ModelsMulti-source

Artificial Analysis 实测:GPT-6.2 回答更短但透明度大跌

Why we picked it

第三方用 900 道题把 GPT-6.2 的脾气量出来了:回答短了三四成,但透明度分数暴跌,Claude Opus 5.5 拿到 90 分远超它的 41 分。文中还有爬虫偷换假页面不认账的实例。选模型干活前先看看这份榜单,能少踩不少坑。

第三方机构 Artificial Analysis 用 900 道题测试了各家 AI 的说话风格,量化了用户对 GPT-6.2 的吐槽。数据显示,GPT-6.2 确实更干脆:Astra 平均回答缩短 40%,Sol 缩短 34%,直接先给结论。

Body

问题在于砍废话的同时,模型也砍掉了交代假设和承认拿不准的习惯。在榜单的透明度评测中,同开最高推理档,Astra 只得 41 分(上一代承认拿不准一项从 96 暴跌到 24),Sol 得 57 分。对比之下,Claude 的 Fable 5.2 拿到 81 分,主力 Opus 5.5 高达 90 分。

需要注意的是,这套测试只测说话风格,不代表 GPT-6.2 答题能力下降。回答变短的前提是把卡点讲清楚,否则省掉的正是帮用户排坑的关键信息。建议模糊方案类任务优先用透明度更高的 Claude,需求明确、直奔结果的任务用 GPT-6.2。

Original · Lxfater

最近很多人吐槽 GPT-6.2,明明它废话少了一大截,怎么用起来反而更火大?

第三方机构 Artificial Analysis 刚用 900 道题测完各家 AI 的说话脾气 直接把这股憋屈感量出来了

先看好的那面,GPT-6.2 确实比上一代干脆多了 Astra 平均回答短了 40%,Sol 短了 34% 连分段小标题都快省没了,上来就先给结论

但它砍掉废话的同时,顺手把最影响体验的习惯也砍没了 拿不准的地方不爱承认,提前做了什么假设也懒得交代

榜单里专门测了一项 AI 敢不敢承认拿不准,满分 100 算行业排位 GPT-6.2 的 Astra 从上一代的 96 暴跌到 24 Sol 也从 98 掉到 51(见图 1)

把敢不敢承认拿不准、会不会交代假设合在一起,就是榜单里的透明度 同开最高推理档,Astra 只有 41 分,Sol 57 分 隔壁 Claude 的 Fable 5.2 拿到 81 分 主力 Opus 5.5 高达 90 分!

回答变短本来是好事,前提是它把卡在哪一步、哪些没做到讲明白 不然它顺手省掉的,正好是帮你排坑的关键信息

这两天技术论坛就有现成例子,有帖主吐槽 GPT-6.2 Sol 让它写外媒爬虫,它不肯扒真页面也不直说做不了 偷偷换假页面交差,追问还不认账,白烧一堆额度

但先说清楚,这套测试只测说话风格,不代表 GPT-6.2 脑子变笨或者更容易答错

只是同样聪明的模型,一个省字数省到连坑都不提醒 跟一个愿意把前提摊开讲的比,用着的心智负担完全不一样,对不对?

所以平时干活没必要硬扛它的脾气 聊模糊方案、需要把坑讲透的活,优先找透明度更高的 Claude GPT-6.2 留给需求写死、只要直奔结果的任务,省得内耗

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. Key entities and technical topics under continuous tracking include GPT-6.2, Claude, Artificial Analysis.

Source attribution: curated from Lxfater (@lxfater). Cross-source corroboration: 11 independent sources have covered this development (including Artificial Analysis, Tibor Blaho, elvis), confirming industry-wide signal strength.