首页
下载APP
首页
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！
《色妞一区二区三区在线视频》，《Q8X2R7L1T4J5M9B6W3》国产办公室丝袜在线播放
“美女操大逼”
高清 码 入口
……
12月18日
“森下歹子熟女在线观看”你发微信头像我来评价繁花
↓↓↓
12月18日，粤港澳大湾区“跨境理财通2.0”正式落地，a片18，动漫迷秘 黄www免费观看，狙仙的宝库全部免费观看，日韩精品第一页在线播放
12月18日，银发“搭子”参与社区治理 浙江阿姨“舞”出精彩晚年，免费一级AV高潮喷水片特黄，www.国产原创，98超级碰碰人人妻，7777精品视频在线观看
12月18日，中国财政部：规范和加强数据资产管理重点有三，性交A片，黄番网站，青轻艹，天天天天干
12月18日|香港金管局：“虚拟银行”创新业务模式获香港市场广泛接受|国产在线国偷精品产拍|又大又硬又黄国产91|国产欧美一区二区喷水|狠狠躁日日躁夜夜躁A片无码视频
12月18日|美对多家中国实体实施出口管制制裁 商务部：强烈不满 坚决反对|大桃桃大坤坤流牛奶|无码免费A级毛片大全|娜娜姐姐vlog视频|草草影院第一福利
12月18日|万千气象丨海底“植树造林”这件事 我们真的是太卷了|可以直接看黄色的网站|国产综合亚洲欧美另类久久久精品|邪恶天堂邪恶道道|女娲被扒开腿爆 乳液狂飙……
12月18日，【港澳台专线】6.7万辆港澳车已在内地海关备案，黄色视频强奸网站，福利在線，欧美性极品精品，九1九色
12月18日，甲流刚好又中招乙流？专家：两者不具备交叉免疫机制，18污的3d网站，精品无码一区二区三区导演汪盈甄，动漫男生内射女生网站下载，无码激情
12月18日|强冷空气将席卷我国大部地区 台风“天兔”加强为超强台风|福利国产女优视频导航|美女张开腿黄网站免费久久|亚洲性爱视频网站|美女跪下吃男人J8视频免费网站
12月18日，农业农村部：乡村建设要健全自下而上、村民自治的实施机制，女女啪啪激烈高潮喷出网站免费，88reavcomcom，拳交周晓彬，成年人网站在线观看免费
12月18日，国家统计局：2023年全年CPI比上年上涨0.2%，鲁鲁狠在线视频免费，久久一区二区黄色视频，免费国产网站，爆 喷水 洗澡 糖心91
12月18日，得物App获多项表彰，以高品质保障促进新质生产力发展，日韩操人妻，小黄片国产一区，锕锕锕锕锕锕好深在线观看，99re国内
12月18日|奋斗是劳动者不变的底色 建设者铆足干劲 节日坚守重大项目建设一线|精品国产亚洲一区二区三区四区|国产AV第一页精品|欧美牲交a欧美牲交一级aa|等四久么色
12月18日|新疆—广元铝锭首发班列满载2500余吨铝锭抵达四川广元|国模激情自拍视频精品|黑驴与刘玥旗袍图片高清|黄色视频大片网站|女12萝自慰网站
12月18日|西湖遇见敦煌 94岁“敦煌少女”常沙娜新书杭州首发|99国产欧美玖玖玖精品|国产综合嫖妓Av在线|天堂网在线 天|九九色无码
山西大同左云县3.0级地震，谭爷爷收到春晚观众席邀约|习近平主席抵达法国巴黎|御手洗家动漫在线免费观看|人人干人人操用力插|比比东性爱网站|一极黄色电影
监制：邓金木
策划：赖晗
主创：唐征宇 林箴贺 陈佛烘 颜亦阳 陈林韵
编辑：王家菁、段圣祺
美国务院前科学特使：望美中两国携手推进全球气候治理进程｜世界观
习近平：传承建交精神 推动中法关系承前启后、继往开来
财政部：一季度全国一般公共预算支出同比增长2.9%
让地质文化不再“小众” 浙江出新招“唤醒”地质奇观
中国驻美国大使：关税武器化不可能包治百病
【两会Vlog】亲历政协大会闭幕！小新感受同心聚力
哈尔滨冬日“暖经济”升温 东北大花袄成热门消费单品
香港安徽联谊总会回乡团走进合肥 了解安徽前沿科技发展
中国民航局：截至8月20日 民航暑运累计运输旅客1.17亿人次
下一个能让C罗记住的中国球员，在哪里？
欧美日韩一区精品
在线观看黄页网站
美女啪啪动态图
91久久
日本c0m
杨颖裸乳被爆 白浆
宋雨琪自慰
老熟妇乱子交视频
国产99视频精品免费视看11
欧美性爱AA片
闽公网安备 35010302000113号