光标测试：GPT-5.2在远程自动化编程任务中表现优于Claude Opus 4.5

知名的AI编程辅助工具Cursor最近分享了一项内部测试结果：在处理长时间自主编程任务时，OpenAI最新的GPT-5.2模型的可靠性高于Anthropic的Claude Opus4.5。为了验证模型的能力，Cursor 团队尝试从零开始构建一个功能齐全的 Web 浏览器，涵盖了 HTML 解析、CSS 布局和自定义 JavaScript 虚拟机等复杂底层架构。

实际测试结果显示，GPT-5.2能够更准确地遵循复杂指令，并在需要数百万行代码、耗时数周的“远程”任务中保持高度专注，有效避免了长期任务中常见的“目标漂移”问题。相比之下，Claude Opus4.5虽然在许多场景中表现良好，但在处理此类大型项目时往往中途停顿或寻找捷径，过早地交出控制权。

目前，Cursor 已在其平台上同步了 GPT-5.2 模型，旨在探索 AI 智能体是否能够独立完成通常需要数月人类团队完成的大型项目。除了浏览器实验外，该模型还成功完成了包括Windows7模拟器和涉及一百万行代码的迁移任务在内的复杂任务，展示了生成式人工智能在自主工程领域的巨大潜力。