OpenAI 在「红色警报」后发布 GPT-5.2

背景

路透社（Reuters）把这次发布描述为 OpenAI 在内部「红色警报」（code red）之后、为应对 Google Gemini 3 而采取的动作^[2]。这一说法把发布放进了竞争语境：它更像是对竞争对手的回应，而不是一次按部就班的产品更新。所谓「红色警报」，通常指公司内部为应对紧急局面而启动的高优先级动员，意味着资源向一个目标集中。

发布了什么

2025 年 12 月 11 日，OpenAI 发布 GPT-5.2，分为 Instant、Thinking 和 Pro 三个版本^[1]。该模型同时进入 ChatGPT 和微软 Copilot^[1]，也就是说，它既出现在 OpenAI 自己的聊天产品里，也出现在微软的助手产品里。在 ChatGPT 内，三个版本当天开始在付费套餐中逐步推送；API 版本则立即向所有开发者开放^[4]。付费的 ChatGPT 用户先在应用里用上它，开发者从第一天起就能通过接口调用^[4]。

主打专业工作

OpenAI 表示，新模型在电子表格、财务模型和演示文稿这类专业任务上更强^[1][3]。支撑这一说法的是 GDPval：一项把模型输出与不同职业专业人士的工作放在一起比较的评测。OpenAI 称，GPT-5.2 Thinking 在覆盖 44 个职业的 GDPval 对比中有 70.9% 追平或胜过顶尖行业专业人士，并称这是公司首个在该评测上达到或超过人类专家水平的模型^[4]。OpenAI 还表示，模型完成 GDPval 任务的速度比人类专家快 11 倍以上，成本不到专家的 1%^[4]。

基准成绩

OpenAI 公布的其他数字包括：SWE-Bench Pro 55.6%、SWE-bench Verified 80.0%，这两项基准都围绕软件工程中的代码任务设计；在 GPQA Diamond 上为 92.4%，在 AIME 2025 上为 100%，后两项均标注「不使用工具」^[4]。GPQA Diamond 是一组高难度科学问题，AIME 则是面向高中生的数学竞赛；「不使用工具」意味着这些分数不是靠外部计算器或代码执行等辅助取得的，而更接近模型自身输出的水平。

这些数字怎么读

上面所有性能与成本数字，都是 OpenAI 就自家模型和自家评测给出的^[4]。其中「追上人类专家」的说法依赖 GDPval：70.9% 的对比被算作模型胜出或打平^[4]；速度与成本的比较则以人类专家专业人士为参照^[4]。

后续信号

CNBC 报道，Sam Altman 预计 OpenAI 会在 2026 年 1 月前退出「红色警报」状态^[3]，这给发布前的那次内部动员附上了一个大致的时间表。