猫眼影戏
 |
|
猫眼影戏
叶倩文
手机审查
猫眼影戏记者 艾力更 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：亚洲男人色色色天堂
??12月17日,2024年皖台学前教育研讨会在安徽合肥启幕,
(一)大胆探索立异，解决好政策不配套的问题。城镇化的生长需要一系列乐成的配套政策，这些配套政策既需要中央的顶层设计，更需要下层的大胆立异，这就需要我们把中央的政策与张掖的现实细密连系，在以下几个方面大胆探索：一是土地政策。这是一个根天性的问题，由于土地是城镇化建设的基础，若是土地的问题解决欠好，城镇化生长将受到很是大的制约。我们要在推进城镇化生长的历程中，连系中央关于整体土地刷新的一系列政策，借鉴苏州“三个集中、三个置换”的先进履历，统筹城乡土地，盘活土地资产，把土地资产化，做到既引发农村的活力，又为都会建设注入动力。二是社会包管政策。要探索建设城乡统筹、联动衔接的社会包管政策系统，使农民不但能在都会落户，并且能在都会享受种种应该享受的社会包管政策和公共效劳政策。三是移民搬家和生态；ふ。凭证省上的扶贫攻坚妄想和祁连山生态；ね，未来几年将有大宗的资金投向祁连山浅山区，怎样用好这些政策、项目、资金，把不具备基本生爆发涯条件的祁连山区的农牧民搬家出来，通过土地、衡宇要素的转换，让他们下山入川、下山进城，各县区要深入研究，大胆立异，在一些领域可以先行先试，为全市农村刷新的深化和城镇化加速生长创立履历。
,亚洲色图一。??12月17日,2024春运专报：南方气温将显著偏低 西南地区东部等地多阴雨雪,
一是增强向导、全心组织、全心妄想，确保筹建事情稳步推进。凭证《银行股份有限公司分行筹建事情》要求，建设了分行准备事情组，各职能小组在总行党委向导下，集中精神、集中实力、创作性开展事情，确保了分行各项准备事情的有序温顺遂开展。
,外国操人的黄色视频,www.569欧美一区精品,欧美做后视频99在线色欲。??时势2：一区二区三区A片视频国产
??12月17日,欧盟就俄被冻结资产收益援乌达成一致 尚待制定资金转移机制,
不可呼吸也没什么，当初小不点被封药鼎中、以狻猊血突破时就曾与外面阻遏，体内神曦流转，可以增补所需。
,男自慰被 喷水过程,一极毛片女人内喷视频,啪啪伊人网。??12月17日,香港马拉松将于21日举行 7.4万名跑手参与赛事,
效果优异的孩子，尚有一个特点：他们平时听到的表扬多，被评上先进多，受到的波折和品评少，受波折也少，以是，抗波折的能力也很差。当他遇到一点点波折时就想欠亨，很自责，过不了这个坎。为了使孩子更好地施展优势，家长对孩子举行抗波折教育也是很是须要的。总之周全作育孩子，你的孩子未来才有健全的人格，完善的人生。
,骇爪奖励图,亚洲国产偷情,久久久久久久91久久久。??时势3：日韩一级a毛一级a做免费视频
??12月17日,内蒙古首列本地国产汽车中欧班列启程,
他的上半身血迹斑斑，一支铁箭射穿了他的护身钢甲，穿透右肺叶，透背而出，一米三长的大箭杆金属光泽冷冽，沾染着血水，惊心动魄。
,91嫩草国产在线看网站,激情六月丁香婷婷图片,美女高潮出白浆视频久久99。??12月17日,新疆阿克苏地区乌什县发生7.1级地震 27趟列车运行受影响,
每到冬季，风干物燥，火灾多发。为增添全民的消防清静意识，使“119”越发深入人心，公安部于1992年提倡，将每年的11月9日定为天下消防日，而 11月9日的月日数恰恰与火灾电话号码119相同，既是对消防事情的警示，也是对火灾电话的宣传了。
,女帝 路飞18禁同人图片,久久婷婷中文字幕一区,亚洲欧美色一区二区三区,。??时势4：母狗水门图片高清无码
??12月17日,《跟着音乐大师去旅行》带读者体验一趟发现音乐的沉浸之旅,
效果优异的孩子，尚有一个特点：他们平时听到的表扬多，被评上先进多，受到的波折和品评少，受波折也少，以是，抗波折的能力也很差。当他遇到一点点波折时就想欠亨，很自责，过不了这个坎。为了使孩子更好地施展优势，家长对孩子举行抗波折教育也是很是须要的。总之周全作育孩子，你的孩子未来才有健全的人格，完善的人生。
,性裸交 三级,4虎影院,97免费超碰。??12月17日,埃塔水瓶座流星雨出现在斯里兰卡夜空 ,
【旅行社提前布局2025银发旅游市场 提升“银发族”出游体验】
责编：高怀荃
审核：安曼特
责编：陈和志
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
