日前，OpenAI 十周年的日子里，他们如约推出了新的旗舰模型 GPT-5.2。
官方宣传词是「迄今为止在专业知识工作上最强大的模型」，各项基准测试成绩也确实看起来不错。
但就在发布后的几个小时内，整个网络舆论急速反转。
社交媒体上涌现出大量质疑声音：从专业基准测试的「拉胯」成绩，到日常推理能力的离谱错误，再到创意工作上的审美缺陷……
一个曾经被全网期待的升级，瞬间变成了网红吐槽对象。
第一个坑：基准测试对不上
OpenAI官方数据吹得很凶，AIME数学竞赛100%满分、70%工作场景超越人类专家。
但SimpleBench（一个测常识推理的2024年基准），出来，GPT-5.2得分竟然低于Claude Sonnet 3.7，那是一年前的模型。
SimpleBench考的是像人一样思考，不是死记硬背。
200多道多选题，高中生能答83%，但GPT-5.2栽跟头了。
最过分的是那个著名的"garlic有几个r"问题，GPT-5.2一本正经回答0个，被网友直接嘲讽"GPT-5.2 is AGI"。
更扎心的是，前AWS和谷歌总经理Bindu Reddy指出，GPT-5.2在LiveBench上的得分也低于Opus 4.5和Gemini 3.0。
号称升级，结果在多个真实基准上都表现平庸。**
**
第二个坑：安全护栏把人当幼儿园小孩
OpenAI强化了"安全完成"机制，结果用户缺不干了！
有人想转录Ray Kurzweil的哲学论文（纯学术内容），GPT-4o到GPT-5.2全部拒绝，借口是"内容不合适"或"版权问题"。
Reddit用户一致认为GPT-5.2太平淡、过度审查，
就像"把成年人当幼儿园小孩对待"，有人甚至说"不像是升级，反而像是倒退"。
那GPT-5.2真的有那么拉垮吗？网上有差的一面，但是也有好的一面。
不少人觉得GPT-5.2更加智能了。
当然，这里也不一一展示了！
其实深究OpenAI到底怎么了？原因也很简单，
其实问题出在OpenAI的战略转向
GPT-5.2不是烂，而是为数学和科学而生。只是在错误的时间，出现在错误的使用场景上。
它被当做自然语言模型来用，结果就显得冷漠、无人性。
我注意到一个趋势。
OpenAI让Jakub Pachocki做首席科学家，这个信号很明确，他们已经打算放弃自然语言了。
看o1、o3、GPT-5、GPT-5.2的走势，每一代模型都在变得更"不自然"。
o3那会儿大家沉迷于它的图像缩放和推理能力，忽视了一件事：它的语言表达越来越不自然，出现了反自然语言倾向。到了GPT-5.2，这个趋势更明显。
最后！
基准测试碾压竞品，不代表真实可用性强。
OpenAI为了刷推理能力而优化模型，反而丧失了在日常对话中的理解力和温度。
一个更聪明但更冷漠、更容易伤害人的系统，这不是升级，这是战略偏移。
可能这就是为什么Claude用户反馈满意度更高，不是智能分更高。
如果大家更加注重日常的聊天。那还是期待新版的GPT-4o早点出来吧！
相关阅读：
