一句话看懂:一名 V2EX 用户发帖称,GPT-6.2 在两个模型上完成小游戏编码任务时卡壳,改回 GPT-6.1 才继续推进,并认为其 computer use 能力仍落后于 Opus5.5。这反映的是单次社区实测体验,而非官方评测结论。
事件核心:发生了什么
根据 V2EX 创意工作者社区 2026 年 11 月 19 日发布的一则帖子,发帖者当天使用 GPT-6.2 尝试制作一个小游戏:先由模型给出效果图,再要求其写出可实际运行的代码。但其称两个模型版本都“推不下去”,发送命令后只得到几句无关紧要的回复;让它指挥 workbuddy 时,模型采取的方式竟是直接粘贴提示词,而不是真正执行操作。
发帖者随后改用 GPT-6.1,模型开始通过 computer use 操作 workbuddy,任务得以继续。不过他同时评价,GPT-6.1 与 A/ 的 Opus5.5 相比差距明显,称前者像本科实习生、后者像博士生,并质疑 OpenAI 拥有先发优势却表现不佳。以上均为发帖者个人说法,目前公开信息中未见 OpenAI 对 GPT-6.2 的相应说明。
为什么重要
这条讨论触及大模型竞争的一个现实问题:模型在对话、生成图像或效果图上表现不错,并不意味着它能稳定完成多步骤的编码与工具调用任务。小游戏开发需要把需求拆解为代码、调试并反复迭代,对推理稳定性和 computer use 操作链路要求较高。
发帖者还提到 A/ 团队人员有从 OpenAI 流出的背景,借此质疑 OpenAI 的先发优势是否仍然有效。这属于社区观点,不能当作行业结论。但它提示,闭源大模型之间的差距可能更多体现在复杂任务执行上,而非单轮问答。
对用户/开发者/创作者的影响
对开发者和创作者而言,这类反馈的实际价值在于:选择模型时应按任务类型分别验证,尤其是需要多轮代码修改、工具调用和 computer use 的场景,最好保留可回退的旧版本。API 调用方也应关注模型在长链路任务中的失败率和人工接管成本,而不是只看单次生成质量。
AI 工具推荐
想把多个 AI 模型放在一个入口?
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。
推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。
需要说明的是,该帖没有提供可复现的提示词、代码或评分标准,不能据此得出 GPT-6.1、GPT-6.2 与 Opus5.5 的普遍排名。它反映的是特定日期、特定小游戏任务下的一次使用体验。
值得关注的后续
一是 OpenAI 是否会在后续版本中改善多步骤编码与 computer use 的稳定性;二是社区是否出现更多可复现的对比测试,让单次体验变成可比较的数据;三是 A/ 的 Opus5.5 在同类编码和工具调用任务中的实际表现,是否与发帖者的评价一致。


