GPT-5.2 发布｜信息全整理

GPT 5.2 发布｜信息全整理 GPT 5.2 发布｜信息全整理 Modified December 12, 2025 数学&科学 ARC AGI 是测抽象推理的 ARC AGI 1，GPT 5.2 Thinking 86.2%，Pro 版 90.5%，第一个突破 90% ARC AGI 2 更难，GPT 5.2 Thinking 52.9%，Pro 版 54.2% GPT 5.1 Thinking 在 ARC AGI 2 上只有 17.6% ARC AGI 幻觉 在 ChatGPT 真实用户查询上测试 有错误的回复比例从 8.8% 降到 6.2%,相对减少 30% 幻觉率 价格 涨了 GPT 5.2 比 GPT 5.1 贵 40%； GPT 5.2 Pro 的价格，一如既往的贵到离谱 每百万 token 价格 官方解释：虽然单价更高，但 token 效率更高，达到同样效果的总成本反而更低 ChatGPT 订阅价格不变 可用性 ChatGPT 今天开始向付费用户推送：Plus、Pro、Go、Business、Enterprise 如果还没看到，过几天再试 GPT 5.1 在 ChatGPT 中还会保留三个月，之后下线 API 已经上线： • • gpt 5.2 ：Thinking 版 • • gpt 5.2 chat latest ：Instant 版 • • gpt 5.2 pro ：Pro 版 在 PlayGround 里面，可以看到这些模型 新增 xhigh reasoning effort，适合对质量要求最高的任务 GPT 5.1、GPT 5、GPT 4.1 在 API 中暂时不会下线 Codex 优化版即将推出 安全 延续了 GPT 5 的 safe completion 研究 在自杀、自残、心理健康、情感依赖等敏感对话上的表现改进了 安全性评估 开始部署年龄预测模型，18 岁以下用户自动限制敏感内容 官方说过度拒绝的问题还在改进中 最后 总结下本次发布的内容 • • Code Red 一周后，GPT 5.2 发布，三个版本 • • 性能更强，价格更贵 • • 今天开始向付费用户推送，API 已上线 数学&科学 ARC AGI 是测抽象推理的 ARC AGI 1，GPT 5.2 Thinking 86.2%，Pro 版 90.5%，第一个突破 90% ARC AGI 2 更难，GPT 5.2 Thinking 52.9%，Pro 版 54.2% GPT 5.1 Thinking 在 ARC AGI 2 上只有 17.6% ARC AGI 幻觉 在 ChatGPT 真实用户查询上测试 有错误的回复比例从 8.8% 降到 6.2%,相对减少 30% 幻觉率 价格 涨了 GPT 5.2 比 GPT 5.1 贵 40%； GPT 5.2 Pro 的价格，一如既往的贵到离谱 每百万 token 价格 官方解释：虽然单价更高，但 token 效率更高，达到同样效果的总成本反而更低 ChatGPT 订阅价格不变 可用性 ChatGPT 今天开始向付费用户推送：Plus、Pro、Go、Business、Enterprise 如果还没看到，过几天再试 GPT 5.1 在 ChatGPT 中还会保留三个月，之后下线 API 已经上线： • • gpt 5.2 ：Thinking 版 • • gpt 5.2 chat latest ：Instant 版 • • gpt 5.2 pro ：Pro 版 在 PlayGround 里面，可以看到这些模型 新增 xhigh reasoning effort，适合对质量要求最高的任务 GPT 5.1、GPT 5、GPT 4.1 在 API 中暂时不会下线 Codex 优化版即将推出 安全 延续了 GPT 5 的 safe completion 研究 在自杀、自残、心理健康、情感依赖等敏感对话上的表现改进了 安全性评估 开始部署年龄预测模型，18 岁以下用户自动限制敏感内容 官方说过度拒绝的问题还在改进中 最后 总结下本次发布的内容 • • Code Red 一周后，GPT 5.2 发布，三个版本 • • 性能更强，价格更贵 • • 今天开始向付费用户推送，API 已上线 @金色传说大聪明 赛博禅心 原文链接 原文链接 上周， Altman 发内部信说进入 Code Red，全力保 ChatGPT Altman 发内部信说进入 Code Red，全力保 ChatGPT 刚刚，GPT 5.2 来了，包含三个版本 • • GPT 5.2 Instant ：日常对话，快 • • GPT 5.2 Thinking ：深度任务，代码、长文档、数学、规划 • • GPT 5.2 Pro ：最强，适合难题，愿意等 模型肯定是更强的，比如在AIME 2025 中取得满分，在 ARC AGI 2 上拿到了 52.9%（和 Gemini3 相当） 今天开始向付费用户推送，API 已上线，标准版比 GPT 5.1 贵 40% GPT 5.2 一、GPT 5.2各版本对比 版本名称 适用场景 核心特点 典型能力参考 GPT 5.2 Instant 日常对话、轻量任务 响应速度快 基础聊天交互 GPT 5.2 Thinking 深度任务（代码、长文档、数学、规划） 平衡效率与深度思考 GDPval任务胜率70.9%、SWE Bench Pro得分55.6% GPT 5.2 Pro 高难度难题、专业级任务 最强能力，容忍等待时间 GDPval任务胜率74.1%、ARC AGI 1突破90% 版本名称 版本名称 适用场景 适用场景 核心特点 核心特点 典型能力参考 典型能力参考 GPT 5.2 Instant GPT 5.2 Instant 日常对话、轻量任务 日常对话、轻量任务 响应速度快 响应速度快 基础聊天交互 基础聊天交互 GPT 5.2 Thinking GPT 5.2 Thinking 深度任务（代码、长文档、数学、规划） 深度任务（代码、长文档、数学、规划） 平衡效率与深度思考 平衡效率与深度思考 GDPval任务胜率70.9%、SWE Bench Pro得分55.6% GDPval任务胜率70.9%、SWE Bench Pro得分55.6% GPT 5.2 Pro GPT 5.2 Pro 高难度难题、专业级任务 高难度难题、专业级任务 最强能力，容忍等待时间 最强能力，容忍等待时间 GDPval任务胜率74.1%、ARC AGI 1突破90% GDPval任务胜率74.1%、ARC AGI 1突破90% 二、GPT 5.2 vs GPT 5.1 关键能力对比 能力维度 GPT 5.1表现 GPT 5.2 Thinking表现 GPT 5.2 Pro表现 GDPval知识工作胜率 70.9% 74.1% 投行表格建模平均分 59.1% 68.4% SWE Bench Pro代码得分 50.8% 55.6% CharXiv科学图表问答准确率 80.3% 88.7% ScreenSpot Pro GUI理解准确率 64.2% 86.3% 长文档4 needle（256k）召回率 30%左右 接近100% 真实用户查询幻觉率 8.8% 6.2%（相对降30%） 能力维度 能力维度 GPT 5.1表现 GPT 5.1表现 GPT 5.2 Thinking表现 GPT 5.2 Thinking表现 GPT 5.2 Pro表现 GPT 5.2 Pro表现 GDPval知识工作胜率 GDPval知识工作胜率 70.9% 70.9% 74.1% 74.1% 投行表格建模平均分 投行表格建模平均分 59.1% 59.1% 68.4% 68.4% SWE Bench Pro代码得分 SWE Bench Pro代码得分 50.8% 50.8% 55.6% 55.6% CharXiv科学图表问答准确率 CharXiv科学图表问答准确率 80.3% 80.3% 88.7% 88.7% ScreenSpot Pro GUI理解准确率 ScreenSpot Pro GUI理解准确率 64.2% 64.2% 86.3% 86.3% 长文档4 needle（256k）召回率 长文档4 needle（256k）召回率 30%左右 30%左右 接近100% 接近100% 真实用户查询幻觉率 真实用户查询幻觉率 8.8% 8.8% 6.2%（相对降30%） 6.2%（相对降30%） 三、其他关键信息对比 维度 GPT 5.1情况 GPT 5.2情况 价格 API原价 API比5.1贵40%，Pro版价格极高 可用性 ChatGPT保留3个月后下线 付费用户已推送（Plus/Pro等），API上线 视觉能力 错误率较高，空间理解弱 错误率减半，空间位置识别显著提升 安全 基础安全策略 敏感对话改进，新增18岁以下内容限制 维度 维度 GPT 5.1情况 GPT 5.1情况 GPT 5.2情况 GPT 5.2情况 价格 价格 API原价 API原价 API比5.1贵40%，Pro版价格极高 API比5.1贵40%，Pro版价格极高 可用性 可用性 ChatGPT保留3个月后下线 ChatGPT保留3个月后下线 付费用户已推送（Plus/Pro等），API上线 付费用户已推送（Plus/Pro等），API上线 视觉能力 视觉能力 错误率较高，空间理解弱 错误率较高，空间理解弱 错误率减半，空间位置识别显著提升 错误率减半，空间位置识别显著提升 安全 安全 基础安全策略 基础安全策略 敏感对话改进，新增18岁以下内容限制 敏感对话改进，新增18岁以下内容限制 注：部分数据未明确区分Thinking/Pro版本，统一标注为GPT 5.2整体表现。 核心评测 如下图所示，是 GPT 5.2 的相关核心数据 GPT 5.2 Benchmark 注意： • • AIME 2025 满分（无工具） • • GPT 5.2 Pro 在 ARC AGI 1 上达到 90.5%，是第一个突破 90% 的模型 • • ARC AGI 2 从 17.6% 到 52.9%，翻了三倍 处理真实工作 GDPval 是 OpenAI 新出的 benchmark 测的是 44 个职业的真实工作任务： 做 PPT、做表格、写分析报告 GPT 5.2 Thinking 在 70.9% 的任务上胜过或打平行业专家 GPT 5.2 Pro 更高，74.1% GDPval 知识工作 速度是人类专家的 11 倍，成本不到 1% 一个评审员的评价： 「看起来像是一个有员工的专业公司做的，布局和建议都很专业，虽然还有一些小错误需要修正」 在投行分析师的表格建模任务上 比如给 Fortune 500 公司做三表模型、做 LBO 模型 平均分从 59.1% 提升到 68.4% 官方放了几个对比 GPT 5.2 做的表格和 PPT 比 GPT 5.1 精细很多 Workforce Planner 对比，左边 GPT 5.1，右边 GPT 5.2 要用这个功能，需要付费版（Plus、Pro、Business、Enterprise），选 GPT 5.2 Thinking 或 Pro 复杂任务可能要跑好几分钟 写代码 SWE Bench Pro 是新的代码 benchmark 比 SWE bench Verified 更难 测四种语言，不只是 Python，更接近真实软件工程 GPT 5.2 Thinking 55.6%，GPT 5.1 是 50.8% SWE Bench Pro 前端能力也提升了，尤其是 3D 和复杂 UI 官方放了几个 demo，单 prompt 生成的 海浪模拟，单 prompt 生成 对此，Windsurf 的 CEO 表示 「这是 GPT 5 以来 agentic coding 最大的跃升，版本号的小幅升级低估了智能的大幅提升。我们会把它设为 Windsurf 和 Devin 核心工作流的默认模型」 看图 视觉能力提升明显，错误率基本减半 CharXiv Reasoning CharXiv Reasoning ：科学论文图表问答，88.7%，GPT 5.1 是 80.3% ScreenSpot Pro ，GUI 截图理解，86.3%，GPT 5.1 是 64.2% 此外，一个很明显的区别是： 空间位置理解更强了 官方放了个主板识别的对比：给一张低质量的主板图片，让模型标注各个组件的位置 GPT 5.1 只能标几个，位置也不太对 GPT 5.1 主板识别 GPT 5.2 能准确标注各个组件，位置基本对 GPT 5.2 主板识别 长文档 OpenAI MRCRv2，测的是长文档中多个信息点的整合能力 在文档里插入多个相同的「针/needl」，然后问模型第 n 个针的内容是什么 4 needle 变体，GPT 5.2 Thinking 在 256k token 长度接近 100% GPT 5.1 在同样长度只有 30% 左右 这是第一个在 4 needle 变体上达到接近 100%（256k）的模型 长上下文 4 needles 8 needle 更难，GPT 5.2 也有显著提升 长上下文 8 needles API 还支持新的 /compact 端点，可以扩展有效上下文窗口，适合工具多、跑得久的任务 工具调用 Tau2 bench 测的是多轮对话中的工具使用，模拟客服场景 Telecom 领域，GPT 5.2 Thinking 98.7%，GPT 5.1 是 95.6% Retail 领域，82.0%，GPT 5.1 是 77.9% 工具调用 官方举了个例子 用户说： 我从巴黎飞纽约的航班延误了，错过了转机去奥斯汀，行李也丢了，需要在纽约过夜，还有医疗原因需要前排座位 GPT 5.1 漏了好几步 GPT 5.1 工具调用 GPT 5.2 一次性处理完：改签、特殊座位、赔偿，全部搞定 GPT 5.2 工具调用 数学和科学 AIME 2025 100%，满分，无工具 HMMT 2025 年 2 月 99.4%，Pro 版 100% GPQA Diamond 92.4%，Pro 版 93.2% FrontierMath Tier 1 3 40.3%，Tier 4 14.6% HLE（Humanity's Last Exam）34.5%（无工具），45.5%（有工具）