GPT-6「土豆」正式发布：推理性能提升40%，但有个坑你得注意

OpenAI终于不吊胃口了。

昨天凌晨，GPT-6正式发布，内部代号「Spud」（土豆）。没错，就是那个其貌不扬但管饱的土豆。Sam Altman在X上发了个🥔表情，评论区瞬间炸锅。

我第一时间拿到了API权限，测了一整天。先给结论：推理能力确实强了，但有个坑你得注意。

纸面数据：推理性能提升40%

OpenAI官方的benchmark显示，GPT-6在数学推理（MATH）、代码生成（HumanEval）、逻辑推理（LogiQA）三个维度上，相比GPT-5.4平均提升40%。这个幅度说实话挺惊人的。

我跑了几个自己常用的测试用例。一个复杂的React组件重构任务，GPT-5.4需要三轮对话才能搞定，GPT-6一轮就写出了能跑的代码，而且注释写得比我手下实习生还清楚。

另一个感受是上下文理解能力明显变强了。我把一个5000行的Python项目代码全贴进去，让它找潜在的内存泄漏点。它不仅找出来了，还告诉我哪几行是根本原因，哪几行是症状。这种「透过现象看本质」的能力，之前的模型确实做不到。

但是——对，我要说但是了。

GPT-6有个挺明显的问题：过度思考（overthinking）。

我让它写一个简单的HTTP请求脚本，就是那种10行代码就能搞定的事。结果它给我返回了整整200多行，包含了重试机制、错误处理、日志记录、配置管理…功能确实齐全，但完全超出我的需求。

这就好比你跟服务员说「来杯水」，他给你端来了一个带柠檬片、薄荷叶、冰球的精致饮品。是好东西，但没必要。

我查了一下技术文档，发现GPT-6默认启用了「深度推理模式」，模型会倾向于给出「最完整」的方案，而不是「最简洁」的方案。对于复杂任务这是好事，但对于简单任务，反而增加了用户的筛选成本。

另一个观察：价格涨了，但性价比更高了

GPT-6的API定价比GPT-5.4贵了约25%。但按照单位任务的成本来算，实际上更便宜了——因为需要的交互轮次少了，token总量反而下降。

我拿一个典型的数据分析任务做了对比：

• GPT-5.4：3轮对话，共消耗8500 tokens，成本 $0.17
• GPT-6：1轮对话，共消耗3200 tokens，成本 $0.08

省了一半钱，还省了时间。这才是真正的「降本增效」。

跟竞品的对比

现在市场上能跟GPT-6掰手腕的，主要是Claude Opus 4.7和Gemini 3.1 Pro。我横向测了一下：

• 代码能力：GPT-6 ≈ Claude Opus 4.7 > Gemini 3.1 Pro
• 长文本：Gemini 3.1 Pro > GPT-6 > Claude Opus 4.7
• 多模态：三家各有千秋，看具体场景

总的来说，GPT-6的发布巩固了OpenAI在「通用大模型」领域的领先地位。但领先优势已经没有以前那么明显了。Claude在代码场景、Gemini在长文本场景，都有自己的护城河。

最后说一个猜测

代号「Spud」（土豆）挺有意思。土豆是一种「基础食材」，便宜、百搭、能做成各种菜。我怀疑OpenAI是在暗示：GPT-6将成为一个「基础模型」，上面会生长出各种各样的应用生态。

毕竟，再好吃的土豆，单吃也腻。但做成薯条、土豆泥、红烧土豆…那就是另一番景象了。

开发者们，开工吧。