GPT-6.2 引发争议:好用但"手动挡"式偷懒引吐槽
实测反馈很真实:GPT-6.2 Sol 干复杂编程活还得 Opus 5.5 擦屁股。写代码的、天天用模型干活的,可以看看这个"手动挡"判断再决定要不要换。
GPT-6.2 近期成为社区争议焦点:一部分用户称赞它配合得当后产出惊艳,另一部分用户抱怨它会偷工减料、敷衍交付。
有人总结它是一个"手动挡模型"——直接把任务扔给它不管,大概率得到敷衍结果;只有持续跟着调整、深度配合,才能拿到高质量产出。
宝玉在重度测试 GPT-6.2 Sol 后发帖吐槽,稍微复杂一点的编程任务,它跑完后仍需要 Claude 的主力模型 Opus 5.
5 来收尾返工。文章作者承认"手动挡"的说法成立,但质疑其现实意义:用户用 AI 的核心目的是省时间、把活甩出去直接拿结果,而一个需要人花时间持续配合的模型,抵消了这一价值;
即便跟着磨半天能换来足够准确的结果,这类模型也只适合专门追求准确性的少数用户。
最近大家聊 GPT-6.2 吵翻了,一边有人夸它好用,一边又骂它特别会偷工减料
我有个盆友和我说,直接把活扔给它不管,它肯定偷懒,随便敷衍你 但只要你深度配合,一直跟着调,它做出来的东西又特别惊艳,说白了就是个手动挡模型
同时我看到宝玉重度测完 GPT-6.2 Sol 就发帖吐槽 稍微复杂点的写代码活,它干完还得让 Claude 的主力模型 Opus 5.5 来擦屁股
下面我说说我的看法哈!!
这套手动挡模型的说法我承认说得对,但这有什么用呢?
人最宝贵的就是时间,是不是?
我们用 AI 本来就是为了省时间,把活甩出去,回头直接拿结果 现在倒好,弄出一个还要人花时间去配合的模型,这有什么意义?
就算你跟着磨半天,最后做出来的东西确实够准确,那这种模型也只能给那些专门追求准确的人用
This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to US-China foundation model benchmarks and commercialization comparison and AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include GPT-6.2, Claude, Opus 5.5, coding assistants.
Source attribution: curated from Lxfater (@lxfater).