Models

GPT-6.2 引发争议:好用但"手动挡"式偷懒引吐槽

Why we picked it

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。

Body

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。

Original · Lxfater

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

Industry Coordinates & Source Verification

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).