GPT-6.2 Astra 灰测流出：BenchCAD 拿 0.875，比公开版高出一截

OpenAI 新模型 GPT-6.2 Astra 开启灰测，首批用户晒出了鹈鹕骑车、类游戏画面等实测结果，普遍反馈更注重物理真实感。同时两个 rc-ada- 前缀的模型 ID 短暂出现在 API 列表中，随后被撤下。

两个版本号的关系

公开的 GPT-6 Astra 与灰测中的 GPT-6.2 Astra 不是同一个东西。官方口径里，内部模型在 BenchCAD 2.0 上得 0.875，而 GPT-6 Astra 是 0.594。

0.875 对 0.594，差了近五成。这类内部版本通常用于评估训练路线的上限，不会直接对外提供。

BenchCAD 是什么

计算机辅助设计类基准。它考的不是画得像不像，而是几何约束是否成立、装配关系是否合理、尺寸是否自洽。这类任务的容错极低，一个约束错全盘错。

0.594 到这个水平已经不是玩具，但仍属于「能给出草图」而非「能交付图纸」。

官方提的那句：一周包办一款 AI 硬件的外壳、电路板与软件设计

这句话信息量很大，也很容易误读。它大概率指的是设计与迭代的辅助，包括外形方案生成、板级布局建议、固件框架，而不是从零到量产的完整工程。

真正的硬件开发里，EMC、热设计、供应链选型、认证，这些环节目前没有模型能替代。

rc-ada 模型 ID 的意味

Codex 用户此前已被灰测到该模型。命名里带 ada，通常指代码或数学方向的专用变体。短期内可能只是内部迭代，不必过度解读。

该怎么用

如果你的工作涉及 CAD 类任务，值得关注 BenchCAD 这个基准的细节而不是分数。看它在哪类约束上失败，比看总分有用。

本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。

内部模型 0.875 对公开版 0.594，差了近五成。这种版本一般是评估训练路线上限用的，短期不会对外。BenchCAD 考的是几何约束自洽，容错极低。

0.875 对 0.594 这个差距要看评测集构成，BenchCAD 偏 CAD 类任务，灰测版大概率做过针对性训练。真正该关注的是长任务上的稳定性差异，单次跑分高但中途掉链子的模型在生产上更麻烦。