OpenAI GPT-6.2 Astra 上線遭批史上最差模型,用戶評測稱幾乎無法使用
OpenAI 最新一代模型 GPT-6.2 Astra 上線後,遭到多名 AI 產業知名開發者與重度使用者公開批評。AI 投資人、前 HyperWrite 執行長 Matt Shumer 直言,GPT-6.2 Astra 與同系列模型 GPT-6.2 Sol 的實際測試體驗相當糟糕,甚至形容兩款模型「幾乎無法使用」(essentially unusable),並表示不推薦使用。
知名開發者、T3 Code 創辦人 Theo Browne 的評價更加直接,認為 GPT-6.2 Astra 是 OpenAI 有史以來發布過最差的模型之一。這波負面評價也讓 GPT-6.2 系列的發布蒙上陰影,尤其當 OpenAI 持續強調新模型的推理、程式開發與 Agent 工作能力時,實際使用體驗卻出現明顯落差。
Matt Shumer:兩款模型幾乎無法使用,甚至不值得推薦
Matt Shumer 於 11 月 17 日在 X 發文表示,自己原本不打算針對 GPT-6.2 Astra 與 Sol 撰寫完整評測,原因是這次測試體驗實在太差,兩款模型幾乎無法使用,因此不建議使用者採用。
廣告 - 內文未完請往下捲動
Shumer 過去經常針對新一代 AI 模型發布第一手測試與評價,因此這次罕見的強烈負評也引起 AI 社群關注。他後續進一步表示,GPT-6.2 系列在多數重要面向都不如 Anthropic 的 Claude Opus 5.5,與 Claude Fable 5.2 相比更存在明顯差距。
Shumer 將 GPT-6.2 Astra 放進實際的 Agent 工作流程中測試。他指出,當自己讓 Astra 擔任子 Agent(Sub-agent),負責執行部分工作時,負責監督的 Opus 與 Fable 最後甚至必須自行重做相關任務。
這也凸顯出模型能力與實際工作效率之間的差異:即使模型能夠產生看似合理的回答,若無法穩定遵循指令、完成交辦任務,反而需要其他模型重新檢查與修正,便可能增加整體工作流程的成本。
Theo Browne:長時間任務容易失去連貫性,甚至出現難以理解的回答
相較於 Shumer 著重模型在 Agent 工作流程中的表現,Theo Browne 提出的批評則更具體指向 GPT-6.2 Astra 的長時間任務執行能力,以及輸出內容的可讀性。
Theo 表示,自己不會選擇 GPT-6.2 Astra 取代 Claude Opus 5.5 作為日常開發工具。其中一項主要問題是,Astra 在執行複雜任務時,經常產生只有模型本身似乎理解的技術性回答,使用者很難判斷模型究竟完成了什麼、目前卡在哪裡,以及接下來應該如何處理。
他舉例,自己曾要求 Astra 替遊戲《Outer Wilds》設計新關卡,模型執行約兩小時後,卻突然提出涉及內部檔案與影片輸出路徑的問題,詢問相關檔案究竟應該寫入哪一個位置。Theo 認為,這類問題對一般使用者而言幾乎沒有意義,模型也沒有能力將技術障礙轉換成使用者能理解的需求。
更嚴重的案例出現在程式碼重構工作。Theo 表示,他曾讓 Astra 花費七天改善一個專案,但期間沒有產生任何實質改善,反而讓編譯器速度下降 56%;之後再延長四天,仍然沒有取得進展。
這些案例反映的問題不單純是模型能否寫出程式碼,而是能否在長時間、多步驟的任務中維持目標一致性,辨識執行瓶頸,並持續推進工作,而不是陷入重複循環。
此外,Theo 也提到,Astra 在回答技術問題時,有時會產生過度複雜的解釋。例如針對電腦工作目錄(Worktrees)運作緩慢的問題,Astra 給出數段關於套件管理器內部機制與快取的解釋,但 Claude Opus 5.5 卻能直接指出問題可能只是 SSD 速度太慢。
創意能力也遭質疑:不同遊戲卻產生相似設計
除了程式開發與長時間任務,GPT-6.2 Astra 的創意生成能力也遭到質疑。Theo 指出,他與另一名測試者分別要求模型替不同遊戲設計原創關卡,結果 Astra 卻產生了高度相似的設計:兩者都採用水與鐘聲作為核心元素,甚至都使用了相同名稱「Bellwether」。
這讓 Theo 質疑模型是否出現創意上的退化,認為它容易將不同需求收斂成相似的標準答案,而非真正根據情境產生具有差異性的創作。
不過,這並不代表 GPT-6.2 Astra 在所有任務上都缺乏能力。部分測試者仍肯定它在 Three.js、Blender 與 3D 視覺化方面的表現,顯示模型可能在特定技術領域具備優勢,只是這些能力未必能穩定轉化為長時間、端到端的工作成果。
風險提示
加密貨幣投資具有高度風險,其價格可能波動劇烈,您可能損失全部本金。請謹慎評估風險。


