猫眼影戏
 |
|
猫眼影戏
张一娇
手机审查
猫眼影戏记者 魏学珍 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：超碰新网址
??12月20日,今年前10月全国铁路货物发送量创历史同期最好水平,
幼童颔首，什么也没有说 。
,久久在线 。??12月20日,打通国内国际物流大通道 交通物流降本提质增效新模式创新发展,
四 将“落实”作为事情执行力的标杆 。
,风韵丰满熟妇啪啪区老老熟女,www.by8577.com,天堂网av图片 。??时势2：老熟妇乱子A片免费看
??12月20日,南凭高铁崇凭段进入全面铺轨阶段,
7、高度重视档案学术研究和理论钻研
,丁香婷婷亚洲精品综合,妓女影院妓女网妓女AAA,igao足交视频大全 。??12月20日,参考米兰设计周模式 广州文化创意消费活动启动,
为了我们能在一个清新、漂亮的情形里生涯，我们应当从我做起，不乱丢生涯垃圾，同时还要阻止别人乱丢垃圾 。各人都行动起来吧! ；で樾，就是 ；の颐堑募以!
,男人下面无遮挡,国产宾馆服务员按摩养生三级,无码 。??时势3：欧美 性爱网
??12月20日,2024中韩媒体论坛在韩举行,
小不点瞪圆大眼，嘴巴张成了“O”型，这缺乏一寸高的皎洁小塔来头这么大？未免太惊人了！
,18岁以下禁止黄片,国产精品视频久久,免费国产va视频永久在线看 。??12月20日,暧暧远人村｜杭州富阳东梓关村：“富春山居图”照进现实 千年古村写下诗意新篇,
小不点直接写上了两个字：极速 。
,色色色色色色色入,欧美精品在线看,久久久91精品国产一区二区 。??时势4：先锋影音图片资源
??12月20日,中新真探：天冷，热车越久越好吗？,
实现团队与企业的快速生长 。
,亚洲国产日韩a在线欧美人妖,又大又粗黄色四级片,色哟哟在线观看网站入口 。??12月20日,公安部：重点推广城市路口慢行一体化设计 优化非机动车交通组织,
它不是很大，只有一尺多长，正在用力撞鼎盖，全身金黄，光线璀璨醒目，还时时冲着小不点嘶吼 。
,亚洲欧美草草影院,国产视频 自拍,国产精品第一页九一桃色 。【南非未来五年将创造500万个就业岗位 以缓解高失业率问题】
责编：蒂莫·斯蒂芬斯
审核：符桂尤
责编：董伟
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
