猫眼影戏
 |
|
猫眼影戏
江天贵
手机审查
猫眼影戏记者 内村鉴三 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：原创av
??12月20日,“骑行社交”成新宠 不求竞速求放松,
这件宝具由四十二颗兽牙组成 ，能合聚 ，可疏散 ，进攻手段多样 ，防不堪防。
,精品精品久久久无码中文字幕91。??12月20日,藏族患者在北京顺利完成手术 开启人生新篇章,
面临加速生长现代农业、建设社会主义新农村的重大历史使命 ，每名镇村干部都既要看到效果 ，进一步坚定生长信心 ，又要认清缺乏 ，始终以时不待我、高昂有为的优异精神状态 ，认认真真学习 ，扎扎实实做事 ，为新农村建设孝顺自己的实力。
,黄色视频网站,欧美日韩乱综合亚洲,中文字幕中文字幕第一页。??时势2：Sm女王圣水黄金视频
??12月20日,春季养生指南，请查收！,
苍莽山脉 ，混沌气弥漫 ，仙光时时冲起 ，四头至尊生灵在大决战 ，争取圣物。
,一级做a片,九九久久精品无码专区,红桃视频欢乐谷。??12月20日,广西统战力量建设长者食堂 情暖隆安东安村乡亲,
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。
,特一级A片在线看无码,久久久久久国产毛片,狠狠搞综合网。??时势3：91人人操人人
??12月20日,尼泊尔廓尔喀县报告超过1200名登革热病例,
这皮孩子 ，老者愤愤。早先小不点还向他讨教呢 ，但他懒得多语。效果现在反回来了 ，自动向这憨孩子诠释什么是精璧 ，他居然爱答不睬了。
,7x7x7x7x7免费在线看漫画在线看网页,品爱阁软件,黄色A片无码在线看。??12月20日,2024年大足学国际学术研讨会在重庆举行,
小不点扛着赤红的犄角 ，也是一骨碌滚落了下来 ，还好他身轻体健 ，适时丢下那数米长的宝角 ，没有伤到己身。
,全国熟妇熟女最大网站,性另类交性另类交,99久久免费精品色老。??时势4：免费观看一级片
??12月20日,孟连咖啡精品率达56%居云南第一 为乡村振兴注入新动能,
回首这极欠亨俗的20xx年 ，我们有太多的故事值得影象 ，也有太多的人值得谢谢。在此我代表董事会 ，向每一位恒久事情在幕后 ，为事业生长默默贡献的家人们 ，致以最高尚的敬意和最衷心的谢谢 ，各人辛勤了!
,黄色网址一区二区三区,日韩一级黄色操必录象,日韩一区在线观看。??12月20日,粤港澳共同公布第二批“湾区标准”清单,
在此 ，我代表学院对获得上述殊荣的同砚们体现热烈的祝贺。同时 ，也希望你们继续受苦学习 ，继续认真事情 ，一直提高自身的综合素质 ，为20--级的学弟学妹们做一个好模范 ，随处起到模范带举措用。
,免费一级毛片在线播放视频黄,丁香六月激情久久不卡蜜月,qq传媒免费版怎么下载。责编：安吉拉·默克尔
审核：肖娟
责编：王庚年
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
