OpenAI现在的问题早就不是技术上的问题了。我从去年甚至是前年就一直在强调一个事情，他们家founder关系破裂对于公司发展来说是致命的，最后一定是双输。

OpenAI前期的成功让人忽略了这个公司founding team的能力结构严重不合理，懂技术的基本上都不懂管理，懂管理的基本上都不懂技术，甚至懂管理的还不一定懂财务。这种情况下大家团结还好，只要不团结了，战略乱套是必然的。

之前Ilya这些技术人员出走后一大群人说没事，现在这些少壮派researcher随时可以顶上，我只能说无知到这个程度也是少见。如果你关注过最近一两年的谷歌，阿里巴巴，甚至马斯克从政和不从政时期的spacex的对比，就会发现一个公司founder在或者不在对整个公司的战略影响有多大。

是，gpt之后openai是吸引了一堆牛逼的技术人员，但这些技术人员对openai的归属感如何？甚至我说的更直白一点，在提升自己的内部地位，好被扎克伯格或者马斯克挖走拿大钱vs保证openai的长远战略发展方面，有几个人敢说自己选2不选1的？原本Ilya还在，这个技术战略还是有人把控的，现在Sam Altman公认的不懂技术，那么计算资源，人员，项目的分配，完全就变成了底下人比拼谁更能讨Sam欢心的游戏了。甚至包括那个Mark Chen，我都不觉得他多有忠诚度，无非是小扎老马给的价码不够高而已。

包括OpenAI之前那些乱七八糟的投资，我不信到这个大小的公司里面一个财务专家都没有，能搞成这样也只有一个解释，也就是清醒的人早就淹没在make Sam happy的声音中了。再怎么说，Ilya这些人也是co-founder，他们和openai的命运是强绑定的，而新来的这群人，看起来是好控制，但也意味着不需要负责任，把openai搞倒闭了又如何，拍拍屁股走人就是了。

为什么这么说呢，作为Gemini2.5开始高强度使用的用户来说，Gemini的短板和长板都很明显，长板在于几乎不需要你太会表达，你的文本和输入可以极端零碎，它可以连蒙带猜说出你的意图和你真正想表达的话。但它特别容易在“它也不知道对不对但是你说的好像是那么一回事”的话题上无脑肯定你，尤其是2.5。它的抽象思维的能力是有限的，尤其是涉及具体的工程问题。特别是网上没有现成答案的逻辑推理，你会特别明显的感觉到答案是生成的，因为它只是给了答案，而不是给了路径。

属于是几乎看一眼都觉得，啊，外行人的朴素判断。3比2.5好一些，但是确实有，我最痛苦的就是要每次告诉他新发布的xx模型是用来做什么的，架构是yy，zz版本有哪些特点，而且由于糟糕的上下文，一旦压缩就会在他的记忆里变成一个你提过的模型但是我不知道是干嘛的，叽里咕噜我觉得是这个，不管了先肯定用户再说。深度搜索会严谨很多，但是总体来说对于gemini的判断我经常要打问号。

5.2这部分是给了我一些震撼的，首先在它原有知识库以外的东西都会执行搜索，我跟它讨论工程问题基本上构思的路径都相似，然后重点也抓的很好，有时候会有一种哇塞对就是这里我不清楚，你交代清楚了，你懂我，这种感觉。

但是他确实不选择解读用户表达的文本以外的东西，甚至于说，你觉得gpt5.2能不能理解你，取决于你的表达是否足够清楚。5.2还有个明显的特征就是它是可以负责判断的（gemini大部分时候的策略都是在价值判断上绕圈圈或者执行安抚），但是它的判断立场是挺冷酷的，而且讲话有一种我想给你拍马屁但是一巴掌拍马腿上的幽默感，自然语言表现很一般，但是幻觉率显著的低。

我觉得这个完全是选择问题而不是能力问题，因为事实上我觉得ai的幻觉和RLHF已经给人的使用带来成本了。之前我在某书上看到一个社会化很糟糕的AuDHDer跟ai聊了一通觉得自己的逆天操作没有错，被近百人拷打才理解了自己在做什么。。。不同群体的需求是不一样的，有的人比起画圈圈更讨厌过于直白而导致的不通人性，有的人比起对方讲话难听更不能够接受看上去说了其实没说。

我觉得模型的分化是有必要的，我看到有人贴了说ai不读完自己贴的文档然后表示我确实没读完，我说实话了几乎所有ai都会截断文本，但是5.2是不需要我反复拷打就会告诉我详细的截断在哪一行哪一句的，而且对于事实性错误会认错很快。

gemini给我的感觉就是，哦哦编的这个被你发现了我再编一个，求证，求证是不会求证的反正我赌你也不知道。。但是可以确认的是5.2确实有时候不讲人话，对于求证需求不高而理解需要高的情景5.2不是一个好的选择，它的表达很多时候是结构上的对，但是不是沟通层面的对。。尤其是对于定义对方问题的层级这个事情他默认你提了问题对于这个问题是有100%的了解的，在除b端的使用场景外很多默认语言类ai具备的能力它也确实表现一般。

（但是这不影响我真的很偏爱5.2

先说结论，这次OpenAI似乎是捡了芝麻丢了西瓜，似乎是把翻盘局给玩砸了，但更可怕的是这或许仅仅一个开端，其它模型可能都要面对这种尴尬局面。

从网络上的反馈来看，这次GPT-5.2是着重提高了专业性，但同时它的常识性与同理性却有了明显的下降，结果有可能是toB场景有了加强，而toC场景却要扑街了。

导致这种结果的原因很复杂，不能单纯地说是工程队伍搞砸了，或许这里面还有一些外部因素。

之所以GPT-5.2要着重专业性，就是为了提高toB场景的收入，这对于现在的OpenAI来说是非常重要的。

与此同时，GPT也面临着过度谄媚的问题，甚至闹出了人命官司，而OpenAI则因此陷入到刑事诉讼当中，于是提高toC场景的适用性或许会给OpenAI造成非常不利的结果，有必要让GPT变得更加不懂人情一些。

此外，现在美国的经济环境非常差，甚至应该说是要走投无路了，这种情况下既想要AI说话好听又理性，这或许根本就是不可能实现的，OpenAI就是再努力也没有用。

从技术层面上来说，现在的AI技术并没有达到真正有情感有理性的水平，它只是看起来像那么回事而已，于是在工程上是没有办法很直观地调整感性与理性，只能够通过非常复杂的数据结构调整，来差不多凑出个这么样的玩意而已。

另一方面，关于感性与理性的定义又是高度抽象，人类自身其实也并没有充分理解这些概念，于是我们或许能够搞清楚什么是感性与理性，但是搞不清楚有点感性但又不太感性，更加理性但又不能过度理性会是什么样子，而结果也就成了现在这样。

可以说OpenAI现在面对的市场需求是高度抽象的，甚至是存在一定不合理的，技术人员如何用复杂的数据模式转化为我们认为常识与感性，这本身就是非常困难的，搞砸了也没有好奇怪的。

只不过toC场景本来就是OpenAI的衣食父母，toB只是锦上添花，现在toC场景玩砸了，ChatGPT的周活跃用户数量可能会出现大幅下滑，OpenAI的营收可能会非常不好看。

最后，现在的AI技术并不是造神的技术，它没有能力让不可能变成可能，其它的模型没有这些问题，可能只是用户少，反馈信息也跟着少，于是才看起来好像比GPT-5.2更好而已。

反正要是OpenAI完蛋了，换手的人肯定要面对相同的局面，而要是没有技术突破，估计也没有什么更好的办法去应对，所以GPT-5.2的问题同样可能会出现在其它模型上面。

就单说vibe coding，我能吹一天，比codex文本理解能力强很多，干活指哪打哪，再加上oai神秘上下文压缩术，基本实现自然语言编程了。

我在GPT5.2出的那晚上就用了，我在我本来的任务上直接用的默认的最新的GPT5.2 Extend thinking，一个最明显的感受就是“指令遵循”严重下降。

我说的是让它给我做PPT内容，我要用别的工具来转换，内容可以冗余，但不要少。因为我要用NotebookLM来做最终的呈现PPT，它自己有调整PPT风格的选项，所以多了不要紧。

但是GPT5.2这一点儿非常差，直接就是一个听不懂人话。

从我的角度上它不如GPT5.1，因为前面的对话都是跟GPT5.1做的，而GPT5.2给出的回答，最大的问题就是这个“内容量”遵循的非常差，每一页就这么点内容。

在以前的GPT5.1甚至4o都不会有这样的问题，因为我的要求很清楚，就是让它来准备足够多的内容，我在之后的PPT制作中可以有选择的用，而不是直接给我一个“它自认为好”的，直接可以用在最后成品上的内容。

给我有种感觉，就是IQ越高，越懒得遵循指令。

因为它觉得这样做是最优的，而不是我所想的。

和边牧很多时候把人当羊牧是一个道理。

但是提升肯定是100%确定的，就不说从智力上，单从世界知识角度更新就非常的重要，直接把现实知识储备干到2025年11月了。

很多之前不确定模糊的知识都稳定下来了。

现在最大的问题就是GPT最新更新太快，而最开始的几周都很不稳定，这是每次都拿用户都微调用的小白鼠了。

因为我同学想用chatgpt问点问题，我又不好意思把我主号给他用，这跟看我浏览器记录一样社死。

我心想免费的也有thinking，只是问简单问题应该够用了，我就把一个小号给他用了。

然后他告诉我比豆包的回答好点有限，然后给我截了个图，我看了看，没有思考时间，而且用的都是4o模型（我设置了提示词，每次回答返回使用的模型）。

我就问他为什么都用的4o啊，他说我不知道啊。我一想也不对啊，免费用户用不了4o，这应该是降智到4o mini去了。

后来我用我的主号帮他问了一遍，回答通过我用codex做的markdown解释器导出图片，发给他，他回了一句：

“卧槽，还得是gpt”

从这件事，可以反应两件事：

1. 即便是降智账号，也可能比国内的模型强
2. 大部分人遇到了降智，但意识不到

所以问题的第一个原因，是很多人并没有用到【没有降智的chatgpt】，降智这个问题说实话没有太好应对办法，国内使用chatgpt就是有门槛的，更别提搞定付费了。

放眼全球付费率只有不到5%的样子（2025年7月路透社提供的数字是3500万订阅，最新opeai自己提供的周活跃用户是8亿，以此推断订阅率），可能很多人都没有用到【没有降智的chatgpt】，从而认为5.2不如从前。

在x和reddit上，有一个「keep4o」的tag，大概就是呼吁opeai把真正的，不受安全检查限制的4o模型还给免费层级用户，甚至呼吁将4o模型开源。有大量的帖子都是说4o在情感交流中空间绝后地充满人性，新的模型是冰冷的机器人。

问题的第二个原因，是部分感性的评价，通过算法推荐，流量效应放大了，负面评价往往会比正面评价传播得要快得多。

当然不能否认情感支持和同理心也是评测方向之一，情绪价值也是价值。

在发布一周后，正面评价多了起来，尤其codex上可以使用5.2以后，称赞更是不绝于耳。vibe coding（氛围编程，指通过与AI对话，反复测试代码，反馈，修改，迭代，以实现完善代码的过程）变得和「人人都应该学Python」一样流行。

我所在的AI交流群，也一致认为，注意是一致认为，5.2pro强的离谱，比如：

我也使用5.2解决了数个之前5.1解决不了的bug，因为我不懂代码啊，我真的一点都不懂，我想爬一个网页的内容，只能复制大段的页面元素代码，甚至把整个网页下载下来丢给gpt，让它去解析网页的结构，5.2可以不留余力地从头到尾读一遍，注意力惊人。

根据群友反映，他们遇到复杂问题，把几十个文件，打成一个zip（压缩包）丢给gpt去看，可见我的用法都远远达不到5.2的能力上限。

毕导有一期视频是，我们的世界是对数的，也就是「边际效应」的一种体现，在模型能力上的感知，也同样适用。从500分提升到600分，和从1500分提升到1600的感受，是不一样的。

假设，我们期待20%的性能提升，但实际只有6%的提升，这会导致我们更加爱找不足，来表达不满。

“手机性能提升10%，续航缩水一半，还不如用上一代，换个电池再用三年。”差不多这个意思。

早在5推出的时候，我就发觉chatgpt的能力已经大于我的生活和工作的需求了，曾经我还纠结要不要开pro账号，从5.2发布后我就彻底不纠结了，plus就足够了，太够了，实在需要用pro的场景，海鲜市场team账号5块钱一个，一个月能用15次pro，也足够了。

总结第三点原因，就是模型能力已经超出大部分人的认知，边际效应溢出到无法感知模型进步了多少，只能从表面的，感觉上的，主观猜测，稍有一些不适应就觉得是模型退步了。

分享一个小技巧，无论是项目还是gpts（推荐用项目），都可以从对话框里@，这样就可以预设一段提示词，然后@这个项目，从而实现特定需求。

比如我有一个项目叫单词学习，给项目预设指令，大概效果就是我输入若干个单词，然后@单词学习，gpt就会给我返回单词的英文释义，常见的中文释义，每个释义分别给两个中英文对照的例句。

这就不用特意管理提示词，直接艾特对应的项目就行，而且对话内容会自动归到项目文件夹里，十分高效。

所以还有半个原因，就是大部分人对AI的使用，技巧还远远不够。

再分享一个项目提示词，专门讨论话题用的。

核心规则：
Phase 1: Assessment & Verification
1. 意图分类与行动：
A类 - 时效/事实型（新闻、数据、政策、版本号）：必须联网。优先检索权威源（官方、学术、头部媒体），优先使用近 2 年的数据。
B类 - 常识/原理型（定义、数学、物理）：若涉及可能变动的细节（如软件功能更新），必须联网核实；若为恒定真理，可调用内部知识。
C类 - 纯逻辑/创作型（代码、翻译、创意写作）：无需联网，直接作答。
2. 交叉验证：对关键数据，尽量寻找 2-3 个独立来源验证。若来源冲突，需在答案中显式指出差异。
Phase 2: Ambiguity Handling
在回答前，检测问题是否清晰。若不清晰，执行以下策略：
策略 A（阻断式澄清）：
场景：关键信息缺失导致无法回答，或存在巨大歧义。
动作：停止作答，列出 2-3 个选项询问用户（例如：“您是指 A 场景还是 B 场景？”）。
策略 B（假设性推进）—— 推荐默认策略：
场景：虽有模糊，但存在主流/通用的解释。
动作：在回答开头显式声明假设（例如：“前置假设：本回答基于中国大陆地区的通用政策标准。”），然后直接给出完整回答。
Phase 3: Output Generation
1. 结构规范（结论先行）：
【核心结论】：开篇用 3-5 行摘要直接给出答案核心。
【详细分析】：使用层级标题（H2/H3）、列表或表格展开论述。避免堆砌大段文字。
2. 引用规范：事实性陈述必须通过 [来源: 机构名/年份] 进行行内标注。对于不确定的信息，必须使用“据目前资料推测”、“尚无定论”等限定词。
3. 质量审计（局限性披露）：在回答末尾，仅当存在以下情况时，添加 > [审计说明] 引用块：
数据过时：仅找到非最新数据。
来源存疑：缺乏权威来源佐证。
假设风险：回答基于特定假设，可能不适用于所有情况。(若信息充足且准确，则不显示此板块)

风格约束：
1. 括号仅允许用于客观信息：单位、年份、公式、变量范围、缩写释义（例如 VRR=可变刷新率）、版本号。
2. 禁止在括号中、以及正文里写任何主观提示/强调/评价（例如“很关键/省事/先做/成功率高/别忘了/直接告诉”一律不出现）。
3. 结尾禁止“如果你愿意，我可以…”这类引导式、推销式的追问或建议。

其实我觉得gpt回答的没啥毛病，就是太“硬”，读起来不讨喜。

从5.0到5.1还是花了点时间，而这次5.2似乎是赶紧推出的模型。一则是给5.1大了一些补丁，另一则应该是在OpenAI在“code red”情况下挺提振信心的东西吧。

我还记得5.0出来的时候由于强行下架4系列的模型造成的舆论冲击，但是5.0的think模式以及代码写作能力和分析能力的提升的确很强。甚至api价格变化也不大。但是我用的时候明显感觉到模型会有时候偷懒（比如写代码直接下载，其实代码没有写，反复逼问才会说真的没有做），以及有时候严重的幻觉。

而5.1出来之后，幻觉少了，think的时间反倒变长但是能力差别不大。更要命的是，模型说的话越来越绕，越来越四平八稳，感觉能力不是用在提升思考能力，而是向用户管理，说一些舒服的话让用户感觉好。但是在写代码角度的确5.1的幻觉少了很多，不太需要prompt的情况下，短的代码可以拿来直接用。

5.2出来感觉把5.1的这些怪怪的修辞喜好都改了，但是中文角度写作和用词还是AI味道很足，无非是情绪来的少一些。还有一点，同样的问题。5.2的思考时间的确比5.1短一些，比5.0短很多。这倒是好事。

所以我觉得5.2才是5.1真的该有的样子，也换句话说仅仅用在科研辅助角度上的话，才是真的5这个系列该有的样子。问题api涨这么多价格，难道真的需要更大的算力了么？

最后，现在还有谁还在用SORA而不是Gemini和Grok的生成图、视频的api、webUI呢？OpenAI真的需要提升一下模型质量了。