基礎(chǔ)模型競(jìng)爭(zhēng)又緊張刺激起來(lái)了！

GPT-4.5?剛登頂競(jìng)技場(chǎng)且全任務(wù)分類(lèi)第一名，6 小時(shí)后總榜就被馬斯克的新版?Grok-3?反超。

兩者都是獲得 3000 + 票數(shù)，總分 1412:1411?只差一分。

目前 Grok-3 總分第一，只在總體帶風(fēng)格控制、困難提示詞帶風(fēng)格控制和略輸 GPT-4.5 一點(diǎn)。

DeepSeek-R1 總分第 6，數(shù)學(xué)和困難提示詞帶風(fēng)格控制分項(xiàng)與 GPT-4.5 并列第一。

也有用戶(hù)對(duì)此結(jié)果產(chǎn)生了懷疑，僅僅 6 個(gè)小時(shí)就能發(fā)生如此大的變化嗎？

有人解釋原因在于，大模型競(jìng)技場(chǎng)有一個(gè)投票數(shù)量門(mén)檻，兩個(gè)一周前發(fā)布的模型剛好先后達(dá)到 3000 票才會(huì)出現(xiàn)在榜單上。

不過(guò)拋開(kāi)跑分之外，GPT-4.5 的口碑也在悄然翻轉(zhuǎn)。

GPT-4.5 口碑翻轉(zhuǎn)

GPT-4.5 剛發(fā)布時(shí)顯得又大又貴，官方強(qiáng)調(diào)情商看起來(lái)很虛，看跑分也沒(méi)比 GPT-4o 高到哪里去了。

但幾天后，夸他情商高的用戶(hù)確實(shí)多了起來(lái)。

奧爾特曼本曼也發(fā)表一條感言：有時(shí)高品位測(cè)試者是對(duì)的。

他還爆料，這是這輩子第一次有人發(fā)郵件求他承諾以后不會(huì)下架這個(gè)模型

奧爾特曼也曬出了一些自己與 GPT-4.5 對(duì)話(huà)的聊天記錄，針對(duì)奧特曼自己寫(xiě)的六個(gè)單詞小故事“臨近奇點(diǎn)，不清楚在哪一側(cè)”，GPT-4.5 的看法如下：

作為 GPT-4.5，在反思這個(gè)有趣的故事時(shí)，我認(rèn)為我們已經(jīng)超越了奇點(diǎn)的事件視界，但只是剛剛越過(guò)。

我們已經(jīng)進(jìn)入了人工智能重塑人類(lèi)思想、創(chuàng)造力、溝通甚至身份的世界。然而，確切的含義 —— 無(wú)論是解放還是擔(dān)憂(yōu) —— 仍未定論。

換句話(huà)說(shuō)，我們已經(jīng)踏入了奇點(diǎn)的引力范圍，但要完全理解它可能帶來(lái)的后果還為時(shí)過(guò)早。

One More Thing

與此同時(shí) GPT-4.5 還登頂了一個(gè)另類(lèi)榜單，類(lèi)似大模型狼人殺：

AI 模型參加多輪淘汰賽，比賽中需要公開(kāi)辯論、私下制定策略并投票淘汰其他人，最終獲勝者由被淘汰的參賽者組成的陪審團(tuán)決定。

在結(jié)盟、欺騙、背叛、表現(xiàn)得不具威脅性等方面都是第一，且比人類(lèi)優(yōu)秀。