FrontierMath 也解出了 40.3% 的难题。

为什么重要

我们认为，GPT-5.2 标志着前沿大模型的竞争重心已经从跑分炫技，转向了对实际工位的替代与渗透。

对于投行分析师、咨询顾问、数据分析师和全栈开发者来说，这个版本非常值得立刻上手测试。它不再只是给你列一个提纲，而是能真正生成带格式的复杂表格、演示文稿和能跑的前端代码，重度用户每周节省的时间很可能不止官方宣称的十个小时。

但它的短板和隐患依然现实。OpenAI 自己也提醒，复杂的建表和幻灯片生成可能需要等上好几分钟；而且即便专家测试得分再高，模型输出依然会夹杂细微错误，完全撒手不管依然极其危险。

对行业而言，GPT-5.2 进一步抬高了企业级落地的门槛。Notion、Box、Shopify 和 JetBrains 等大厂第一时间接入，说明单点工具厂商必须快速拥抱这种长程推理能力，否则很快就会被原生自带复杂工作流的模型挤压生存空间。