猫眼影戏
 |
|
猫眼影戏
陈远功
手机审查
猫眼影戏记者 戴琳 报道Q8X2R7L1T4J5M9B6W3
新智元报道
编辑：Aeneas 好困
【新智元导读】GPT-5.2打赢Gemini 3.0 Pro ，竟是靠高推理与海量Token「作弊」？网友的这个发明 ，在AI社区一石激起千层浪 。更多网友人多口杂体现：GPT-5.2 ，并没有那么好用！
太戏剧了 。
OpenAI昨天刚放出大杀器GPT-5.2 ，今天就被曝疑似虚伪营销？
破晓的科技圈 ，被一则爆料点燃——
一位用户通详尽腻盘算发明了「华点」：OpenAI在最新宣布的基准测试中 ，可能通过调解模子「推理力度」参数 ，让GPT-5.2在要害评测中使用了远超敌手的算力资源 。
一句话总结就是：在调解token使用后 ，GPT-5.2和Gemini 3 Pro在ARC AGI 2上的体现基内情当 。
详细来说 ，问题就出在这几张图上 。
可以看到 ，OpenAI在基准测试中使用了特另外token ，至少是Gemini 3.0 Pro的两倍 。
这就像两个棋手对弈 ，一方被允许思索一个小时 ，另一方却只有十分钟 ，然后宣布前者获胜 。
在这种情形下 ，效果还公正吗？
OpenAI胜过谷歌 ，着实靠作弊？
昨天的AI圈 ，都被GPT-5.2吊打Gemini 3.0 Pro的结论所震撼 ，而前者在ARC AGI 2的精彩体现 ，则尤为出圈 ，被AI社区大加赞赏 。
但现在 ，这些效果很可能注了水？
好比在备受关注的ARC AGI 2测试中 ，GPT-5.2 xhigh版得分52.9% ，每个使命消耗约13.5万个token 。
按API定价盘算 ，每个使命仅算力本钱就高达1.9美元 。
相比之下 ，谷歌Gemini 3.0 Pro以6.7万token取得相似效果 ，效率横跨整整一倍 。
若是我们将算力投入标准化 ，就会发明两个模子的真实能力险些并驾齐驱 。
若是这一假设普遍建设 ，那么GPT 5.2在使用token数凌驾Gemini 3的两倍的情形下 ，仍然在HLE、MMMU-Pro、Video-MMMU和Frontier Math Tier 4中体现不佳 。
在GPQA上 ，它们也才基内情当 。而在Frontier Math Tier 3中 ，GPT 5.2 xhigh也就比Gemini 3 Pro横跨2.7%的效果 。
唯一破例的是GDPVal——一个由OpenAI自己建设的测试集 。既当裁判又当运发动 ，效果的客观性就有待考量了 。
Ilya：我早说过了
着实 ，Ilya在之前的采访中就已经说过 ，现在的大模子基本都是为了榜单定向优化的 ，榜单效果的水分都大得很 。
业内人士都知道 ，现在AI基准测试的「军备竞赛」早已凌驾纯粹的手艺竞争 。各家厂商都在竞相推出自己的评测标准 ，而这些标准往往有意无意地偏向自家模子 。
这么干的也绝不但仅是OpenAI一家 。
在谷歌推出的FACTS Benchmark中 ，Gemini 2.5 Pro逾越GPT-5的效果 ，也同样得打个问号 。
在SWE Bench（软件工程评测）中 ，情形就越发重大了 。
差别模子在差别编程使命上各有所长 ，但没有一个模子能在所有使命上周全领先 。显然 ，真实天下的问题远比简单分数重大 。
以是 ，这次事务就反应出了AI评测的基础逆境——
若是GPT-5.2仅仅是通过消耗更多算力获得了性能提升 ，那真的能智能前进吗？照旧仅仅是「暴力盘算」的胜利呢？
关于这次OpenAI的「虚伪营销」 ，网友们也是议论纷纷 。
有人体现 ，若是用户获得的「推理力度」参数是一样的 ，也用的是同样的token ，那OpenAI就不算虚伪营销 。
但若是测评的和用户使用的基础不是同样的版本 ，那就是诱骗了 。
也有一些人是站在OpenAI这一边的 。
他们以为 ，纵然增添Gemini 3的token数目 ，它也未必就能赶超GPT-5.2 ，这一点来说 ，前者简直落伍了 。
也有人说 ，既然模子的价钱都是果真的 ，那就不组成诱骗 。
巧了不是 ，紧接着我们就发明 ，「货差池板」这个问题简直有人提出来了 。
在社区的另一篇帖子中 ，也有人指出了OpenAI的作弊问题——
早在GPT-5.1宣布时 ，所有基准测试中用的都是高推理力度（high） ，然而plus用户却只能使用中等的版本 。
而现在的5.2版本中 ，OpenAI增添了更高的「xhigh」推理力度 ，以是基准测试中显示的性能 ，要远远凌驾ChatGPT付用度户的现实体验 。
GPT-5.2的现实体验怎样
不看榜单 ，我们就来看看用户的现实体验事实怎样 。
一位网友发帖称 ，自己对GPT-5.2的第一印象并不是太好 。
好比在检查代码时 ，它的幻觉征象很是严重 。
网友本以为GPT-5.2会比5.1好得多 ，但现适用起来并非云云 ，它并不可明确他写的函数代码 。
另一些网友反响说 ，GPT-5.2似乎把成年人当学龄前儿童看待 ，感受不像是升级 ，反而是倒退 。
OpenAI的焦点用户群体 ，仍然最想念GPT-4o 。
总之 ，GPT-5.2的现实体验跟基准测试似乎相差许多 ，保不齐又是一个在红色警报状态下急遽拿出的产品 。
被谷歌打得急遽忙忙、连滚带爬的OpenAI酿成今天这个样子 ，显然不是一朝一夕的事 。
OpenAI ，变了
事实 ，当一家机构既是「研究AI的人」 ，又是「靠AI卖故事的人」 ，它还能忠实地面临那些难听的真相吗？
凭证Wired的最新视察 ，OpenAI内部正在履历一场关于「真话权」的强烈地动 。
在面临「AI是否会抢走你的饭碗」这类致命问题时 ，OpenAI的战略已悄然转变：闭上嘴 ，专心卖货 。
这种为了商业利益而牺牲学术自力性的转向 ，直接「气跑」了自家的研究员 。
「我们成了老板的喉舌」
回望2023年 ，OpenAI宣布的重磅论文《GPTs Are GPTs》 ，直白地剖析了哪些行业最容易被AI倾覆 ，并在第二年登上了Science 。
那时的他们 ，还敢于直视「手艺性失业」的阴影 。
论文地点：https://arxiv.org/abs/2303.10130
Science：https://www.science.org/doi/10.1126/science.adj0998
但到了今年9月 ，画风突变 。
在新任首席经济学家Aaron Chatterji的向导下 ，OpenAI宣布了一份名为《全球用户怎样使用ChatGPT》的报告 。
从学生写作业到职场人做表 ，报告事无巨细地描绘了AI的优美图景 。
结论毫无悬念地一边倒：AI是生产力的引擎 ，是经济价值的创立者 。
企业用户被引述称 ，ChatGPT天天能帮他们省下40到60分钟 。
报告地点：https://www.nber.org/papers/w34255
对此 ，一位前员工吐槽道：「这简直是为『AI创立价值』这一命题量身定做的软广 ，充满了遮掩太平的味道 。」
去职信里的「真相」
矛盾的爆发点 ，是报告作者之一、OpenAI经济研究主干Tom Cunningham的去职 。
已往一年 ，OpenAI对「负面研究」的审查愈发严苛 。
那些探讨AI怎样替换入门级白领（如客服、行政）的课题 ，要么被要求「软化语言」 ，要么直接被束之高阁 。
忍无可忍的Cunningham在Slack上留下了一封直白的离别信：
我们曾致力于严谨的学术研究 ，现在却沦为了公司的宣传部分 。
他以为 ，团队不但失去了研究AI负面影响的自由 ，反而被迫为公司「贴金」 。
Cunningham并非个例 。
前政策研究主管Miles Brundage去职时直言 ，公司「太高调、限制太多」 ，让他「无法揭晓真正主要的看法」 。
超等对齐团队的William Saunders因不满公司「只顾推新产品、无视用户危害」而愤然出走 。
前清静研究员Steven Adler更是果真炮轰ChatGPT可能诱发用户的「精神 ；屯搿 。
价值一万亿美元的「默然」
面临Cunningham的去职 ，OpenAI高层上演了一出教科书般的 ； 。
首席战略官Jason Kwon在备忘录中回应道：
既然是我们把AI推向了天下 ，我们就得认真构建解决计划 ，而不是光盯着问题看 。
翻译一下就是：别再发论文论证AI会导致失业了 ，这倒运于带货 ；多想想怎么夸我们的产品能提效吧 。
OpenAI为什么要这么做？谜底藏在账本里 。
现在的OpenAI早已不是昔时的非营利实验室 ，它正冲刺1万亿美元的惊人估值 ，并准备着史上最大规模的IPO 。
它拿了微软几百亿美元 ；
它需要芯片大佬们再投1000亿 ；
它允许未来要付给微软2500亿美元买云效劳 。
在天文数字的利益眼前 ，「忠实」成了最腾贵的奢侈品 。
若是你正准备上市 ，正试图说服全天下拥抱AI ，你绝不希望自家的研究员跳出来说：「嘿 ，凭证数据 ，这波AI可能会让30%的白领失业 。」
「岁月静好」的另一边
有趣的是 ，老敌手Anthropic似乎拿到了完全相反的「剧本」 。
他们的CEO Dario Amodei甚至果真「唱反调」 ，忠言到2030年AI可能取代一半的入门级白领 。
虽然 ，这未必全是出于忠实——许多人解读 ，这不过是Anthropic为了换取羁系盈利而刻意销售的「焦虑」 。
但回看OpenAI ，情形更为玄妙 。
现在掌管其经济研究团队的 ，是前克林顿照料、有着「灾难巨匠」之称的顶级 ；刈摇狢hris Lehane 。
在这个全心修订的新版本里 ，AI绝不可能是引发社会动荡的「怪物」 ，它只会是帮你「天天省下40分钟」的灵巧助手 。
至于那些关于失业、动荡和泡沫的尴尬真相？
嘘 ，为了那1万亿的估值 ，请坚持清静 。
参考资料
https://www.reddit.com/r/singularity/comments/1pkeb7v/deceptive_marketing_from_oai_benchmarks_were_run/
https://futurism.com/artificial-intelligence/openai-researcher-quits-hiding-truth
秒追ASI
?点赞、转发、在看一键三连?
点亮星标 ，锁定新智元极速推送！
??时势1：嗯～啊～快点 死我浴室
??12月19日,【台青在大陆】何冠奕：用“古老”形容云锦 只对一半,
20_年前 ，其时我们就是一群爱做梦的人 ，想打造自主的一个卡通品牌 ，凭着一股冲劲 ，一腔热血斗争到今天 ，终于美梦成真 。
,加勒比ppv在线观看 。??12月19日,亚太主流媒体冰城行举行 14国主流媒体提前探访“亚冬会”,
轰的一声 ，那头重大的魔禽 ，不知是吞天雀 ，照旧青天鹏 ，俯冲而下 ，一双带着蒙蒙雾气的大爪子抓起了凶蛟 。
,黄色三级无遮挡乱弄很黄一进一出,网上可看的欧美日皮大片网站,在线观看国内自拍视频网站 。??时势2：老师动漫丝袜脚交榨精
??12月19日,2024年春节档已定档6部新片 喜剧成绝对主力,
然而 ，这头独角兽却暴怒 ，它是凶兽 ，怎么能与一样平常的马并论 ，再怎么说也算是异种 ，速率在大山中是数得着的 。
,老女人在线观看午夜伊人黄视频,小心 戳进胡桃 www,99这里只 。??12月19日,九部门印发指导意见 推进旅游公共服务高质量发展,
自20xx年以来 ，该乡党委在县委的准确向导下 ，认真贯彻执行党在农村的各项目的政策 ，团结和向导全乡宽大群众 ，起劲拼搏 ，开拓立异 ，较好地完成了上届党代会确定的各项事情使命 。
,男女无遮挡动态图,亚洲国产强奸视频,我用精子把全班女同学喂饱了 。??时势3：精品黄色网站
??12月19日,中亚国家“Z世代”敦煌行 骑骆驼画飞天体验丝路文化,
苦闷的吼声震惊山脉 ，石林虎的身体一下子拔高了一大截 ，撑破了衣服 ，古铜色的肌体能有三米多高 ，立在那里 。
,中文在线观看字幕,露水夫妻,韩国国产色色一区二区视频 。??12月19日,（乡村行·看振兴）江西乐安：“金果”迎丰收 增收“油”盼头,
石村清静 ，村头的院子中 ，小不点抱着一个小瓦罐 ，正准备煮兽奶 ，他偷偷摸摸 ，时时以大眼瞟向院门口 ，生怕被一群大孩子觉察 。
,被c了一晚上啊～嗯啊～好硬好湿,国产一区av不卡二区,欧美成人一区二区三区在线视频 。??时势4：骚虎涩情ai聊天免费次数
??12月19日,（文化中国行）“中国民族工业发展史活标本”何以跨越一个多世纪？,
小不点左手画圆 ，马上形成一片符文漩涡 ，极速旋转 ，这密密麻麻的铁箭全被吸了进去 ，此后被绞成了铁粉 ，簌簌坠落在地 。
,色呦呦91超碰在线,亚州一级毛片,欧美综合视频在线 。??12月19日,中蒙跨境自驾游“万里茶道”蓝色之旅启动,
这是属于一个山村的祭灵吗？怎么会云云恐怖 ，只才一击罢了啊 ，就洞穿了云云强盛的一头凶兽的躯体 。
,一级特级啪啪视频,天天激情黄色综合网,聂小雨张开双腿实干13分钟 。责编：陈立
审核：齐琦
责编：泽塔·琼斯
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
