OpenAI GPT-5.2 版本說明

OpenAI 已推出 GPT-5.2，一個專為專業知識工作設計的模型系列。此版本包含三個變體——GPT-5.2 Instant、GPT-5.2 Thinking 和 GPT-5.2 Pro——共同提升了通用智慧、長上下文理解、代理工具調用和視覺能力。

專業知識工作與 GDPval

GPT-5.2 Thinking 是首個在 GDPval 基準上達到或超越人類專家水平的 OpenAI 模型，該基準衡量 44 個職業的明確指定知識工作任務。在 70.9% 的比較中，它擊敗或持平頂尖行業專業人士。

專業任務的關鍵效能指標包括：

效率： GPT-5.2 Thinking 產出的速度超過專業人士的 11 倍，且成本低於專業人士的 1%。
財務建模： 在內部初級投資銀行分析師的試算表任務中，GPT-5.2 Thinking 得分 68.4%，比 GPT-5.1 的 59.1% 提高 9.3%。
交付成果： 該模型在生成人力規劃模型、試算表和簡報方面展現出更高的精緻度。

GPT-5.2 Thinking 在軟體工程上建立了新的最先進水準，在 SWE-Bench Pro（測試四種語言）上得分 55.6%，在 SWE-bench Verified 上得分 80%。

編程中的技術改進包括：

端到端執行： 在調試生產程式碼、實作功能請求以及重構大型程式碼基礎方面的可靠性提升。
前端開發： 在非傳統 UI 工作和 3D 元素方面的能力增強。
代理整合： 包括 Windsurf 首席執行官 Jeff Wang 在內的早期測試者指出，GPT-5.2 在代理編程方面代表了重大飛躍，使得脆弱的多代理系統能夠合併為單一的「超級代理」。

GPT-5.2 Thinking 在最多 256k tokens 的上下文中，於 4-needle MRCR 變體上達到近乎 100% 的準確率，使其在深度文件分析上比 GPT-5.1 準確許多。

視覺能力也已升級：

錯誤減少： 圖表推理和軟體介面理解的錯誤率降低了約一半。
空間感知： 模型對圖像內相對佈局和元素定位有更強的掌握，例如識別主機板上的元件。
介面理解： 在 ScreenSpot-Pro 上，GPT-5.2 Thinking 得分 86.3%（啟用 Python），而 GPT-5.1 Thinking 得分 64.2%。

GPT-5.2 Pro 和 Thinking 被定位為科學加速的領先模型：

GPQA Diamond： GPT-5.2 Pro 在此研究生級科學基準上達到 93.2%，GPT-5.2 Thinking 達到 92.4%。
FrontierMath： GPT-5.2 Thinking 在 Tier 1–3 任務上設定了新的最先進水準，解決了 40.3% 的問題。
競賽數學： Pro 和 Thinking 兩個版本在 AIME 2025 上均達到 100%。
ARC-AGI： GPT-5.2 Pro 是首個在 ARC-AGI-1 (Verified) 上突破 90% 門檻的模型，達到 90.5%。在更具挑戰性的 ARC-AGI-2 (Verified) 上，GPT-5.2 Pro 達到 54.2%。

GPT-5.2 Thinking 在 Tau2-bench Telecom 上達到 98.7%，顯示在多輪工具使用方面具有高可靠性。在延遲敏感情況下將 reasoning.effort='none' 設定時，其推理表現也優於 GPT-5.1 和 GPT-4.1。

就事實性而言，在使用最大推理努力和搜尋工具時，GPT-5.2 Thinking 的錯誤回應比 GPT-5.1 Thinking 少了 30%。

OpenAI 已部署三個不同版本的模型以符合不同使用者需求：

GPT-5.2 可透過 Responses API 與 Chat Completions API 使用。

命名： gpt-5.2 (Thinking)、gpt-5.2-chat-latest (Instant) 和 gpt-5.2-pro (Pro)。
定價： 每 1M 輸入標記 $1.75，每 1M 輸出標記 $14（快取輸入享有 90% 折扣）。
推理努力： Pro 和 Thinking 模型現在支援第五個推理努力等級：xhigh。

GPT-5.2 實施「安全完成」研究，以平衡有用性與安全界限。對於涉及心理健康困擾、自傷和情感依賴的回應，已進行改進。

此外，OpenAI 正在推出一個年齡預測模型，以自動對未滿 18 歲的使用者套用內容保護。在心理健康評估中，GPT-5.2 Thinking 在自傷方面得分 0.963，在心理健康基準上得分 0.915，而 GPT-5.1 Thinking 則為 0.684。