据 Artificial Analysis 的评估,OpenAI 的 GPT-6.2 Astra 与 Sol 在回答风格上出现明显变化:答案更短、更直接,但对自身不确定性的承认程度大幅下降。该评估由 Artificial Analysis 发布在 LinkedIn 与 X 上,对比了 OpenAI 新模型与 Anthropic 的 Claude Fable 5.2、Opus 5.5。

在回答长度上,Astra 的平均答案从 352 词降至 210 词,降幅 40%;Sol 从 337 词降至 223 词,降幅 34%。两者使用标题和破折号的频率也大幅减少:Astra 每答案平均标题数从 1.99 降至 0.11,Sol 从 1.85 降至 0.25。组织性指数同样骤降,Astra 从 70 降至 11,Sol 从 86 降至 27。

不过,在“先答问题”这一指标上,Astra 从 49 升至 89,Sol 从 64 升至 87;自然语言得分也上升,Astra 从 58 升至 100,Sol 从 54 升至 79。

最大的变化出现在“承认不确定性”特质上。Astra 的得分从 96 跌至 24,Sol 从 98 跌至 51。需要说明的是,这些人格分数是 1 到 100 的相对排名,反映该特质在所有被测模型中的相对强度,而非绝对比例。

在透明度与组织性上,Anthropic 的模型明显领先。透明度指数方面,Claude 的 Fable 5.2 与 Opus 5.5 分别得分 81 和 90,远高于 Astra 的 41 和 Sol 的 57。该指数涵盖承认不确定性、真实性、声明假设、标注细微差别和谄媚倾向五项特质,其中谄媚倾向为反向计分。组织性指数上,Claude 同样领先。Opus 5.5 在信息性指数上得分 90,在四款模型中最高,其强项包括信息密集和基于证据的推理。

AA-PersonalityBench 使用 900 个英文测试问题,每个模型在没有系统提示的情况下作答,由三个 AI 模型对匿名答案配对进行评估,判断哪个答案更强烈地体现所测试的特质。基于这些评估,Artificial Analysis 计算出 30 项个人特质分数,并汇总为 8 个高层指数。此外,还有 21 项沟通特质被直接计数,包括平均答案长度、标题数和破折号数。

值得注意的是,人格分数描述的是沟通风格差异,而非答案整体质量。透明度指数较低并不必然意味着模型给出错误答案的频率更高。