猫眼影戏
 |
|
猫眼影戏
法布雷加斯
手机审查
猫眼影戏记者 保罗·马里茨 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：流萤被 到爽 挤奶水
??12月18日,高校科研团队研发偏振体全息光波导AR眼镜,
并且，这条大河黝黑的有点吓人，隔着很远就能感受到那种冷气，周围没有一只生物。
,一级A片一级毛片一级不卡。??12月18日,览色彩之绚 品文化之味（评论员观察）,
??时势2：黄色网站十大免费l
??12月18日,历史性时刻！外媒：嫦娥六号“迈出探索太空重要一步”,
??12月18日,3000亿元国债资金落地！政策接力助企焕新，真金白银激发高质量发展活力,
同砚们你们可曾知道，也许由于你课间随意在走道中奔驰，也许由于你把楼梯的扶手当成滑滑梯，也许你随手扔出的一个小石子、也许你小小的一个开顽笑，我们的校园就多了一份危险，少一份安定。
,黑大性交黄片,莱欧斯利大包,AAA污视频在线。??时势3：欧美vr性视频
??12月18日,从磨憨看政协力量如何助力国际口岸建设迸发活力,
这本书讲的是美国的一段凄凉历史——贩养黑奴。人们把他们口中那些所谓低贱的人当做工具举行生意，由人销售给田主们作为仆从。事情做欠好，就用鞭子抽打他们，还在他们的伤口上撒盐水。真是惨不忍睹。本书中的汤姆就是一个黑奴，他被黑奴贩买到了一个残酷的白人手中，为此，汤姆受尽了人世的灾祸：汤姆不肯和其他人一样，做一个残忍得看守黑奴的头头，于是被主人鞭打不给饭吃、不给水喝……最终，汤姆叔叔死在了那间破茅房里。
,JUX_956夏目彩春AV8在线观看,欧美性生活dvd视频,爱搞视频在线观看。??12月18日,400名香港中小学生“切磋”武艺 庆祝新中国成立75周年,
第三，坚持统筹兼顾，充分验展好综合协调作用。“ 总揽全局、协调各方”是党委的主要事情原则。加速生长，党委是司令部，是指挥中心，但需要几套班子和各地各部分同心协力、亲近配合，搞好“大合唱”，才华确保各项使命落到实处。为此，党委办公室必需善于统筹兼顾，善于综合协调，普遍调动各方面的起劲因素，协调解理好方方面面的关系，综合运用向导实力、部分实力和群众实力，营造向导抓、抓向导的气氛。从协调的内容看，党委办公室要善于抓大事，抓要害环节，抓主要单位。从协调的工具看，党委办公室对内要相同协调党委向导班子，对外要相同协调党委、人大、政府、政协等向导班子，对下要相同协调下级党委、政府及同级职能部分。通过党委办公室这个运转枢纽，增强综合协调，多轮齐转，形成事情协力，推动全局事情。
,96免费精品国自产拍在线不卡,国产精品综合6699久久,白色白色在线发布永久免费。??时势4：手机看久久精品毛片
??12月18日,深化改革构建高质量供给体系,
这是一个强盛的少年，号称至尊，睥睨虚神界，开创了一项又一项纪录，让他极为忌惮。
?第二百四十八章 圣战,欧洲性生活免费视频,操中国丰满老熟妇逼,黄色小电影在线资源。??12月18日,2024年“读懂中国”国际会议：“在体育中读懂中国”专题论坛在广州举行,
(二)严酷资金治理，切实包管资金运行清静。我区农村住民最低生涯包管资金主要来自财务拨款，资金治理上要高度重视，一定要落实制度，梗塞误差，从严要求，从严治理，绝不允许爆发挤占、挪用、截留和虚报冒领等任何问题。关于违反资金治理划定的，要严肃查处，追究责任。要完善资金监视机制，切实解决重资金分派、轻监视治理的问题。财务、民政等部分要按期检查、监视农村住民最低生涯包管资金使用和发放情形，确保资金清静运行，确保资金实时足额发放到低保工具手中。
,少妇被c 黄 在线吃瓜网站,中国乱婬一级视频,欧美特黄片视屏中国特黄片视屏。责编：普拉茨茅斯
审核：于长达
责编：维尔格内斯
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
