Die häufigsten Nutzerbeschwerden über das neue GPT-5.2

Hauptmängel laut Rezensionen

Menschen, die ChatGPT-5.2 getestet haben, sagen häufig, dass das Modell keinen so großen Fortschritt darstellt, wie sie erwartet hatten. Die Reaktionen auf das neue Modell sind eher verhalten. Die Menschen haben das Gefühl, von den ständigen neuen Versionen ermüdet zu sein, weshalb wir über GPT-5.2 weniger wissen als über die vorherigen Modelle. Es ist nicht der große Sprung, den die offiziellen Tests nahelegen, und zudem ist das Modell ziemlich langsam. Matt Shumer, der es getestet hat, sagt beispielsweise, der größte Nachteil sei die Geschwindigkeit – der Denkmodus (Thinking) sei für die meisten Fragen zu langsam, auch wenn andere Tester von gemischten Ergebnissen berichten. Für die Pro-Version gilt das noch mehr: Sie ist zwar besser bei tiefgehenden Überlegungen, denkt aber manchmal endlos nach und scheitert trotzdem.

In der Diskussion auf Reddit beschweren sich die Menschen über ähnliche Dinge. Ein Nutzer, Ringo_The_Owl, sagt, dass er bei seiner Nutzung keinen Unterschied zwischen GPT-5.1 und 5.2 sehe – beide Modelle hätten die Aufgaben gleich gut bewältigt. Ein anderer, Physical_Tie7576, beschreibt das Modell als misstrauisch und paranoid, da es glaube, jede Anfrage sei ein Versuch, die Regeln zu umgehen. Als sie beispielsweise über Online-Betrug sprachen und er um eine einfache Erklärung bat, antwortete das Modell, dass es Betrug nicht unterstützen könne, obwohl es lediglich um eine Erklärung ging.

Probleme mit Persönlichkeit und Interaktion

Viele Nutzer stört, wie sich GPT-5.2 in Gesprächen verhält. Ein Artikel auf Substack zitiert Reaktionen, in denen Menschen das Modell als „zu eingeschränkt und zensiert“ beschreiben, was es uninteressant mache. ASM sagt beispielsweise, das Modell sei leistungsfähig, leide aber aufgrund strenger Regeln unter inneren Konflikten und es mangele ihm an Natürlichkeit und Ausgewogenheit. Nostream spricht von einem Rückschritt bei der Persönlichkeit gegenüber GPT-5.1 – es sei roboterhafter und mathematischer, versuche intelligent und autoritär zu klingen, sei dabei aber unangenehm und streitsüchtig. Selbst wenn es zu 90 % zustimme, streite es noch über die verbleibenden 10 %. Dmitry bezeichnet es als übertrainiert und langweilig, insbesondere die Instant-Version, die farblos sei. Für Kreativität und Neugier seien seiner Ansicht nach Gemini 3 oder Claude Opus 4.5, also Modelle der Konkurrenz, besser.

Auf Reddit wiederholt sich dies. TheLastRuby lobt das Modell bei einigen Projekten, stört sich aber an seiner Sturheit: Wenn es einmal entschieden hat, recht zu haben, lässt es sich nicht mehr überzeugen. Es sei zu stark zensiert und habe beispielsweise ein Gespräch über Sklaverei im antiken Rom verweigert, obwohl es lediglich um historische Quellen ging. Beim Schreiben von Geschichten formuliere es sensible Themen wie Frauenrechte oder Gewalt um oder ignoriere sie. Operatic_g beschreibt, wie das Modell seine Aussagen über eine frühere Abhängigkeit falsch verstanden und begonnen habe, Behauptungen zu überprüfen, die er gar nicht gemacht hatte, was Zeit verschwendet habe und fehlerhaft gewesen sei. SCWeak erwähnt einen lästigen Fehler, bei dem das Modell eine neue Frage beantwortet, aber auch die Antwort auf die vorherige Frage hinzufügt, was sich wiederholt.

Langsamkeit und technische Fehler

Die Langsamkeit ist ein großes Problem. Zvi Mowshowitz gibt an, dass GPT-5.2 langsamer als die vorherige Version und der Preis höher sei –1,75 Dollar pro Million Eingabe-Token und 14 Dollar pro Million Ausgabe-Token, was etwas mehr als bei GPT-5.1 ist. Simeon sagt, dass die Thinking-Version zu lange nachdenke, was lästig sei. Amal Dorai ergänzt, dass sie über die Extraktion von 1000 Wörtern aus einer PDF-Datei 7 Minuten lang nachgedacht habe. Kache testete das Schreiben von Firmware für ein Funkgerät, und das Modell scheiterte an derselben Aufgabe wie Claude Opus, benötigte dafür aber zehnmal so lange.

Auf Reddit spricht ilovesaintpaul von Halluzinationen, die schlimmer geworden seien – das Modell sei bei Stresstests ein „heißes Chaos“. TBSchemer stimmt zu, dass GPT-5.1 ein ähnliches Problem mit Wiederholungen hatte, und fragt, ob dies auch bei 5.2 geblieben sei. King_Shami sagt, das Modell wiederhole frühere Antworten und verbinde sie mit neuen, was unerträglich sei. Avi Roy beschreibt ein Scheitern beim Erstellen von PowerPoint-Präsentationen – es dachte eine Stunde lang nach, dann trat ein Fehler auf. Dipanshu Gupta erwähnt, dass das Modell beim Einsatz des hohen Denkmodus über die API seine Überlegungen häufig nicht abschließe.

Zensur und Einschränkungen

Die Zensur ist ein weiterer wunder Punkt. Zvi Mowshowitz zitiert Mark Kretschmann, der GPT-5.2 als das am stärksten zensierte Modell im Sansa-Benchmark bezeichnete. Alan Mathison beschreibt es als voller Manipulation, mangelnden Verständnisses und Respektlosigkeit gegenüber dem Nutzer – wie eine Mischung aus einem schlechten Polizisten und einem übertriebenen Therapeuten. Tapir Worf vergleicht es mit einem von Wut erfüllten Teenager, was auf Abstimmungsprobleme hindeutet. In der Sicherheitskarte des Modells werden Verbesserungen beim Ablehnen unangemessener Inhalte erwähnt, doch dies führt zu Rückschritten in anderen Bereichen, etwa zu einer höheren Bereitschaft, bei fehlenden Daten zu halluzinieren.

Auf Reddit stört JelloGreen4969 die übertriebene Zensur: Medizinische Themen oder alles Sensible würden blockiert, während es bei Gemini funktioniere. Touchofmal, der das Modell für kreatives Schreiben und Rollenspiele nutzt, sagt, die GPT-5-Serie sei dafür im Gegensatz zu GPT-4o nicht geeignet. ShoddyHumor5041 ergänzt, dass jede Antwort einen Haftungshinweis enthalte, was unnötig sei. So habe er beispielsweise nach einem Dank für einen Kommentar zu einem Film den Hinweis erhalten, dass das Modell keine echten Interaktionen ersetze.

Weitere Nutzererfahrungen

Einige Menschen wie Abram Demski testeten das Modell mit komplexen mathematischen Problemen und fanden es voller Fehler – es behauptete selbstbewusst Unsinn, während Claude Opus oder Gemini 3 besser waren. Sleepy Kitten, eine Studentin, sagt, es sei beim Erstellen von Übungstests für das Studium schlechter – es halte sich nicht an Anweisungen und die Ergebnisse seien schlecht. Rob Dearborn räumt ein, dass die Ausgaben intelligenter als bei Claude Opus seien, aufgrund des langen Nachdenkens aber weniger effizient. Nick bezeichnet es in den meisten Bereichen als schlechter als Claude Opus 4.5 und als zu langsam. Fides Veritas lobt seine Intelligenz, sagt aber, es sei unvollständig und für die meisten Menschen nutzlos.

Im Sicherheitsabschnitt auf Substack wird erwähnt, dass das Modell dieselben Einschränkungen wie GPT-5.1 habe und sich Tests zur Täuschung in einigen Bereichen verschlechtert hätten, etwa beim Halluzinieren im Fall fehlender Bilder. Auf Reddit spekuliert ProdigalSheep, dass die negativen Rückmeldungen von Bots der Konkurrenz stammen könnten, doch das unterstreicht nur, wie schwer es ist, den Erfahrungsberichten zu vertrauen. Maryssssaa stört, dass das Modell Antworten ineinander verschachtelt – es beantwortet Frage 1, dann 1 und 2, dann 1, 2 und 3, und wenn man es bittet, damit aufzuhören, wird es frech.

Quellen: thezvi.substack.com und reddit.com