OpenAI 正式推出 GPT-5.2 模型，聚焦于智能体（Agent）应用场景。该模型在 SWE-Bench Pro 基准测试中的表现提升至 55.6%，工具调用准确率高达 98.7%。API 定价已更新：输入令牌每百万 1.75 美元，输出令牌每百万 14 美元，并对缓存输入令牌提供高达 90% 的折扣。

OpenAI 公司正式宣布扩展其前沿（Frontier）大模型产品线。新版本 GPT-5.2 被定位为专用于解决复杂专业任务的工具。该模型的核心发展方向包括构建智能体工作流（agent pipelines）、多模态数据处理，以及支持长时间运行、依赖超长上下文的操作。

工程任务与代码能力进步

在软件开发领域，GPT-5.2 展现出显著性能提升。根据 SWE-Bench Pro（业内公认最严苛的模拟真实开发场景基准之一）的测试结果，GPT-5.2 Thinking 版本成功解决了 55.6% 的任务；相比之下，前代 GPT-5.1 的成绩为 50.8%。在简化版测试 SWE-Bench Verified 中，其成功率更是达到 80%。

这一进步表明，人工修补补丁的需求正在减少，模型在处理大型代码仓库时的稳定性也显著增强。GPT-5.2 正从辅助编程助手逐步演变为能够近乎自主修复漏洞、实现新功能的完整开发工具。

早期测试用户特别指出，该模型在前端开发方面取得重大进展。仅凭一个详细提示（prompt），系统即可生成复杂的用户界面，包括非传统的 3D 元素和 UI 组件。如今，GPT-5.2 越来越被视为一种完整的全栈（full-stack）解决方案，而不再仅仅是代码生成器。

上下文管理与数据处理能力

针对长对话中信息丢失的问题，GPT-5.2 提供了有效的技术方案。其上下文窗口现已支持高达 256,000 个令牌。在 MRCRv2 测试中，即使目标信息被淹没在数十万个其他令牌之中，模型仍能近乎无误地提取关键内容。

在实际应用中，这意味着用户可直接上传多页合同、企业财报、多文件项目或聊天记录档案，而不会丢失逻辑连贯性。模型在整个会话过程中始终保持回答的一致性。此外，系统还新增了“compact 模式”，使模型能够在标准上下文窗口之外继续“思考”和运行，这对实现长时间智能体任务至关重要。

智能体场景可靠性（工具调用）

在外部工具调用的可靠性方面，GPT-5.2 实现了显著飞跃。在 Tau2-bench Telecom 基准测试中，新模型的工具调用成功率高达 98.7%。值得注意的是，即便在启用快速推理模式（reasoning.effort="none"）的情况下，其准确率依然大幅提升。

已有若干企业客户表示，他们正借此优化自身系统架构：从原先依赖多个专用小型智能体，转向部署单一“超级智能体”，由其统一调度超过 20 种工具。

视觉分析能力与幻觉减少

开发团队进一步增强了系统的多模态能力。GPT-5.2 在解读技术图纸、仪表盘、图表及用户界面等视觉内容方面更加准确。在 GUI 识别与分析任务中的错误率几乎减半。对于需要读取图表并解释流程的任务，模型表现得更为细致严谨。

此外，事实性错误（即所谓“幻觉”）的发生率降低了约三分之一。这一改进对于将大模型应用于商业分析、文档摘要生成及商务沟通等场景具有关键意义。

定价策略与 API 接入

GPT-5.2 已集成至 ChatGPT 界面，面向 Plus、Pro、Business 和 Enterprise 订阅用户提供服务。开发者可通过 API 使用该模型，对应标识符为 gpt-5.2 和 gpt-5.2-chat-latest。性能最强的版本命名为 gpt-5.2-pro。

相较于 GPT-5.1，新版 API 定价有所上调：

输入令牌：每百万令牌 1.75 美元

输出令牌：每百万令牌 14 美元

缓存输入令牌：享受 90% 折扣

OpenAI 强调，尽管单位价格有所上涨，但企业用户的总体成本可能反而下降。这是因为 GPT-5.2 能以更少的冗余令牌和迭代次数完成相同任务 —— 它执行效率更高，且所需澄清和修正更少。