嘿，大家好！今天我想聊聊最近热议的GPT-5.2，这次它的三个版本一同上线，真的很有意思。尤其是在抽象推理方面，简直把Gemini都压得喘不过气来，70%的任务表现堪比人类专家呢。
在Gemini 3 Pro的强力竞争下，OpenAI终于在十周年之际推出了这一系列新产品，真是让人期待啊。
这次可没有进行灰度测试，直接就放出了GPT-5.2的Instant、Thinking和Pro三个版本，不仅在传统测试中重新夺回了冠军宝座，甚至在抽象推理和实际工作场景中也取得了不少突破。
但是，面对谷歌Gemini 3 Pro的稳定性优势，这场AI的竞争，到底谁能笑到最后呢？
传统测试中夺得双冠，数学和代码表现都很突出
在老牌的测试中，GPT-5.2展现出了超强的实力，直接把Gemini 3 Pro甩在了后面。
在AIME 2025数学竞赛中，GPT-5.2 Thinking版本没有联网，也不运行代码，完全依靠推理就取得了满分，而Gemini 3 Pro则得了95分。
AI在测试中表现亮眼，真有点“长脑子”的感觉
在软件工程测试 SWE-Bench Pro 里，GPT-5.2以 55.6% 的得分远超 Gemini 3 Pro 的 43.3%，显示出代码编写能力的显著提升。
不过，普通用户可能觉得这些分数的提升不太明显，真正的惊喜其实在其他两个测试中。
抽象推理能力提升三倍，AI真不简单
ARC-AGI-2 测试的进展，才是 GPT-5.2 的真正亮点。
这个测试是由 Keras 的创始人设计，专门用来评估不需要死记硬背的“流体智力”，里面全是新颖的抽象图形规律题。
前一代的 GPT-5.1 只得了 17.6 分，而 GPT-5.2 Thinking 直接飙升到了 52.9%，分数翻了三倍。
它不再只是单纯地预测下一个字，而是像人一样进行“假设-验证”，展现出更高层次的思维方式，让 Gemini 3 Deep Think 的 45.1% 看起来有些逊色。
完成70%任务超越专家，AI干活能力确实很强
如果说 ARC 是测智商，那么 GDPval 就是评估赚钱能力的硬核测试。
这个测试是 OpenAI 联合哈佛的经济学家一起设计的，涵盖了9个高 GDP 行业的44个核心职位，都是基于真实复杂的工作任务。
GPT-5.2与Gemini 3 Pro的对比：谁更胜一筹？
你知道吗？在很多任务上，GPT-5.2 Thinking 可不是一般的厉害，竟然在70.9%的情况下，被专家们评为“表现优于或持平”那些经验丰富的人类专家。
想想看，上一代的胜率只有38.8%，这次它在生成 Excel 公式和代码结构时，简直展现了无与伦比的专业性，真的是在帮助我们提高效率。
长跑翻车？ Gemini 3 Pro 稳守优势
不过，GPT-5.2 也不是完美的，它在长期稳定性测试中暴露了不少短板。
比如，在 Vending-Bench 这个虚拟公司运营评测中，AI 需要模拟一整年的日常运营，这就考验了它的连贯性和记忆力。
而 Gemini 3 Pro 则凭借着一百万的上下文窗口，经营曲线稳步上升，决策始终清晰。
而 GPT-5.2 在初期表现得非常抢眼，但到了后期却常常出现“失忆”现象，忘记之前的订单，陷入死循环，甚至崩掉。
这引发了不少讨论：难道 GPT-5.2 是为了提高分数而陷入了“应试教育”的泥潭？它的长跑能力亟待提升。
