在 OpenAI 庆祝十周年之际，最新发布的 GPT-5.2 系列模型引发了广泛讨论。官方数据显示，GPT-5.2 在多个专业基准测试中表现出色，甚至在某些领域超过了人类专家，堪称迄今为止在专业知识工作中表现最佳的 AI 模型。
根据 OpenAI 的介绍，GPT-5.2 在多个领域取得了技术突破。例如，在 GDPval 测试中，该模型在 44 个职业的任务中以 70.9% 的成绩超越了顶尖专家。同时，SWE-bench Pro 编程测试中，GPT-5.2 达到了 55.6% 的 SOTA（State of the Art）成绩，幻觉率较前一版本 GPT-5.1 降低了 38%。这些成果令人振奋，似乎标志着 AI 技术的又一飞跃。
然而，并非所有反馈都是正面的。在 SimpleBench 常识推理测试中，GPT-5.2 的得分却低于竞争对手 Anthropic 发布的 Claude Sonnet 3.7，尤其是在一些看似简单的问题上表现不佳。例如，模型在回答 “garlic 有几个 r” 这样的问题时，常常出错，用户在进行三次测试时，仅有一次答对。相较之下，谷歌的 Gemini 3.0 等竞品则能够稳定通过这些逻辑推理挑战。这让一些用户感到失望，甚至前 AWS 总经理 Bindu Reddy 直言：“不值得从 GPT-5.1 升级。”
尽管技术的进步不可否认，但 GPT-5.2 所面临的挑战也让人深思。AI 模型在处理简单常识问题时的不足，引发了关于 AI 智能水平的争论。这是否意味着技术在某些方面的退步，或者只是发展过程中的正常现象？未来，OpenAI 需要进一步优化和改进，以提升模型在逻辑推理和常识理解方面的表现。
GPT-5.2 的发布标志着 OpenAI 在专业领域的重大进展，但也暴露出模型在常识推理等基础任务中的不足。这场关于 AI 智能的争论，或许将成为未来科技发展的重要课题。
