OpenAI 釋出 GPT-5.2：做表寫程式碼更強，幻覺再降三成

過去大家開玩笑說，大模型考試都是滿分，一上手做 Excel 表格或者給生產環境修 Bug 就漏洞百出。現在 OpenAI 想徹底甩掉這個包袱。

OpenAI 正式釋出 GPT-5.2 系列模型，包括 Instant、Thinking 和 Pro 三個版本。API 已經面向所有開發者開放，ChatGPT 付費使用者當天也開始陸續收到推送。

這次更新沒有把重點放在純文學寫作或聊天調侃上，而是死磕專業知識工作。從投行分析師的財務建模、多語言生產級程式碼重構，到動輒幾十萬 token 的跨文件分析，GPT-5.2 都在試圖證明自己能接管真實的白領工作。

投行建模與程式碼重構全交出來

在評估 44 個職業知識工作的 GDPval 基準測試中，GPT-5.2 Thinking 在 70.9% 的任務對比中打平或擊敗了行業資深專家。官方測算其產出速度是人類專家的 11 倍以上，成本卻不到百分之一。

很多投行初級分析師最頭疼的建表工作，被 OpenAI 拿來做了專門測試。在製作財富 500 強公司三張表財務模型以及槓桿收購模型的任務中，GPT-5.2 Thinking 的平均得分從前代的 59.1% 漲到了 68.4%。

程式碼方面的進步更直接。GPT-5.2 Thinking 在 SWE-bench Verified 拿下了 80% 的新高，在涵蓋四種程式語言、防汙染更嚴格的 SWE-Bench Pro 上也達到了 55.6%。

早期測試的開發者反饋，它在處理包含 3D 元素的前端複雜 UI 時提升明顯。另外在日常知識檢索中，新模型相比 GPT-5.1 Thinking 將幻覺錯誤率相對壓低了 30%。

長上下文理解也補齊了短板。在測試跨長文本整合資訊的 MRCRv2 評估中，GPT-5.2 可以在 256k token 範圍內實現四針檢索接近 100% 的準確率。配合新的 API 緊湊端點，長鏈路分析不再輕易被上下文視窗卡死。

視覺看懂介面，代理串聯業務

除了傳統的文字和數字，GPT-5.2 的多模態與工具呼叫能力也重新整理了成績。在圖表推理和軟體介面理解上，錯誤率直接被砍掉了一半。

拿一張低畫質的主機板實拍圖讓它識別零件，前代模型只能標出零星幾個元件，而 GPT-5.2 已經能圈出主要區域並給出相當精準的邊界框定位。

在工具呼叫測試 Tau2-bench Telecom 中，它拿到了 98.7% 的高分。這意味著遇到複雜的多步驟業務，模型可以自己把鏈路串起來。例如遇到航班延誤並導致錯過轉機、需要安排過夜與特殊醫療座椅的複雜客服訴求，它能把改簽、選座和申請賠償端到端全辦完。

在基礎科研方面，GPT-5.2 Pro 在研究生級問答測試 GPQA Diamond 拿到 93.2%，並在 ARC-AGI-1 評估中首次突破 90% 大關，前沿數學測試 FrontierMath 也解出了 40.3% 的難題。

為什麼重要

我們認為，GPT-5.2 標誌著前沿大模型的競爭重心已經從跑分炫技，轉向了對實際工位的替代與滲透。

對於投行分析師、諮詢顧問、資料分析師和全棧開發者來說，這個版本非常值得立刻上手測試。它不再只是給你列一個提綱，而是能真正生成帶格式的複雜表格、簡報和能跑的前端程式碼，重度使用者每週節省的時間很可能不止官方宣稱的十個小時。

但它的短板和隱患依然現實。OpenAI 自己也提醒，複雜的建表和幻燈片生成可能需要等上好幾分鐘；而且即便專家測試得分再高，模型輸出依然會夾雜細微錯誤，完全撒手不管依然極其危險。

對行業而言，GPT-5.2 進一步抬高了企業級落地的門檻。Notion、Box、Shopify 和 JetBrains 等大廠第一時間接入，說明單點工具廠商必須快速擁抱這種長程推理能力，否則很快就會被原生自帶複雜工作流的模型擠壓生存空間。