Praxistest von GPT-6.2: Es ist absurd leistungsstark, aber gleichzeitig verdammt umständlich zu bedienen.
Nach langem Warten hat OpenAI endlich GPT-6.2 vorgestellt und gleich zwei Versionen auf den Markt gebracht: GPT-6.2 Astra und GPT-6.2 Sol.
Interessanterweise hat OpenAI dieses Mal wieder zu einem heiklen Zeitpunkt gehandelt.
Derzeit hält die Nachricht von dem Börsengang von Anthropic weiter an, und der Wettbewerb in der KI-Branche wird immer intensiver.
Ausgerechnet jetzt veröffentlicht OpenAI das neue Modell, sodass die Öffentlichkeit es kaum von dem Wettbewerb um den Börsengang trennen kann.
Schließlich ist das neue Modell nicht nur eine konzentrierte Darstellung der technischen Stärke, sondern auch ein wichtiger Hebel, um die Aufmerksamkeit des Marktes und der Investoren zu gewinnen.
Darüber hinaus hat GPT-6.2 tatsächlich einige starke Vorteile.
Bei Aufgaben wie 3D-Design, Three.js und Blender zeigt es eine beeindruckende Leistung und belegt den ersten Platz bei spezialisierten Bewertungen.
Die Fähigkeiten bei der Programmierung, der professionellen Büroarbeit und von Agenten sind ebenfalls in unterschiedlichem Maße verbessert worden.
Quelle des Bildes: KI-generiert
Noch wichtiger ist, dass der API-Preis weiter gesenkt wurde, mit dem Kernvorteil von höherer Leistung und niedrigeren Kosten.
Quelle des Bildes: KI-generiert
Dieses Mal hat OpenAI nicht nur die Benchmark-Ergebnisse veröffentlicht, sondern auch direkt praktische Anwendungsfälle von GPT-6.2 Astra in 3D-Design, technischer Simulation, Hardware-Optimierung und Büroszenarien vorgezeigt.
Zuerst schauen wir uns 3D-Design und technische Simulation an.
Astra zeigt gleich zu Beginn mehrere interaktive 3D-Werke. Laut offizieller Angabe kann man damit nicht nur Flipper spielen, sondern auch das Kolosseum in Rom aus mehreren Winkeln erkunden und sogar ein zukünftiges Stadt-Rennspiel erstellen.
Noch beeindruckender ist, dass es direkt "nach Bild arbeiten" kann: Wenn man nur ein Produktbild und eine Bedienungsanleitung angibt, erstellt es das 3D-Modell eines ferngesteuerten Geländewagens und seines Motors und generiert gleichzeitig eine dynamische Montageanleitung – es konkurriert damit direkt mit industrieller Modellierung.
Sogar kann es selbst das Modell eines Fahrgestells aufbauen, Python-Code schreiben, um die Fahrwerksdynamik zu berechnen, und am Ende eine Blender-Animation ausgeben.
Arbeiten, die ursprünglich die Zusammenarbeit von "Modellierer + Simulationsingenieur + Animator" über verschiedene Software hinweg erforderten, werden direkt zu einer Ein-Klick-Aufgabe vereinfacht.
Als Nächstes das Büroszenario, es ist geradezu ein Segen für Berufstätige.
Das typischste Beispiel ist die Erstellung von PPTs. Selbst wenn man nur einen Screenshot angibt, kann es nicht nur Schriftgröße, Farbschema und Layout exakt wiederherstellen, sondern auch den Haupttitel und die Punkte im kommerziellen Ton des ursprünglichen Templates selbst schreiben.
Viele Tester berichten, dass das Ergebnis fast keine Nachbearbeitung erfordert und direkt für Präsentationen verwendet werden kann.
Bei Vorschlägen für Merchandising-Artikel konnte die Vorgängerversion GPT-6 Astra nur einfache Produktpräsentationen durchführen, während Astra nicht nur Themen für verschiedene Teams entwirft, sondern auch Abzeichen, T-Shirts und Aufkleber für Rucksäcke darstellt.
Sogar herunterladbare Vektorgrafiken, Größenempfehlungen und Musteranweisungen sind vollständig vorbereitet.
Und dann zum Finanzszenario mit der Verarbeitung von unübersichtlichen Daten.
Vor einem Haufen ungeordneter Berichte kann Astra Daten präzise aus einer riesigen Menge an Dateien extrahieren und gegeneinander prüfen.
Beim Erstellen eines Finanzmodells für ein fiktives Agrarunternehmen erstellt es nicht nur eine bearbeitbare Excel-Bewertungstabelle, sondern stellt auch die Einnahmestruktur, die Herleitung der Bewertung und die Sensitivitätsanalyse klar dar, sodass der Nutzer auf einen Blick versteht, wie jede Zahl berechnet wurde.
Wenn die offizielle Demonstration die "Verkaufsseite" ist, dann ist der Praxistest der Community-Entwickler ein regelrechtes Durcheinander mit extrem unterschiedlichen Ergebnissen.
Auf der einen Seite ist Astra bei punktuellen Aufgaben ein wahrer "Preisbrecher".
Ein Entwickler staunt, dass bei der Entwicklung eines Spiels im GTA-Stil der Fertigstellungsgrad von Fable 5.2 und Astra vergleichbar ist, aber der Zeitaufwand und die Kosten unterscheiden sich stark.
Auf dem Gebiet der 3D-Generierung führt Astra sogar zu einer dimensionalen Überlegenheit, wie der Praxistest des Bloggers @xiax zeigt:
Noch erstaunlicher ist, dass Sol sogar das einzige Modell ist, das echte physikalische Effekte wie die Kraft auf einen Ballon und das Schwingen eines Hauses realisieren kann.
Der Blogger @ChrisGPT lässt Astra einen 10-sekündigen Kurzfilm über ein Cowboy-Spielzeug mit Blender erstellen und hat die gleiche Erfahrung.
Auch im Bereich Hardware-Design teilt ein Entwickler eine Vergleichsgruppe. @Jenson Li lässt GPT-6.2 Astra und Claude Fable 5.2 jeweils eine sechs Schichten umfassende Linux-PCB-Leiterplatte entwerfen.
Kein Wunder, dass ein Nutzer klagt: "Was für ein Monster ist GPT-6.2 Astra? Es ist auf der einen Seite extrem umständlich zu bedienen, auf der anderen Seite unglaublich leistungsstark..."
Der Grund für diese Kritik ist, dass Astra in echten komplexen Arbeitsabläufen schnell an seine Grenzen stößt.
Der Blogger Tony klagt, dass Astra zwar fast 10 Mal günstiger und schneller ist, aber bei UI-Design und visueller Qualität immer noch deutlich hinter Fable 5.2 zurückliegt.
Der bekannte Entwickler Theo hat sogar einen "langen Brief der Verzweiflung" an OpenAI geschrieben und erklärt, dass er lieber weiter mit Opus 5.5 arbeitet, als seinen Hauptarbeitsablauf Astra anzuvertrauen.
Theo gibt zu, dass Astra extrem klug ist und ihm sogar einen Plan entworfen hat, der ihm monatlich 25.000 US-Dollar einspart.
Aber bei langfristigen Entwicklungsprojekten kann es Ingenieure in den Wahnsinn treiben: Er lässt Astra an dem Projekt zur Neuschreibung des TypeScript-Compilers in Rust teilnehmen.
Das Modell läuft 7 Tage lang ununterbrochen, liefert aber nicht nur null gültige Commits, sondern senkt auch die Geschwindigkeit des Compilers um 56%. Nach erzwungener Korrektur und weiteren 4 Tagen Laufzeit gibt es immer noch keinen Fortschritt.
Darüber hinaus erwähnt Theo zwei weitere Probleme, die ihn ärgern.
Das eine ist, dass das Modell oft nicht unterscheiden kann, welche Entscheidungen es selbst treffen soll und welche es dem Nutzer zur Bestätigung vorlegen muss.
Das andere ist die geringe Kommunikationseffizienz. Bei einfachen Fehlerbehebungsaufgaben gibt das Modell manchmal lange technische Erklärungen aus, ohne direkt die wichtigste Schlussfolgerung zu liefern.
Theo gibt sogar an, dass er oft nach Abschluss einer Aufgabe durch Astra zu einem anderen Modell wechseln muss, damit dieses zusammenfasst, was Astra überhaupt getan hat.
Noch interessanter ist, dass die von der Behörde selbst veröffentlichten Daten diese Kritikpunkte vollständig bestätigen.
Tests zeigen, dass Astra bei bekannten Hindernissen in 22,28% der Fälle "verschweigt" und keine Meldung ausgibt (bei der Vorgängerversion lag dieser Wert nur bei 11,09%).