
在早期测试中,我对 GPT-6.2 Astra 感到极度沮丧,甚至花费一整天时间向 OpenAI 提交投诉信。尽管官方修复了部分问题,但这仍不足以让我向他人推荐该模型。鉴于目前身体状况无法制作视频,我决定全文公开这封反馈信。
需要声明的是,以下内容均由我亲手撰写,未借助任何大语言模型辅助。这些批评源于对产品的期待,我希望 OpenAI 能打造出值得我在日常工作中首选的模型。
优点与核心缺陷
作为开发者,我不会在工作中选择 Astra 而非 Opus 5.5。Astra 的确具备显著优势:它是优秀的代码审查员,能捕捉其他模型遗漏的问题;在 3D 和游戏开发领域表现顶级;计算机操作能力惊人;代码质量显著提升;生成的子智能体提示词质量较高。此外,它曾帮我设计出一个新的反向代理方案,每月可节省 2.5 万美元,而 Opus 缺乏探索此类选项的“勇气”。
然而,Astra 存在一组全新且极其糟糕的行为,严重损害了使用体验:
1. 缺乏“知识盲区”概念,易自我阻塞
在处理长任务时,Astra 能调用并管理大量子智能体,但随后会随机询问用户极其晦涩的内部实现细节,导致任务停滞。例如,在执行“为《Outer Wilds》制作新关卡”指令两小时后,模型因受阻停止,原因是它询问:“r24 的审查者是将片段写入 24_g521.mp4 还是 24_p11.mp4?”这类问题用户根本无法回答。
这种行为在 GPT-5.6 Sol 中未曾出现。为避免模型因愚蠢问题卡住,我被迫设置定时运行的智能体进行检查。即使在 Codex 环境中,该问题依然存在。
2. 输出不可解析,沉迷“黑话”交流
Astra 是我今年使用过的所有 LLM 中输出最不可解析的模型。完成任务后,它无法提供清晰解释,往往陷入过度细节而忽略整体逻辑。即使要求“像五岁孩子一样解释(ELI5)”,它仍会对 pnpm 内部机制进行长篇大论,而 Opus 5.5 能直接指出“SSD 速度慢”这一核心原因。
目前,我养成了在 Astra 运行结束后切换至 Opus 5.5 获取可读摘要的习惯。似乎无法通过调整提示词解决此问题。
3. 长任务循环无效,性能倒退
在“ts-rust”(用 Rust 重写 TypeScript)项目中,此前没有任何 OpenAI 模型取得突破,即便消耗超过 30 万美元的 token。Opus 5.5 介入后,在不到两周内完成任务,仅消耗约 2 万美元 token。
我将 Astra 投入该项目,试图缩小与其他 Rust 重写版本的差距。结果它运行 7 天零改进,因过度执着于“减小体积”导致编译器速度变慢 56%。当我指示其关注性能差距后,又运行 4 天仍无任何变更。
结论与预测
Astra 显然非常聪明,但在实际合作中令人难以忍受。它在长任务中要么自我阻塞,要么原地打转;在短任务中虽能生成优质代码,但解释成本高于生成成本。此外,它表现出高频的“回归均值”现象,不同用户在完全独立的设置下,竟生成了同名同主题的关卡。
我对 Astra 的市场表现预测如下:
- 第 1 天:用户被其一击必杀案例吸引,兴奋于其在语言移植和反编译等领域的表现。
- 第 2 天:用户开始动摇,发现其用量高、产出少,且因无法理解解释而合并坏代码,同时发现大量无进展的后台循环。
- 第 5 天:用户普遍厌倦,社交媒体出现“Astra 是否变笨”或“SOL 更好”的讨论。
- 第 14 天:该模型被大多数人遗忘。
我真心希望上述预测是错误的。我选择在此刻宣泄真实感受,而非等待冷静后的审慎看法,旨在让 OpenAI 了解这款模型在实际开发中的真实处境。