Artificial Analysis 的一项新评测显示,OpenAI 的 GPT-6.2 Astra 与 Sol 在回答风格上明显转向更简短、更直接,但承认不确定性的意愿显著降低。与 Anthropic 的 Claude 模型相比,这两款新模型在透明度与组织性上得分明显落后。
具体来看,Astra 的平均回答长度从上一代的 352 词降至 210 词,降幅 40%;Sol 则从 337 词降至 223 词,降幅 34%。两款模型使用标题和破折号的频率也大幅减少:Astra 每答平均标题数从 1.99 个降至 0.11 个,Sol 从 1.85 个降至 0.25 个。组织性指数同样骤降,Astra 从 70 跌至 11,Sol 从 86 跌至 27。
不过,在“回答优先”这一指标上,两款模型均有提升——Astra 从 49 升至 89,Sol 从 64 升至 87,意味着它们更倾向于开门见山回应问题。自然语言流畅度得分也上升,Astra 从 58 升至 100,Sol 从 54 升至 79。
最显著的变化出现在“承认不确定性”这一特质上。Astra 的得分从 96 骤降至 24,Sol 从 98 降至 51。需要说明的是,这些人格指数得分是 1 到 100 的相对排名,反映该特质在所有被测模型中的相对强弱,而非绝对百分比。例如,24 分并不意味着 Astra 只在 24% 的回答中承认不确定性。
与 Anthropic 的 Claude Fable 5.2 和 Opus 5.5 对比,差距更为清晰。在透明度指数上,Fable 5.2 和 Opus 5.5 分别得分 81 和 90,远高于 Astra 的 41 和 Sol 的 57。透明度指数涵盖承认不确定性、真实性、声明假设、标注细微差别以及谄媚倾向(反向计分)五项特质。组织性方面,Anthropic 同样领先。Opus 5.5 在信息量指数上以 90 分脱颖而出,显著高于其他三款模型,其优势特质包括信息密度高和基于证据的推理。
AA-PersonalityBench 使用 900 道英文测试题,每款模型在没有系统提示的情况下作答,由三个 AI 模型组成的小组对匿名答案对进行评估,判断哪个答案更强烈地体现被测特质,或判定为平局。基于这些评估,Artificial Analysis 计算出 30 项个人特质的得分,并汇总为八个高层级指数。此外,还有 21 项沟通特质被直接计数而非由 AI 评判,包括平均回答长度、标题数和破折号数。
值得强调的是,这些人格得分描述的是沟通风格差异,而非答案的整体质量。透明度指数较低并不必然意味着模型给出错误答案的频率更高。对于关注 AI 产业的投资者而言,这一评测揭示了头部模型在“表达风格”上的分化路径:OpenAI 选择更简洁直接的交互方式,而 Anthropic 则在透明度与信息密度上建立差异化。这种风格差异可能影响企业客户的选择偏好,尤其是在需要高可信度与可解释性的应用场景中。