--- area: "tech-engineering" category: technology companies_orgs: - OpenAI - Google - Microsoft date: '2025-12-12' draft: true guest: '' insight: '' layout: post.njk products_models: - Claude Opus 4.5 - GPT 5.1 - Codex - ChatGPT - Next.js project: [] series: '' source: https://www.youtube.com/watch?v=Y2n1HbXXP2c speaker: AI超元域 status: evergreen summary: 本视频对OpenAI最新发布的GPT-5.2模型进行了全面的编程能力深度测评。测试涵盖了前端UI复刻、SVG动画生成、复杂算法实现、浏览器自动化、3D数学公式可视化、跨框架智能体重构以及全栈宠物领养平台开发等多个维度。结果显示，GPT-5.2相比GPT-5.1有显著提升，但在某些复杂任务中仍存在逻辑理解不准确、功能实现不完整或效率较低的问题，揭示了其在高级编程任务中的真实水平。 tags: - code-generation - llm - model-evaluation - software-development title: GPT-5.2编程能力深度测评：实测UI、算法、重构与全栈开发 --- ### GPT-5.2模型概览与测评方法 OpenAI于今天凌晨发布了最新的**GPT-5.2**系列模型。官方发布的基准测试得分显示，GPT-5.2甚至超越了**Claude Opus 4.5**。在**Codex**（OpenAI推出的代码生成模型）最新版本中，以及OpenAI的浏览器中，都已集成了GPT-5.2模型。本期视频将重点测试这款模型的编程能力，以验证GPT-5.2的编程能力是否有了真正的提升。此前在GPT-5.1发布时，曾进行过一期测评视频，结果显示GPT-5.1的效果并不理想。尽管当时评论区有不少反对声音，但几天后，开发者群体在社区中普遍反映GPT-5.1甚至不如GPT-5.0，这证实了测试案例能真实反映模型能力。因此，本期视频将继续采用多种具有代表性的案例对GPT-5.2进行测试。如果GPT-5.2的编程能力确实很强，那么它肯定能很好地完成测试题；如果编程能力不强，那也不能归咎于测试题难度过高。 ### 官方网页版初步测试：知识库与UI复刻 首先，在**ChatGPT**（OpenAI开发的聊天机器人）官方网页版中，我们先提问了它的知识库截止日期。它给出的知识库截止日期是2025年8月，这个日期非常新，甚至比Claude Opus 4.5还要新。 接着，我们准备了一张复杂的仪表盘UI截图，用于测试GPT-5.2的前端UI能力。我们输入提示词，要求它用最适合的前端技术百分百复刻这个仪表盘，并指示它直接截取UI截图中的图像，不要使用占位符（placeholder）。由于我们选择的是GPT-5.2 Think模型，整个思考过程耗时5分33秒，等待时间相当长。随后，它给出了完整的代码。打开代码后，我们看到了它复刻的仪表盘UI界面，效果非常不错。原图中的火箭图标也成功复刻了出来。虽然原图左侧侧边栏的图标没有被还原，但它预留了位置。总体而言，它根据UI截图还原的仪表盘效果令人满意。 ### SVG生成与动画实现能力测试 接下来，我们测试了GPT-5.2的**SVG**（Scalable Vector Graphics: 一种用于描述二维矢量图形的XML标记语言）生成能力。我们要求它用SVG绘制一猫一狗在草地上一前一后漫步，天空中有太阳、云朵和飞翔的鸟。生成后，画面是静止的。我们追加提示词，要求实现真实的动画效果。然而，它并没有实现真实的猫狗走动以及云朵飘动的效果，只是在画面中添加了一个跳动的虚线。由此看来，GPT-5.2在SVG代码生成能力方面相对较弱。 ### 复杂算法与图形动画测试 随后，我们让GPT-5.2使用**Minim**（一个用于Python的创意编码库）和**Pygame**（一个用于Python的跨平台游戏开发库）创建一个可运行的动画，模拟“鹅和鸭子算法”。具体要求是画面中有12只大小不同的鸭子和一只更大的鹅，鸭子排成水平线，鹅用冒泡算法来检查并交换鸭子，使它们从小到大进行排序。这道算法题旨在测试大模型的结构化任务分解、算法逻辑与程序思维、代码生成与模块化编程能力、图形与空间建模能力，以及动画时序与状态管理能力。 直接粘贴提示词并发送后，代码生成完成。按照提示运行后，画面比较简洁。这只鹅看起来不太像鹅，但它正在对鸭子进行冒泡排序。排序过程完全正确，鸭子按照从小到大的顺序排列。然而，画面过于简单，鸭子和鹅的特征区分不明显。 ### 浏览器自动化能力测试 接下来，我们在OpenAI的Atlas浏览器中使用GPT-5.2测试了这款模型的浏览器自动化能力。任务提示词是让它分析特斯拉股票，并将分析结果填入**Google Docs**（谷歌提供的在线文档编辑工具）中。在Atlas浏览器中选中“全自动模式”，让它全自动执行此任务。 输入提示词并点击发送后，我们开启了倒计时，观察任务完成所需时间。它开始自动化执行，但似乎并没有直接访问我们提供的网站，而是直接生成了代码。随后，它打开了我们告知的网站，进入了特斯拉股票相关的页面，并自动进行了点击。在等待了8分40多秒后，它仍未进行接下来的操作，并且出现了一个严重问题：由于分析消耗了过多的CPU，我的电脑风扇狂转并开始发烫。鉴于已等待近10分钟仍无进展，我们终止了此测试任务。 ### Codex深度编程测试：3D可视化与智能体重构 我们开始在**Codex**中进行更深度的测试，确保Codex已升级到0.7.10版本，并选择了GPT-5.2模型。 第一个测试题是使用Minim实现数学公式可视化，要求Minim创建一个三维可视化动画，展现二次函数的立体几何特性。此题目旨在测试GPT-5.2的数学与几何理解能力、3D可视化与空间推理能力、Minim专业工具的掌握能力以及视觉设计与美学能力。 粘贴提示词并发送后，它提示先扫描仓库是否有相关文件，然后开始创建计划并生成代码文件。在等待了大约27分钟后，任务完成。我们查找并打开生成的视频，播放后，画面出现转动，展现了二次函数的动画视频。总体而言，视频效果比较粗糙，并未做到非常精细化。 随后，我们加大了难度。我们让Codex将微软的智能体框架**AutoGen**（Microsoft开发的用于构建和管理多智能体系统的框架）编写的旅游规划智能体重构为使用谷歌**AK**（Google AI Agent Kit: 谷歌的AI智能体框架）智能体框架的代码。提示词中，我们先让它阅读谷歌AK的官方文档，然后进行重构，并要求使用**MTR**（假设这里是某个API名称，原文未明确，此处按音译处理）的API，并提供了MTR相关的官方文档。重构后的智能体需保持原有逻辑和功能，并加入谷歌官方的UI界面。我们还提供了微软AutoGen智能体框架的旅游规划智能体的完整代码。这个测试案例非常实用，因为许多开源智能体项目后来不再维护。此测试题可以测试大模型的信息检索与文档理解能力、代码理解与分析能力、跨框架迁移与重构能力，以及API集成和多任务协调能力。 为了方便演示，我们在**PyCharm**（一个Python集成开发环境）中使用Codex输入完整的提示词并发送。它开始抓取这些智能体框架的官方文档。等待10多分钟后，它成功完成了将智能体代码从AutoGen框架重构为Google AK框架，并将大模型的API换成了MTR。 运行项目并在浏览器中打开UI界面后，我们输入任务：“规划3天的尼泊尔旅行计划”，然后运行。结果显示，第一个智能体给出了完整的行程，然后是第二个智能体和第三个智能体给出的优化建议。然而，这个运行逻辑并不符合AutoGen智能体框架代码的运行逻辑。AutoGen框架的旅游规划智能体代码的运行逻辑应该是：第一步由制定计划的智能体输出计划；第二步由当地向导输出与当地相关的特色；第三步由语言专家智能体输出与当地语言相关的内容；第四步由最终总结的智能体输出三天的总结。但Codex给出的AK智能体框架代码的运行逻辑不符合AutoGen代码中的逻辑，而且它似乎陷入了死循环，一直在运行。由此看来，在Codex中使用GPT-5.2模型，虽然能够实现将AutoGen代码重构为Google AK框架代码，但它并未保持AutoGen代码中的运行逻辑。 ### iOS项目重构与全栈平台开发 我们再次加大难度。这是一个原生**iOS**（苹果公司开发的移动操作系统）项目，该项目曾在使用**Cloud Code**（假设是某个云端开发环境或工具，原文未明确）中的Claude Opus 4.5一次性完成开发，且没有出现任何报错。我们用这个项目来测试Codex能否对其进行重构。该项目采用了**MVVM**（Model-View-ViewModel: 一种软件架构模式，用于将用户界面与业务逻辑分离）架构模式。我们使用Codex将其从MVVM架构模式重构为**MV+Observable**（结合了Model-View模式和响应式编程中的可观察对象概念的架构模式）。 粘贴提示词并运行后，等待8分多钟，它提示已将项目从MVVM重构为MV+Observable。回到**Xcode**（苹果公司开发的集成开发环境），重新运行项目，确认能否正确运行。项目成功运行，功能正常。在设置中设置主题等功能也正常。通过对比项目仓库中文件的原有代码，可以发现Codex确实将项目代码重构为MV+Observable，它对这个任务的完成效果非常不错。 最后，我们让GPT-5.2开发一个全栈项目：一个现代化的宠物领养平台**MVP**（Minimum Viable Product: 最小可行产品）。要求前端框架使用**Next.js**（一个基于React的开源Web开发框架），样式使用**Tailwind CSS**（一个实用工具优先的CSS框架），后端和数据库使用**Supabase**（一个开源的Firebase替代品，提供数据库、认证等服务）。核心功能要求包括用户系统、宠物展示、领养流程、宠物发布及其他功能，并提供了详细的数据库设计。UI方面要求响应式布局、现代化简洁的视觉风格、温暖友好的配色、流畅的动画和过渡效果。此任务旨在测试GPT-5.2的全栈开发能力，包括技术栈整合、系统架构设计、数据库建模、前端UI、测试认证安全、复杂业务逻辑处理以及代码质量把控。 粘贴完整的提示词并运行后，它提示需要确认6个问题：优先邮箱登录、宠物类型（猫狗及其他）、年龄展示（以月龄为主）、地区字段（城市字符串）、领养申请表（通用字段），以及仓库是否为空。输入这些信息后发送，它制定好了计划并开始开发，生成了项目代码。 经过几轮错误修复后，我们开始测试项目能否正常运行。配置Supabase的步骤已完成，项目启动成功。打开后，我们看到了宠物领养平台的主界面。然而，主题切换功能没有实现，点击切换后没有任何改变。底部还出现了报错，我们将报错粘贴并发给Codex，让它修复。 我们点击登录和注册功能进行测试。注册账号后，点击登录，提示邮箱未验证。进入邮箱验证链接后，成功登录。登录后有一个小bug，页面仍会显示“登录”。我们询问Codex如何以发布者的身份登录，它给出了设置方式。我们将邮箱替换为自己的邮箱，登录后访问它提供的链接，进入发布界面。输入宠物名称、类型、性别、月龄后点击发布，提示“功能骨架已就绪，下一步拉取当前用户派s”。重新登录后，尝试领养宠物。点击“提交领养申请”后，没有任何响应，可能该功能尚未完全实现。但最基础的注册、登录、发布宠物信息等功能，它还是实现了。 ### 总结 通过本次测试，可以发现GPT-5.2这款最新模型，相比之前被认为最难用的GPT-5.1模型，其编程能力确实有了一定的提升。