猫眼影戏
 |
|
猫眼影戏
金城江
手机审查
猫眼影戏记者 王世伟 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：成人免费视频 孕妇我要手
??12月18日,校长专家共议智能时代的基础教育,
一是要认清形势，起劲增添本领，尽快进入事情角色 。干步队伍效劳科学生长的能力，很洪流平上决议我市经济社会生长的效果 。从我市面临的形势使命来看，最大的阵势就是生长 。现在全省经济社会生长泛起“速率较快、效益较好、位次前移、后劲增强、民生改善” 的优异态势，我市情形也一样 。在省委、省政府体贴支持下，各方面大生长，取得了优异效果 。我们要苏醒地看到，新形势、新使命对我市向导干部向导科学生长能力提出了新的要求 。与先进蓬勃地区、相邻省会都会相比，我市州里向导班子和向导干部还保存差别 。我们必需要一直审阅自身的事情本事和素质，用立异的精神来完善自己、用勤劳的学习来提高自己、用更高的标准来要求自己 。面临新形势、新使命，我们各人要有一个苏醒的熟悉和掌握，要驻足自身现实，起劲提升自身素质和能力，尽快进入事情角色，推行事情职责 。要围绕科学生长，重点提升自身效劳经济、效劳民生、效劳立异、效劳协调的本事，起劲提高自身现实事情能力、增添本领 。
,韩国18禁野外强奸多毛 。??12月18日,“洋弟子”在中国丨外国青年游吉林坐上中国车：像到了未来,
“哭啥，不就是挨了一箭吗，寻常狩猎经常被猛兽撕伤，流这点血算什么！”石守山怒视，不让他们哭，他是一个很硬气的男子 。
,芙芙中国500,女人扒开屁股看个够,影音先锋男人av橹橹色资源 。??时势2：在线观看污污美女视频
??12月18日,新冠疫情可能在本月出现回升 JN.1变异株大概率将成中国优势流行株,
小不点很冷静，藏身在雾霭中，一直移启航体，改变方位，在期待时机 。
,国产国语露脸国语对白视频,乱伦大杂烩,精品熟女一区二区 。??12月18日,文化中国行 | 走进“文房四宝之乡”宣城,
身为王族，自然有许多西崽，更有诸多死士，这一脉的人怕石子陵回来与他们整理，自然有所准备 。密密麻麻的人冲来，全都是能手，悍不畏死，欲行蚁多咬死象之事，想将石子陵活活累死，此后镇杀 。
,亚洲人人一区二区三区,黄色视频12入口,美国女人一级乱伦毛片 。??时势3：人人操人人干人人玩
??12月18日,五一假期民众游览“南昌之星”摩天轮 ,
“子陵别瞎搅，远古神山可不是能乱撞的地方，也许会栖居有真犼、金翅大鹏这类无上的生物，会丢掉性命的！”
,免费一级毛片视频在线播放,18岁黄片免费,Korean帅男18GayFUCK 。??12月18日,应急管理部启动2024年过氧化氢生产企业安全专家指导服务,
(3)身上着火，可就地打滚，或用厚重衣物笼罩压灭火苗 。
,成人 免费视频A片视频88p玉女心经,迷奸国内在线观看五月,我想看黄色视频久久久久 。??时势4：91免费到线观看免费
??12月18日,新疆阿勒泰多处雪崩 上千名滞留游客情况如何？最新消息→,
上星期，校长就在广播里说了一件事，有某个小朋侪由于不注重清静，效果摔倒在地，头上缝了10几针 。着实我想只要这位同砚注重清静，一定不会爆发这样的事情 。
,大屌日小屄视频,性交全黄试看三十分,天天日天天插天天干天天很天天色天天射 。??12月18日,山东青岛：外国友人体验新春文化 共享中国年味,
同志们，档案事业远景辽阔，档案事情者责任重大 。在市委市政府的准确向导下，在省档案局的指导资助下，以科学生长观为指导，同心协力、开拓立异、振奋精神、扎实事情，充分验展档案在全市经济社会事情中的作用，为现代新__建设跨越式生长做出新孝顺 。
,黄页视频在线观看免费视频,嗯啊,网址,农场主的女儿们电影在线观看完整免费高清原声满天星 。责编：武瑞琪
审核：刘家昌
责编：贾晓伟
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
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
