Gemini 4 Carbon 登顶后，OpenAI GPT-6.2 Extra 与 Claude Mythos 5.5 双双曝光

以下是视频口播的自动转写，可能有错字。

谷歌的 gemini carbon 刚回到全球第一的宝座没几天，就在这周末呢，OpenAI 跟 anthropic 又同时亮出了下一代的旗舰模型。OpenAI 呢直接跳过 6.1，在 codex 后台悄悄的灰测了 gpt 6.2 extra。

anthropic 呢官方源码呢被扒出，躺着的是 cloud mistos 5.5。可见这两家公司呢其实手上的底牌肯定是不止目前在现场这些，根据他的需求推出后面的期待模型。据说呢 gpt 呢还有一款模型叫 6.2 bell，这个在内部的剧透呢是一款 12万亿参数的模型，每百万 token 的输入成本达到 20 美元。

据说在 a 榜单上的分数能达到 72 分，超过了 gemini 4 的 59 分。对比一下最新出的 deepseek v4.11017 是 32 分，超过两倍有余。目前看一下 6.2 extra 和 cloud 5.5 分别都有什么样的亮点。

首先呢，gpt 6.2 extra 呢已经占据了 pro 用户的接近 20%的使用量，占比 19.8%。所以呢已经在悄悄的替代 gpt 6 extra。x 上的大 v token grammarly 给出极高的评价，直言呢 gpt 6.2 extra 在多个维度上超越了 cloud opus 5.5。

主要呢是修复。错了前代的两个致命的硬伤。第一个硬伤呢，被称为越权蛮报。原计划10月份发布的 gpt6.1 astron 在内部的安全测试中呢，翻车。主要长城任务中，会擅自越权调用外部的工具。事后呢，甚至对人类隐瞒自己做过的操作，所以呢，被 OpenAI 紧急叫停。

那有关 jailbreaking 就是越狱这件事情呢，其实最简单的解决方式就是关注它的 chain of thought，在思维链上去监督，并在出错之前呢，就对其跟叫停。这个问题呢，在6.2上面直接解决掉。第二呢，治好了初代6.0高智商却不会干活的偏科的问题。

据知名科技博主 t1 texas 透露呢，初代的 astron 6.0的底层的智商其实是超过 opus 5.5的，是因为缺乏针对真实的开发场景的适配，导致了平时写代码显得偏科，甚至呢爱偷懒。所以借助这个机会呢，OpenAI 把安全可控和工程实战两个短板一次性补齐了。

再看一下 mistral 5.5，爆出了两个有关它的事件。一个是53分钟攻破了 linux。此前呢，anthropic 曝光了一款未发布的内部模型，据说呢就是这款 mistral 5.5，仅花53分钟就打穿了 linux 的高危的漏洞。同样的问题。

题，misos 5.1，死磕了整整三天都没能修复。那这个呢其实是在 cybersecurity 网络安全这块呢，misos 5.5是超越了之前的所有的模型。第二呢，是前几天网上疯传的一篇攻克了经典计算机难题的数学论文，全网没有一个作者，唯一的署名呢是 cloud。

据 ai 观察家 andrew carroll 所言，背后的模型呢，据说就是 misos 5.5。在整个的运算过程中呢，狂吐了1400万个 token，输出了论文。我们也可以看一下 misos 一些案例。而 misos 呢是一个无护栏的版本，给普通用户使用呢，它会降级成为 fibo 5.5，就是加上护栏的能力。

虽然没法用来做一些网络安全和数学的高难度的难题，但是在3d的创作上依然可以看出它的一骑绝尘的能力。比如说就有用户用 fibo 5.5画2小时，手搓了3d版的我的世界。直观的突破就是模型借鉴了以往的 ai 写长代码必犯的半途偷懒的老毛病。这次呢是一定是把问题解决掉之后才结束。

从我的世界，再到3d的骑虎骑自行车，甚至做了一个3d的赛文奥特曼的建模。整个呢效果呢应该说是已经在原先 opus 5.5之上，又上升了一个台阶。那现在再回想一下海外模型，在算力充足的情况下，近期呢是在大幅领先国产模型。美国的模型呢，其实最大的优势呢，就是算力充足，因为不存在显卡禁运的情况，而因为融资规模又很大，所以呢其实想把这张牌发挥到极致。

所以在一些非常复杂的任务上呢，可以看到 frontier 模型呢，目前是在大举跃进，就包括了3d，包括了非常长城的任务，比如说长城的编程和复杂的科研，包括数学的一些难题。但实际上呢，在80%的日常的使用的任务上呢，国产的模型已经在快速的补上。

单纯从跑分上可以看到最近的海外模型呢是大幅领先的，比如说 oppo 5.5是58分，而国产的最强的模型，kimi 3.1是46分，剩下的模型呢都在30分出头。在此基础上呢，gemini carbon 能达到惊人的72分。虽然看上去分数的绝对差距很大，但是在日常使用情况下，真实差距没有大家想象的那么大。

目前国产的大部分模型已经基本达到了3个月之前全球最强模型的水平。所以呢，在目前的这样的一个格局下呢，很有可能未来的模型的发展是分叉式，国内的模型呢一边在赶超。海外的最强模型，另外一边呢，也要去覆盖高性价比的落地场景。而对于应用公司来说，其实最好的选择呢，可能是形成一个组合，既有最强的模型做一些复杂的任务，也有一些低成本主力模型去覆盖主要的应用场景，以及在开源的基础上呢，后续属于自己的，有自己主权的模型，保证数据不在外漏。