2024年AI模型性价比排行榜：Gemini与GPT-5.2深度测评

图片由AI生成

“我从未像现在这样对我们的研发和产品路线图，以及实现我们使命的整体方向感到如此乐观。”

12月12日，在正式上线GPT-5.2的同时，OpenAI CEO萨姆·奥尔特曼（Sam Altman）在一篇十周年纪念文章中写下了这句话。字里行间，他极力向外界传递着自信。但明眼人都看得出，这份自信背后，是前所未有的竞争压力。

毕竟，虽然GPT系列和ChatGPT依然是这场AI浪潮的引领者，但环顾四周，挑战者已兵临城下。今年以来，从DeepSeek、Grok到Claude，尤其是上个月谷歌Gemini 3的惊艳亮相，无一不在将大模型的竞争门槛推向新的高度。

压力之下，奥尔特曼先是在内部备忘录中提醒员工，要接受“最好的模型可能来自别家”的现实；紧接着，又发出了公司首个“红色警报”，要求团队集中所有资源“夺回领先地位”。火药味，已经弥漫开来。

截图来自社交平台X

自信终究需要产品来支撑。在十周年这个关键节点，OpenAI如期扔出了预热许久的“王炸”——GPT-5.2。评测数据显示，它成功实现了对所有竞争对手的反超。

然而，战场从来不是独角戏。几乎在同一时间，谷歌也亮出了新武器，让这场顶级对决的剧情，瞬间变得更加扑朔迷离。

GPT-5.2获评“最强AI打工人”，但“工资”很高

OpenAI这次依旧采取了“全家桶”策略，一次性发布了Instant、Thinking和Pro三个不同层级的GPT-5.2模型。

一个多月前，Gemini 3在多项基准测试中几乎“碾压”GPT-5的表现，曾让市场为之震动。如今，攻守之势再度转换。根据OpenAI公布的基准测试结果，GPT-5.2实现了全面反超，其Thinking模型的得分均高于谷歌的Gemini 3 PRO和Anthropic的Claude Opus 4.5。

具体来看，在难度极高的博士级专家推理评估GPQA Diamond中，GPT-5.2拿到了92.4%的分数，不仅超越了前代GPT-5.1 Thinking的88.1%，也略胜于Gemini 3 PRO刚刚刷新的91.9%纪录。更令人印象深刻的是，在不借助任何工具的情况下，它在最新的美国数学邀请赛（AIME2025）中取得了满分。

OpenAI此次特别强调了新模型在专业工作场景中的能力，称其Thinking模型是“目前最能胜任现实中各类专业任务的模型”。在评估专业技能的GDPval测试中，该模型获得70.9%的高分，比自家前代产品高出32.1%，领先Gemini 3 PRO达17.4%。即便是此前在企业工作场景（如编程）中表现更优的Claude Opus 4.5，也被其拉开了11.3%的差距。

图片来自OpenAI

从OpenAI展示的案例来看，GPT-5.2确实将火力集中在了非常落地的场景：制作表格、整理分析数据、绘制项目流程图……公司宣称，新模型在代码编写、PPT制作、图像理解、长上下文处理、工具调用以及处理复杂多步骤项目方面均有出色表现，且错误率大幅降低。

模型发布后，一些早期使用者的反馈也印证了这一点，“最强AI打工人”、“职场最佳拍档”之类的称号开始出现。然而，这位“打工人”的“薪资”可不低，甚至成了新的争议点。

数据显示，GPT-5.2的输入输出价格比前代高出约40%，输入每百万tokens需21美元，输出则高达168美元。这再次引发了业界对于大模型发展路径的讨论。此前，OpenAI依靠堆砌算力推动模型进步的模式已受到质疑，无论是DeepSeek还是Gemini，似乎都证明了存在更具性价比的AI发展路径。

如果再考虑到市场对由OpenAI、英伟达等引领的资本支出狂潮的警惕，以及对潜在泡沫的担忧，那么GPT-5.2如果仅仅是靠“硬怼”算力实现的反超，其可持续性将画上一个问号。事实上，已有用户反馈，GPT-5.2 Thinking和Pro版本的响应时间明显偏慢，甚至不如前代。对于日益融入日常工作和生活的AI工具而言，响应速度和效率成本，正变得愈发关键。此外，即时版的GPT-5.2仍在一些常识问题上犯错，也成了用户调侃的素材。

当然，OpenAI的攻势还未结束。奥尔特曼透露，下周还会给用户带来“小圣诞礼物”，而备受关注的ChatGPT“乘人模式”也预计在明年第一季度面世。

谷歌给OpenAI扔了个冲击波，提前1小时抢发Gemini Deep Research

OpenAI的对手们显然有备而来。就在GPT-5.2发布前大约一小时，谷歌抢先出手，宣布其深度研究智能体Gemini Deep Research全面增强，并首次向开发者开放。这一招“抢头条”，意图再明显不过。

据谷歌介绍，Gemini Deep Research基于Gemini 3 PRO构建，通过多步强化学习训练，在减少“幻觉”方面表现显著，处理复杂研究任务时精度更高。在被称为“人类终极大考”的HLE基准测试中，它获得了46.4%的分数，高于GPT-5.2 Thinking的45.5%，仅次于GPT-5 Pro的50%。

图片来自谷歌

但谷歌真正的杀手锏，或许还是性价比。其产品经理透露，新版智能体在达到与GPT-5 Pro相近性能的同时，成本仅为后者的十分之一左右。更好的性价比、差异化的训练路径、公司充沛的现金流以及自研专用芯片（TPU），这些共同构成了谷歌“逆袭”叙事的核心，也持续给OpenAI施加着压力。

此外，为了更科学地评估研究型智能体的能力，谷歌还同步开源了基准测试工具DeepSearchQA，其中包含了覆盖17个领域的900项复杂任务，意在树立行业评估的新标准。

话说回来，GPT-5.2未必是奥尔特曼守卫王座的终极武器。此前已有消息称，OpenAI正在加速开发一个名为“Garlic”的全新模型，旨在通过新的架构或训练方法重建绝对优势。而谷歌、Anthropic显然不会坐以待毙，Meta和DeepSeek等实力玩家同样虎视眈眈，明年或许还有新的惊喜。

这场混战中的另一个关键角色——英伟达，最近也表达了自己的看法。在与美银的一场投资者交流中，英伟达方面指出，仅凭Gemini 3目前优于GPT-5的表现，就断定谷歌自研的TPU胜过英伟达GPU，结论为时尚早。其理由是，目前大部分大模型仍是用上一代H系列芯片训练的，而用新一代Blackwell芯片训练的模型要到2026年才会上市，届时其优势才会真正显现，更不用说尚未投入使用的下一代超级芯片Rubin了。

市场对此看法不一。有观点认为模型能力与芯片代际并无直接必然联系，也有观点指出问题的核心终究会回到性价比上。但无论如何，英伟达的这番表态，无疑让2026年的大模型与芯片之争，显得更加值得期待了。

2025年行至年末，AI大模型的战局与底层芯片的博弈，都进入了白热化阶段。可以预见，2026年的赛场，只会更加刺激。这早已不是单纯的技术能力比拼，更是关乎发展路径、商业模式和产业生态的全面战争。

来源：互联网