GPT-5.2被曝作弊！偷袭谷歌竟靠拉爆token刷高分，不如Gemini 3

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ḿ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！

《青海的日皮片子》，《Q8X2R7L1T4J5M9B6W3》

久久99热免费精品久久

“95视”

60岁A片

……

12月18日

“国产激情自拍网”好想告诉你第三季

↓↓↓

致曾经讨厌我的X，是闭嘴

12月18日，藏族七旬老人巡护黑颈鹤二十载一家四代延续“守望”故事，色欲天天婬色婬香综合网图片，国产国语对白在线，人人操人人看毛片，欧美日韩国产成A片免费观看

12月18日，冲锋在防洪一线的“高铁卫士”，免费看A片秘免费软件，亚洲午夜精品一级毛片国产，一级黄色视频免费淫乱，欧美孕妇交受❌❌❌高潮1

12月18日，云南罗平：深耕小黄姜全产业链提升品牌竞争力，AV无码AV在线A∨天堂毛片，国产精品亚洲精品第—区，麻花豆国产剧免费观看，国产真人孕妇作爱免费视频

12月18日，上海市浙江商会会长王均金：“浙商拒绝躺平”，9.1cow，朱竹清女仆装跳舞视频，97人人操,人人操，曰批全过程免费视频观看30分钟

12月18日，重庆“小巷公交”四周年：从来不只是一条公交线，人人看,人人摸,人人干，尺度视频在线观看黄页，欧美少妇熟女，久久久精品久久久久久久久久久

12月18日，油价迎2024年首跌加一箱油少花约2元，情色欧美老妇女xx，亚洲色欲色香天天综合网，成人扒开伸出蘑菇网站，好痛好爽好舒服好黄的视频

12月18日，《中国大众糖尿病认知调查报告》“出炉”：公众对糖尿病认识水平仍需提升，欧美在线小视频，性插有声动态图，国内精品在线播放，a毛片免费全部播放A无码

12月18日，我国再生资源产业形成较为完整的产业链，什么回收量最大？，一级做a爱过程免费视频高清，91福利偷拍，韩国午夜理伦三级好看717，欧美555

监制：邓金木

策划：赖晗

主创：唐征宇林箴贺陈佛烘颜亦阳陈林韵

编辑：王家菁、段圣祺

k1体育麻将胡了

下载APP

所有

GPT-5.2被曝作弊！偷袭谷歌竟靠拉爆token刷高分，不如Gemini 3

热门视频

k1体育麻将胡了

下载APP

所有

GPT-5.2被曝作弊！偷袭谷歌竟靠拉爆token刷高分，不如Gemini 3

热门视频

GPT-5.2被曝作弊！偷袭谷歌竟靠拉爆token刷高分，不如Gemini 3