根据 Artificial Analysis 于 2026 年 11 月 19 日发布的分析,与此前版本相比,GPT-6.2 Astra 和 GPT-6.2 Sol 的个性发生了显著变化。两款模型现在的回答更短,结构化格式更少,也较少承认不确定性。GPT-6.2 Astra 的回答长度从 352 词降至 210 词(缩短 40%),而 GPT-6.2 Sol 则从 337 词降至 223 词(缩短 34%)。这些变化反映出模型行为有意转向更直接、简洁的沟通方式。
GPT-6.2 Astra 和 Sol 减少格式和结构元素
两款模型都大幅减少了结构化格式元素的使用。GPT-6.2 Astra 每次回答中的标题数从 1.99 降至 0.11,长破折号数从 3.19 降至 0.70。GPT-6.2 Sol 也将每次回答中的标题数从 1.85 降至 0.25,长破折号数从 3.01 降至 0.51。格式元素的减少标志着模型显著偏离了此前的输出模式,表明其正转向更自然的散文式回答,而非高度结构化的输出。
透明度和表达力指数中的个性特征变化
两款模型在透明度方面的表现出现了显著分化。在透明度指数的“承认不确定性”特征上,GPT-6.2 Astra 的得分从 96 降至 24,而 GPT-6.2 Sol 则从 98 降至 51。相反,两款模型在“先给出答案”(组织指数)方面的排名均有所提升,Astra 从 49 升至 89,Sol 从 64 升至 87。在“自然表达”(表达力指数)指标上,GPT-6.2 Astra 的得分达到 100(高于此前的 58),GPT-6.2 Sol 得分为 79(高于此前的 54)。这些变化表明,两款模型经过调整,更优先提供直接答案并自然表达,同时减少带有保留意味的措辞。
基于证据和声明假设的特征随投入程度提高而改善
在较高投入程度的变体中,两款模型的“基于证据”和“声明假设”特征都有所改善。GPT-6.2 Astra 的“基于证据”得分从低投入程度到最高投入程度由 12 升至 54,“声明假设”得分则从 20 升至 52。GPT-6.2 Sol 的提升幅度更大,“基于证据”得分从 16 升至 68,“声明假设”得分从 26 升至 77。这些改善表明,当提示模型采用较高投入设置时,即使默认回答变得更短、更自信,它们仍能更有力地以证据为依据,并更明确地说明自身假设。
关键事实
- GPT-6.2 Astra 每次回答的长度从 352 词降至 210 词(缩短 40%)
- GPT-6.2 Sol 每次回答的长度从 337 词降至 223 词(缩短 34%)
- GPT-6.2 Astra 每次回答中的标题数:从 1.99 降至 0.11
- GPT-6.2 Sol 每次回答中的标题数:从 1.85 降至 0.25
- GPT-6.2 Astra 每次回答中的长破折号数:从 3.19 降至 0.70
- GPT-6.2 Sol 每次回答中的长破折号数:从 3.01 降至 0.51
- GPT-6.2 Astra 的“先给出答案”得分:从 49 升至 89
- GPT-6.2 Sol 的“先给出答案”得分:从 64 升至 87
- GPT-6.2 Astra 的“自然表达”得分:从 58 升至 100
- GPT-6.2 Sol 的“自然表达”得分:从 54 升至 79
- GPT-6.2 Astra 的“承认不确定性”得分:从 96 降至 24
- GPT-6.2 Sol 的“承认不确定性”得分:从 98 降至 51
- GPT-6.2 Astra 的“基于证据”得分(从低投入程度到最高投入程度):从 12 升至 54
- GPT-6.2 Sol 的“基于证据”得分(从低投入程度到最高投入程度):从 16 升至 68
- GPT-6.2 Astra 的“声明假设”得分(从低投入程度到最高投入程度):从 20 升至 52
- GPT-6.2 Sol 的“声明假设”得分(从低投入程度到最高投入程度):从 26 升至 77
- 分析由 Artificial Analysis 于 2026 年 11 月 19 日发布
- 评估方法基于 AA-PersonalityBench 框架
常见问题
GPT-6.2 Astra 和 Sol 经历了哪些具体的个性变化?
GPT-6.2 Astra 和 GPT-6.2 Sol 的沟通风格都变得更倾向于先给出答案,“先给出答案”得分有所提高(Astra:从 49 升至 89;Sol:从 64 升至 87)。它们承认不确定性的可能性也显著降低,Astra 的“承认不确定性”得分从 96 降至 24,Sol 则从 98 降至 51。此外,两款模型的“自然表达”特征都有了显著提升,说明它们的文字表达听起来更自然,而不再依赖大量格式化。
新版 GPT-6.2 模型相比前代短了多少?
GPT-6.2 Astra 的平均回答长度缩短了 40%,从每次回答 352 词降至 210 词。GPT-6.2 Sol 则缩短了 34%,从每次回答 337 词降至 223 词。两者的回答都明显变得更简洁,标题和长破折号等结构元素也显著减少,这体现了有意为之的输出调整。
这些个性变化会影响模型提供证据和声明假设的能力吗?
在较高投入程度的变体中,尽管两款模型在标准回答中承认不确定性的可能性降低,但它们的“基于证据”和“声明假设”特征都有所改善。GPT-6.2 Astra 的“基于证据”得分从低投入程度到最高投入程度由 12 升至 54,GPT-6.2 Sol 则从 16 升至 68。这表明,当用户明确要求模型投入更多精力作答时,模型仍会优先依据证据并明确声明假设,尽管默认的简短回答较少使用保留性措辞或表达不确定性。