GPT-5.2 翻车内幕曝光：技术团队没走「歪路」，但用户成了大冤种

更「聪明」的模型，为什么不讨喜了

The Information 今天凌晨的最新报道，扒出了内幕。

过去一年，OpenAI 内部曾奉行一条铁律：每一次模型的代际飞跃，都会伴随着用户量的爆发式增长，因为「变聪明」带来的体验升级是直观的。但现在，这条铁律失效了。

当然，模型在智能与科研计算领域的提升依旧显著。研究团队耗费数月打磨推理能力，让它能攻克更复杂的数学与科学难题，但对于大多数普通用户而言，这种感知微乎其微。

▲

https://www.theinformation.com/articles/openais-organizational-problems-hurt-chatgpt?rc=qmzset

换句话说，智能的提升，并不天然等同于体验的提升。

普通用户很少需要一台「竞赛级大脑」，他们更多需要一个「日常好用的助手」。OpenAI 对 150 万次对话的大规模分析佐证了这一判断，用户的核心需求极其接地气：实用指导（29%）、信息查询（24%）以及写作（24%）等，而与编程任务相关的对话只有 4.2%。

于是矛盾就变得非常具体：当技术团队在实验室里狂卷数理化、狂卷基准测试时，用户在聊天框里只想要一句话解决问题——别绕、别教、别拖。

战线拉得过长是一大槽点。

今年大部分时间里，奥特曼同时启动了多个新项目：视频生成应用 Sora、音乐 AI、浏览器、AI Agent、硬件设备、机器人……摊子越铺越大，资源也被越分越碎。

这其实是科技巨头最常见的经典错误：核心阵地还没打稳，就急着开辟第二、第三战场。短期看是「全面开花」，长期看，贪多嚼不烂，乃兵家大忌——每一条战线都缺人、缺算力、缺产品打磨的耐心。

OpenAI 内部「研究优先」和「产品增长」之间的拉扯，在图像生成上体现得尤为明显：

即便 GPT-4o 的吉卜力风格在三月还短暂带动过 ChatGPT 的使用与用户增长，但 OpenAI 还是一度把图像模型的开发优先级往后放，等到 Nano Banana 口碑发酵后，OpenAI 又紧急回头补课，内部也因此爆发分歧——

奥特曼认定图像模型是用户增长的抓手，研究主管 Mark Chen 则更想把资源押在别的项目上。

另外，伴随着 Scaling Laws 边际效益递减，为了突破大模型的瓶颈，OpenAI 过去一年里押注了推理模型，超过 1000 人的研究团队将资源倾斜于此，导致对 ChatGPT 日常体验的优化被边缘化。

这种做法不仅分散了资源，甚至在年初的内测中出现了性能倒退——为了适配「聊天」场景，反而削弱了推理模型的纯粹性。虽然后来推出了「思考模式」和「深度研究」来分流、来补救，但用户使用率却很低，真正的日常对话体验并没有因此变得更讨喜。

除此之外，新旧模型之间也常出现兼容问题。

例如在发布 GPT-5 前，研究人员发现模型在集成进 ChatGPT 后在部分编程任务上表现变差——因为系统根据用户职业等个性化信息调整回答，结果反而干扰了模型理解，导致错误答案。

诚然，推理模型越来越强，但 ChatGPT 体验越来越拉胯。

当技术进步的方向和用户需求的方向开始分叉，谁会先妥协？答案显而易见。

Gemini 3 Pro 的强势发布，最终把 OpenAI 逼到了墙角，于是便有了奥特曼发布「红色警报」的经典名场面，要求 OpenAI 员工重新聚焦 ChatGPT，提高产品体验吸引力。

而在同一时间，OpenAI 应用负责人 Fidji Simo 也在个人博客中阐述 ChatGPT 的愿景，那就是从主要以文本为主的对话系统，转向能根据用户意图动态生成界面的全生成式 UI。

只是 Simo 也曾承认，公司本质仍以研究为中心，「产品本身并不是最终目标」。

从商业逻辑看，这句话其实很危险。

不同于 Anthropic 更偏向主攻 API 市场，OpenAI 的大头收入来自个人订阅。在消费市场，没有人会为企业的「终极理想」买单，用户只愿为当下的体验付费。这就好比餐厅大厨醉心于研发米其林料理，而大堂里的食客仅仅想要一碗热气腾腾的阳春面。

不过，如果你因此就断言 OpenAI 内部已经乱了阵脚，那可能低估了这家公司的韧性。

据彭博社援引 Mark Chen 的说法，「红色警报」并非新鲜事，而更像是一种战时状态的常态化管理工具。每当 OpenAI 需要集中火力攻克某一单一目标，或要求团队放下低优先级任务时，这种机制就会启动。

▲播客地址：https://x.com/Kantrowitz/status/2001790090641645940

奥特曼在最新的播客中，同样否认了拉响红色警报带来的过度焦虑。

「首先，所谓的『红色警报』，在我们看来其实是一种低风险、但非常必要的应对措施。」奥特曼坦言，「在潜在的竞争威胁出现时，保持一点『偏执』、并迅速做出反应，是件好事。」

他甚至提到了今年年初 DeepSeek 的崛起，认为那和现在的 Gemini 3 一样，都是一种良性的外部刺激。

「Gemini 3 到目前为止，还没带来我们原本担心的那种毁灭性冲击。虽然它和 DeepSeek 一样，精准地刺痛了我们在产品策略上的软肋，但也倒逼我们做出了极其迅速的调整。」

在奥特曼看来，这种紧急状态通常只会持续六到八周。「我很高兴我们有这种快速反应机制，我们不会在这个状态里待太久。」

OpenAI 显然也明白光喊口号不够，他们今天也正式发布了 GPT-5.2-Codex。

作为专为解决复杂现实软件工程问题而生的智能体编程模型，GPT-5.2-Codex 在通用智能的基础上，融合了 GPT-5.1-Codex-Max 的终端操作能力，更擅长处理代码重构、迁移等长程任务。

而同样是在播客的尾声，当主持人询问「GPT-6 还要等多久？」时，奥特曼敞亮地表示：「我不知道我们什么时候会正式把某个模型命名为 GPT-6，但我预计在明年第一季度，会有比 5.2 有显著提升的新模型发布。」

拉响「红色警报」，到 GPT-5.2 系列的反击，再到 GPT-6 的暧昧预告，OpenAI 试图用新模型与新节奏重建信心，但决定长期胜负的，仍是分发入口、生态协同与算力成本等硬门槛。

Google 的阳谋，与奥特曼的 8300 亿「空城计」

Google 的优势，从来不只在 Gemini 3 Pro 这一个模型上，更在于它几乎无可匹敌的分发渠道。

搜索、Chrome、办公套件。在 AI 赛道，护城河可能是所有科技产品中最浅的。 用户的迁移成本几乎为零，当 Google 的 AI 产品如空气般无处不在，这几乎成了一场无解的阳谋——你不需要「被说服」，你只会「顺手就用」。

更重要的是，在与 Google 的较量中，硬件层面的短板成了 OpenAI 最大的软肋。

相比于 Google 十二年前就开始布局专用 AI 芯片（TPU）所建立的效率优势，OpenAI 每年仍需花费数十亿美元租用算力。即便试图通过自建数据中心和芯片来「补课」，但体验在被追平、成本在被碾压的现状已是不争的事实。

用网友的话来说：

OpenAI 现在并不需要一个更强大的模型，它需要的是 AMD。如果 OpenAI 收购了 AMD，这场 AI 之战就将宣告结束。Google 之所以不怕 OpenAI，是因为它拥有自家的 TPU。但它真正该担心的，是 OpenAI 拥有 AMD。

OpenAI 现在并不需要一个更强大的模型，它需要的是 AMD。如果 OpenAI 收购了 AMD，这场 AI 之战就将宣告结束。Google 之所以不怕 OpenAI，是因为它拥有自家的 TPU。但它真正该担心的，是 OpenAI 拥有 AMD。

OpenAI 总裁 Greg Brockman 在最近的视频中也坦言，由于算力捉襟见肘，每当新功能上线（如年初 GPT-4o 吉卜力风格），就必须从研究部门「抽血」，把算力挪给产品部。这是一种饮鸩止渴的循环——为了维持今天的用户体验，被迫推迟了明日的技术研发。

可算力这东西，归根到底就是两个字：烧钱。而且是海量地烧钱。

为此，据 WSJ 报道，OpenAI 已计划发起 1000 亿美元的巨额融资；若一切顺利，这家超级独角兽将在明年 Q1 之前，以 8300 亿美元的估值，再次刷新资本市场的想象力。

而在今年早些时候，软银同意向 OpenAI 投资 300 亿美元，并于上月出售所持的英伟达股份价值 58 亿美元，为这笔投资筹资，并预计尽快完成剩余 225 亿美元的出资。

但钱的问题没那么简单。预计到 2030 年，OpenAI 的现金消耗将超过 2000 亿美元。相比之下，Google 财务稳健，甚至能通过 Oracle 等合作伙伴的股价波动间接挤压 OpenAI 的融资前景。

到处筹钱的 OpenAI，看起来更像是在和时间赛跑。于是便诞生了那个笑话：照奥特曼的融资能力，没准哪天连 Google 和英伟达都能「打包带走」。

但玩笑归玩笑，钱能买来时间，却买不来口碑。

所以在 2025 年这个冬天，狂奔三年的 OpenAI 选择先踩一脚刹车，其实是对的：收拢战线、回撤资源，把方向重新对准 ChatGPT 的日常体验。

这是一次昂贵但必要的纠偏。

技术领先不等于产品好用，基准测试第一不等于用户满意。更重要的是，你不能只在用户怀念旧版本的时候，才想起来问问他们的感受。