猫眼影戏
 |
|
猫眼影戏
胡美峰
手机审查
猫眼影戏记者 郭靖宇 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：国产欧美日产综合第一页
??12月19日,（巴黎奥运）中国女排无缘四强 中国三大球全部出局,
它一爪子劈了下来，小不点避过，但它紧接着一条腿抬起，横扫而过，像是最恐怖的技击巨匠般，迅疾而又暴戾。
,黄色三级无遮挡乱弄很黄一进一出。??12月19日,海旅会携手文旅业者亮相台湾秋季旅展——来大陆，跟着潮玩去旅行,
小不点神色凝重，石毅的符文造诣极恐怖，深刻意外，很难权衡他现在究竟有何等的强盛与恐怖！
,中日韩十逼高清无码视频,91插插,黄色免费啪啪啪视频。??时势2：www. HS
??12月19日,中方：已就美国再次更新半导体出口管制规则提出严正交涉,
“我们学校下一步，将连系今天的课堂内容和要求，我们会进一步推进国家清静进课本、进课堂、进头脑。让同砚们在喜闻乐见的活动中，相识国家清静”，华中师范大学党委副书记覃红说。
,啪啪啦吗精品视频,国产黄呦呦免费在线观看,自拍偷拍欧美日91。??12月19日,菲律宾大坝干涸 300年古镇遗址“重现天日”,
小不点见状也顾不了那么多了，抱起晶莹的鸟蛋，也最先向嘴里倒，咕咚咕咚喝个没完，才一会儿功夫罢了，他身上就冒起了彩光，壮丽醒目。
,高清欧美一级在线观看,妓女影院妓女网妓女AAA,大屌日小屄视频。??时势3：XNXX.女
??12月19日,日本海上自卫队两架直升机坠毁致1死7失踪,
小不点小酡颜扑扑，居然被人弹了弹小雀雀，这帮大人照旧将他当成磷普出生时的娃娃，他使劲抗争，用力一推，差点将石飞蛟推的翻倒在地。
,乱伦一区二区,色哟哟av,18 直播。??12月19日,“聚力”“联动”“扬帆” 光明科学城论坛·2024启幕,
历史的履历和实践昭示我们：思绪决议出路，看法创立财产，解放头脑的空间有多大，生长的空间就有多大。只有继续解放头脑，敢于探索立异，才华突破生长的障碍和制约，跃上生长的新境界。从我们墟落干部来看，我们的部分干部头脑守旧，要领老套，缺乏开拓精神，许多群众“小富即安”的头脑还较量严重，影响了生长程序。这些问题的保存，体现在事情上就是在生长思绪的贯彻上畏首畏尾，在决议安排的落实上大打折扣，故障了全乡经济的生长。因此，解放头脑是当务之急。现在我们的有些同志，头脑模式化、事情履历化，看法陈堕落根深蒂固，习惯于用老头脑、老履历解决问题，不可以立异和生长的思绪处置惩罚问题，这样未必会取得好的效果，必需坚决予以转变。要牢靠树立这样一种理念，把解放头脑同实事求是连系起来，岂论哪种形式，能搞活就行，岂论归谁所有，有孝顺就行，岂论规模巨细，能生长就行，岂论业主是谁，有作为就行。生长、立异就是要敢于大胆地试，大胆地闯，敢于突破陋习，善于推陈出新，以头脑的大解放增进全乡经济的大生长。解放头脑的最终目的是为了推进事情，增进生长，近年来，全乡经济和社会各项事业应该说都取得了显著效果，可是问题也还许多，这里不再逐一枚举。各村、各单位都要善于从本乡、本村现实出发，把解放头脑更多地体现在剖析问题、制订对策、解决问题上，体现在能不可找到一条切合本村、本单位的生长路子上，拿出新思绪，新步伐，新行动，科学地研究新情形无邪地解决新问题，起劲在解决问题、增进事情、推进生长上取得实质性希望。
,欧美特黄AAAAA今天的心情,污污视频在线免费观看网站,美女视频黄。??时势4：美女被操的黄色网站
??12月19日,2023年中非贸易额达历史峰值,
糜烂案件最深刻的警示，就是干部要清廉自律。近年来，我们党内所滋生的糜烂征象让人深忧、所查处的糜烂案件发人深省、所总结的糜烂教训令人深思，让我们从中受到了极大的触动，获得了深刻的警醒。
,美女18禁秘 啪啪免费看,欧美性爱高清视频,三级一区二区三区黄色特黄黄片特黄大战。??12月19日,司法部：进一步丰富立法形式，探索建立立法快速响应机制,
小不点抬手，一巴掌拍了已往，喀嚓一声战矛折断，而此人则直接横飞了起来，摔出去数十米远，撞在一块重大的山石上才止住去势，连忙瘫在那里不动了。
,国产山东48熟女嗷嗷叫白浆,求黄色视频免费一站,免费av黄片儿一区二。责编：罗家林
审核：熊天健
责编：薛岭山
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
