GPT6.2“买家秀”来了,吼吼呵呵!

OpenAI 最强模型的"买家秀"来了!

"卖家秀"看得很爽,各种效果非常好,让我对 GPT-6.2 Astra 有了一丝尊敬和期待。

然后,我看了一下网络口碑不是很好啊,主流媒体都是批评的态度,据说国外用户的反馈也不是很好。

今天,我就以我的标准来给大家测一测,我可以先给个简单的结论:单用例测试表现不错,指令笼统的综合项目差点意思, 别和 Claude 比自主性!

关于这个模型的基础信息我在"卖家秀"里已经详细介绍过了!今天就不用重复了,可以安心看例子。

赛博上河图

这个例子因为没有标准,所以没法优化训练,但是大家一眼就能看出好坏。所以这个例子一直没有淘汰,一直可以测下去。

我们直接看结果吧:

这个图审美还是可以的,空间也拉开了!

但是空间有点拉太开了,结构有点混乱,主体略显拥挤。混乱重点体现在这个桥的部分。拥挤主要体现在后排的房子,间距不太够,房子的差异化没有做出来。

另外我把之前的版本也放在一起给大家看一下:

从上到下依次是,GPT-6.2 Astra、GPT-6.1 Sol、GPT-6 Astra。风格上好像从一片墨绿色变成了黄绿色。之前的版本房子比较大,比较近,能看出间隔和差异。新版本这个河岸拉得比较远。导致人物和房子的细节都看不清楚了,变成了一种隐约的感觉!当然,朦胧感本身不一定是坏的。

我第一眼的感觉就是对岸密密麻麻的没有差异化,看不到细节,这一点不是太满意,它这个桥的布局太离谱了。另外,这个效果不如上次灰度测到的效果,略失望。

当然,基础还是不错的,审美见仁见智!

甲维斯的车库

这是考网页复刻能力和 3D 建模能力的。

结果如下:

这个建模质量也还是很不错的,和当时灰测的效果很接近。人物特征还原得不错,没有很抽象,头部细节可以,轮廓正常,没有香肠嘴,还搞了个耳钉......屁股也没有陷入的情况。

另外再看三个图片:

它的车子建模在轮廓和细节上都属于当前最强的效果。而且它这个人物的和车子的位置关系处理得很好。Mark III 这个建模吧,看得出来它很努力,但是确实还是有点搞笑。

从这个例子是可以看出它的 3D 建模能力,以及能力范围。

因为 tokens 数量有限,另外它上一个版本已经做得很好了,所以超级玛丽的复刻我就不做了。

天文机械表

直接看效果吧:

整个设计不错,功能上没啥毛病。表带部分好像确实设计得不是很好。整体设计按理说是好的,但是我实在是看太多了这个风格......它生成的所有页面整体色调好像都差不多,都是偏深色的,墨绿色,这个版本带了点泛黄的感觉,一股浓浓的 GPT 味!

手柄接入

这个例子属于既要考系统知识,又要考 UI 界面和 SVG 绘制,同时还得了解幽灵插槽这种陷阱问题。其实挺有意思的。

所以最近我都会测一测,GPT-6.2 Astra 的结果如下:

这个例子手柄的 UI 差点意思,但是整体也在中等偏上的水平。然后它的插槽接入控制做得是蛮好的。它可以非常好地处理幽灵手柄的问题,然后在交互体验上做得也蛮不错。

另外说一下它这个页面设计,确实保持了简洁性,同时保持了页面空间结构的合理性。包括这些内容的间距都控制得还可以。除了它这个深色的背景,我并不是特别喜欢,但这个不能说是它的问题。

另外我也尝试了一下它根据参考图来做 SVG 的能力。

效果如下:

哇,这个优化做得相当可以!

这个例子表现是属于优秀的。

因为之前的整个 GPT-6、Astra、Sora、Luna 在这个问题上是全部失败的。无论是外形还是功能都是不太行。而这个版本,外形和功能都是让我比较满意的。

现在这些模型是真的厉害呀!像这种手柄,说画就画,一句话就给你画出来了!

说起 PS 手柄,你们玩 GTA6 了吗?

常规测试的例子就举这些吧,然后看一下消耗情况。

消耗情况

关于这个套餐消耗的情况,我第一感受是来自我的第一个问题。

我就问了一句:你知道绝地求生吗?

然后它思考了 6 分钟,消耗了大概 7% 的套餐额度。这时间消耗和 tokens 消耗,我真的呆了。我都怀疑是我的网的问题了,但是它这个 tokens 消耗不可能是我网的问题吧?

还好,后面在时间表现上还是比较出色。

后面让它帮我做一个完整的绝地求生,只花了 30 多分钟。以这个项目的规模来说,这个时间是属于比较快的。

天文机械表只用了 4'55。

交互式手柄只用了 5'02。

清明上河图只用了 6'24。

甲维斯的车库用了 22'16。

你们还记得我之前测 DeepSeek4.1、测 HY4、测 Qwen4 时间么?

这么一比,Astra 的速度要比它们快太多了,效率比它们高太多。

按理说,Astra 也应该是一个尺寸很大的模型,但是它却做到了如此快的速度,确实有点东西。它这种速度未必是单纯的 tokens 速度,而是说它处理单个任务的效率很高。

我其实不想点其他模型的,但是因为没有比较,确实看不出差距。

另外我再说一下它的 tokens 消耗情况。就是绝地求生这个项目确实消耗很快。花了快两个 5 小时周期。然后后面其他单个例子的测试就少了一些。大概每个例子会在 10% 左右吧。应该是比上一代的版本压缩了很多。

绝地求生

基础测试和 tokens 消耗、时间消耗大概介绍完了,我们就来看一下这个"大项目"。我之前是用 Opus 5.5 和 Fable 5.2 做过绝地求生的。它们做出来的结果,可玩性还是蛮高的,整体的完成度也挺高的。

GPT-6.2 Astra作为 OpenAI 最强的模型,我觉得也是可以一战的。所以我也就拿这个例子来测了一下!

它制作的首页如下:

这是它的游戏页面:

看这两个截图怎么样?

你们说我是先说优点呢,还是先说缺点呢?按我以往的习惯呢,是喜欢先说优点,然后再说缺点,这样可能给人感觉不好,好像我老是在找人家毛病。以后我换个节奏,我先说缺点,然后再说优点。

那我就先来说缺点吧。

首先它无论是在可玩性还是功能的完整性上,都是不如 Fable 5.2 和 Opus 5.5 做的。也就是说给一个同样的笼统的指令,Claude 家模型对于数据的收集、核心玩法的理解以及最后效果的呈现,做得都不错。但是 GPT 的模型它做完之后就还有很多漏洞。

我随便说一下,就可以说出很多问题。

比如它这个游戏界面超卡,一进去就是动一帧卡一帧,动一帧卡一帧。这种性能问题是很考验技术实力的。

然后它比较喜欢引用外部资源。初始版本的天空是引用了外部资源,然后树木用了外部贴图。但是贴图的时候没贴好,整个就裂开了。

然后鼠标平滑移动的时候,它整个视角会出现跳跃,根本没法玩。

然后子弹打在墙面上也没有效果,击中之后,敌人瞬间消失,交互体验不好。

然后场景里面很多元素还是偏卡通化,与我预期的真实的环境光照和 3A 效果相去甚远。

游戏道具比较少,玩法比较简陋。

还有非常多的细节!

因为我也没有太多时间去玩,所以还有一些问题,肯定是没有暴露出来的。

下面来说说优点。

优点就是相对而言,除了 Claude 以外,它是做得最好的。

它虽然没有做到很逼真的效果,但是它也用它的风格来做出了一个 3D 版的游戏。

它也充分利用了它能生图的优势,制作了一个很好的封面。

同时也充分利用了多智能体能力,一开始就创建了两个子智能体去做不同的事情。

其实这个组合技能还是蛮大的一个优势啊,包括需要贴图的时候,它也可以直接调用它自己的 Image 模型生成合适的贴图。

因为都是内部功能,所以可以无缝丝滑地衔接。

当然我也研究出来了 Claude 直接调 Codex 的方法也可以很丝滑。

另外还有一个优点,它的建模效果能力确实好不错。

包括这个人物外形的建模以及动作的制作。这一点好像比 Claude 还要强一些,Claude 是能做到的,但是它默认没有做到很强。我是通过不停的提示,让它来优化这个人物外形和动作设计的。而 Astra 它首次建模的时候,人物和建筑的外形轮廓看起来都不错,有些动作虽然不标准,但是没有出现异常情况。

大概就说这些吧。

Claude 它是努力地在往真实的场景去做的,包括整个玩法和体验也是按一个真正的游戏去做的。而 Astra 它的 3D 游戏是自带画面风格,真实感是不够的,完成度和体验,还是差"几点"意思。

都说高手过招,差一点点就是差很多。所以如果真刀真枪干的话,Claude 还是首选。那 Claude 用不了的话 Astra 也不是不能用是吧?

网页游戏对比

Fable 5.2 发布的时候,Anthropic 技术人员发布了一个射击游戏。那个效果非常震撼,广为流传。然后国内还有人把它拿过来,说是自己开发的。

同样的,Astra 发布的时候,官方也发布了一个在线的游戏例子。

就是这个飞行比赛的游戏:

这画面效果看起来还是非常好的,真的像 3A 游戏一样。你看它这个光影,这个尾气。看完官方演示视频,想必所有人都觉得哇,这个好厉害啊。

是的,厉害确实是厉害,但是一旦深入细节,你就会发现各种问题。

我根据官方提供的链接,在线试玩一下了一下这个游戏,一打开就卡死了!

把我整个浏览器卡死了,卡了很久,一点反应都没有。

我就很奇怪,为啥开一个网页能卡死这么久呢?然后让 Sonnet 分析一下,好家伙,不看不知道,一看吓一跳。几百兆的资源文件,几百个项目文件。

具体的文件数量是 919 个文件,约 301MB。它其实是一个 Godot 的项目,并不太适合网页展示,里面用到了大量的烘焙、贴图和Blender模型。

在一个网页里面塞入这么多东西,你们知道这个体验有多么"地狱"吗?这是一个程序员能发出来的东西?

Fable5.2 制作3A 效果的射击游戏的时候,整个游戏只有一个页面,一个页面只有几兆的大小。里面所有的内容都是代码实时生成的。整个载入过程也非常快,载入之后也非常丝滑。

这个难度差别可想而知,OpenAI 简直就是"作弊"般的存在。

一个是纯手搓,一个是大量的外部资源。当然这个外部资源也可能它自己生成的,但是这种对比就完全不公平了。如果可以引用外部的高质量模型,可以用烘焙,可以用各种贴图。那大家都可以做得很好。

另外一点,从游戏的难度来说,也是 Fable 5.2 那个游戏难度高。它这个赛车游戏其实操控很简单,就只有左右,里面涉及到的东西也不多,背景中用了大量的平面的贴图,其实也很假的。

也就是说 Fable5.2 用更少的工具、更少的代码、更少的存储空间,做出了复杂度更高、可玩性更好、效果更好的游戏。

这个例子我专门拿出来说,主要是因为被它卡到崩溃了。

我为了体验这个例子,真的是等了很久很久。刚开始以为是我网的问题,后来以为我电脑配置的问题,最后发现就是它这个网页例子根本就没有做任何优化,做得很糙。这种东西就不应该扔到网页上给大家来用,零体验!

我刚开始以为它是和 Fable 5.2 一样的,就是在一个页面中做到了这个效果。然后我就想着让 GLM5.3Flash 帮我把这个页面抓下来就好。没想到一抓抓了两个多小时。拔出萝卜带出泥一大堆的依赖,然后即便在它官方加载这个例子也有大量的 404 页,不知道他怎么搞的。

给我的感觉就是 Fable5.2 它是一个专业资深的工程师做的,做得很极致,而 Astra 这个例子就随便拉了个建模师,写了几句提示词,做好了就不管不顾扔到网上了,有一种:效果好就行了,反正我也不懂,卡死关我屁事的感觉。

我让 GLM5.3Flash 抓源代码的时候"对比"又来了。

它抓了 1 个多小时没抓完,我等烦了,我就让 Sonnet5.5 帮我抓了。

因为这个项目实在太大了,所以 Sonnet 抓起来也不算快,但是它比 GLM 实在快太多了。它是后开始的,然后先完成,完成之后我还让它参考这个效果再做一个 Demo。Demo 都做完啦 GLM 还没抓完。

最后它大概是花了两个半小时才搞完。Sonnet 应该是在一小时左右。

这个时间和效率的差距大概在 1~2 倍之间。

因为文件比较碎,比较多,所以下载本身也消耗了不少时间,这个省不了的。如果忽略掉这个时间,我估计它们的效率差距可能会到 5~10 倍之间。

那造成这种效率差距的核心问题是什么呢?,我感觉就是,对这一类问题的熟练度,也就是,一个高级工程师和一个初级工程师之间的差别。

通过查看思考过程可以知道,GLM 是一直在尝试中:

它并不确定这个问题到底是什么样子的,它只能不停地试,不停地错,不停地改,不停地试,不停地错,不停地改。而 Sonnet 5.5,它是一看就知道有哪些问题,然后很快就找到了正确的路径。

然后我也让 Sonnet 5.5 快速做了个例子:

渲染效果肯定比不上第三方专业工具制作的效果的。但是也蛮不错的,我觉得可玩性要比 Astra 那个好。重点是它就是几百行代码,除此之外没有任何东西,加载和运行都非常丝滑。

好了好了,不说了,再说下去又变成批斗大会了!

平静的开始,义愤填膺的收尾。哈哈

那最后再来一个总结吧。

还是那句话,好不好看跟谁比吧。如果跟自己比,这个 6.2 相比之前的 6.0,进步还是蛮明显的。它的这个网页设计的合理性,包括手柄的 SVG 绘制以及功能实现,还有整个时间和 tokens 的消耗,都是有可以感知的提升的。对Codex 用户来说是一个不错的消息。

如果跟 Claude 比,在 3D 建模和渲染这一方面可能有一点胜算,但是整个自主性和工程落地能力比的话,就完全不在一个级别。

网上看到又有人在玩梗:

这个对比很夸张啊!

GPT-6.2 这效果简直就是吊打 GPT-6。但实际上,右边的那张是图片。确实是 GPT-6.2 生成的,但是用了它的 Image 功能,并非代码生成。哈哈

这就有一点那种宣传和现实,卖家秀和买家秀的差异的感觉了。就是它做得很好,但是你完全不知道它这个好是怎么来的。它可能并不是用常规的方式实现了那么好的效果。这就非常契合它这个飞机游戏的情况。

我就用这张图做封面吧!

最后,我会把近期测试的例子都上传到:

topai.jarvisuni.com

收工了,我要改进我的"吃鸡"游戏去了,添加一个大长腿的女性角色,并且优化一下"姿势"。

这个怎么样?想玩吗?

我做好了会上传到:

www.jarvisuni.com/game/

天天测模型这个事情,有点偏离我的初衷了,我的初衷是用 AI 来做点东西。所以后面会减少测试,来深入地做一点东西,目前感觉应用开发就有点无趣(做起来太容易了,Agent 吃掉太多软件了),做做游戏还蛮有意思,毕竟游戏是给人玩的。

相关推荐
艾莉丝努力练剑23 分钟前
【AI大模型接入SDK】C++的SessionManager 线程安全
java·开发语言·前端·c++·人工智能·学习·安全
螺丝钉tina2 小时前
[Playwright] [20][AI] 失败分析:让AI大模型帮你debug
人工智能
MSTcheng.2 小时前
【AI应用实战】用 FastAPI + SSE 做一个自己的 AI 聊天网页:流式输出、多轮对话与完整源码
人工智能·python·大模型·fastapi·sse·ai聊天助手
世冠科技3 小时前
世冠科技GCEAgent重磅发布,开启复杂装备AI原生智能研发新范式
人工智能·科技·ai-native
轻松,带微笑3 小时前
AI竞争进入下半场:微软押注专业模型,通用大模型不再是唯一答案
人工智能·microsoft
哈尔滨张谦蛋3 小时前
兰州大学 · 甘肃省可穿戴装备重点实验室 · 2027年博士招生
人工智能·深度学习
MysTic_Zhong3 小时前
【3】核心引擎:LangGraph 编排与多路召回重排
人工智能·agent
vivo互联网技术3 小时前
研发数字人 Agent:从 0 到 1 的架构与实践
人工智能·agent·mcp