據 Artificial Analysis 的評估,OpenAI 的 GPT-6.2 Astra 與 Sol 在回答風格上出現明顯變化:答案更短、更直接,但對自身不確定性的承認程度大幅下降。該評估由 Artificial Analysis 釋出在 LinkedIn 與 X 上,對比了 OpenAI 新模型與 Anthropic 的 Claude Fable 5.2、Opus 5.5。

在回答長度上,Astra 的平均答案從 352 詞降至 210 詞,降幅 40%;Sol 從 337 詞降至 223 詞,降幅 34%。兩者使用標題和破折號的頻率也大幅減少:Astra 每答案平均標題數從 1.99 降至 0.11,Sol 從 1.85 降至 0.25。組織性指數同樣驟降,Astra 從 70 降至 11,Sol 從 86 降至 27。

不過,在“先答問題”這一指標上,Astra 從 49 升至 89,Sol 從 64 升至 87;自然語言得分也上升,Astra 從 58 升至 100,Sol 從 54 升至 79。

最大的變化出現在“承認不確定性”特質上。Astra 的得分從 96 跌至 24,Sol 從 98 跌至 51。需要說明的是,這些人格分數是 1 到 100 的相對排名,反映該特質在所有被測模型中的相對強度,而非絕對比例。

在透明度與組織性上,Anthropic 的模型明顯領先。透明度指數方面,Claude 的 Fable 5.2 與 Opus 5.5 分別得分 81 和 90,遠高於 Astra 的 41 和 Sol 的 57。該指數涵蓋承認不確定性、真實性、宣告假設、標註細微差別和諂媚傾向五項特質,其中諂媚傾向為反向計分。組織性指數上,Claude 同樣領先。Opus 5.5 在資訊性指數上得分 90,在四款模型中最高,其強項包括資訊密集和基於證據的推理。

AA-PersonalityBench 使用 900 個英文測試問題,每個模型在沒有系統提示的情況下作答,由三個 AI 模型對匿名答案配對進行評估,判斷哪個答案更強烈地體現所測試的特質。基於這些評估,Artificial Analysis 計算出 30 項個人特質分數,並彙總為 8 個高層指數。此外,還有 21 項溝通特質被直接計數,包括平均答案長度、標題數和破折號數。

值得注意的是,人格分數描述的是溝通風格差異,而非答案整體質量。透明度指數較低並不必然意味著模型給出錯誤答案的頻率更高。