猫眼影戏
 |
|
猫眼影戏
王汉军
手机审查
猫眼影戏记者 应春安 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：人人操天天舔
??12月19日,2019年至今广东完成海岸线整治近300千米,
再次，希望你们能够自强不息、勇于立异 。作为x中人，你们要承继“质朴坚贞”的精神，不但纯朴，更要自强不息、高昂有为，面临难题依然不平不挠，身处逆境敢于开拓进取 。除此之外，你们作为新世纪的青年，还应该深刻意识到“立异”是一个国家、一个民族、一个学校得以生长的不竭的动力和源泉 。“一个没有立异的民族是一个没有希望的民族，一个没有立异的国家必将被历史镌汰 。”现在，我们的学校已经在这方面孕育了优异的气氛，创立了优异的条件 。希望同砚们能够自信地、大胆地去掘客自己的潜力，作育出较强的立异意识，勇于立异，乐于立异，作一个新世纪的立异人才 。
,无码专区,中文字幕 。??12月19日,两机相撞后坠海？日本海上自卫队最高官员道歉,
列位、列位朋侪：让我们配合碰杯，一起携手共祝我们未来优美的明天！
,国产视频啪啪啪,中国老年夫妻性生活一二三区视频,欧美精品一区二区视频在线播放 。??时势2：91自拍视频果精1
??12月19日,（新春走基层）中越边境上的东兴市站首迎春运“大考”,
“一边呆着去！”小不点急遽打断了他的话语，眼神不善地盯着这个比自己大不了几个月、但却有一肚子坏水的鼻涕娃 。
,免费播放特一级高清A级黄色毛片视频,欧洲午夜福利,老熟妇仓乱视频一区二区 。??12月19日,形成新质生产力 激发湾区新动能,
最后，是增强下层民主政治建设，增进农村社会稳固，推进协调东城建设的需要 。近年来，我街道经济获得迅猛生长，宽大农民的生涯水平有了大幅度提高并逐步走向富足 。同时，农村生长中也袒露和反应出一些民主建设问题 。从我街道现真相形看，个体村的治理制度不健全，村民法制看法淡漠;一些村“两委”关系不协调，村党支部书记和村民委员会主任相互争权，班子内讧严重;尚有个体村财务治理恒久杂乱，村务果真不正常不规范，群众意见很大 。这些都极大地影响了村级班子和干部在群众中的威信，影响了目今街道各项事情的开展 。我们举行这次培训班，目的就是给各人培训关于规范村务治理方面的知识，并连系各村现实，探讨怎样规范村务治理的详细步伐 。通过这次培训，进一步提高各村向导干部的政策营业水平，增强各人的法治意识和民主意识，推动我街道村务事情逐步实现民主化、制度化、规范化和果真化，落实好宽大群众在村务治理事情中的知情权、治理权、决议权和监视权，把我街道的村务治理事情推上一个新的台阶，为开展协调东城建设提供强有力的组织包管 。
,免费精品视频在线,skilllab系列,欧美一级特黄片 。??时势3：黄色精品国内视频在线网站免费观看
??12月19日,诱导加钱送礼物 “语擦”服务莫要成了“擦边”服务,
“这枚蛋的生气比适才强盛了也不知道几多倍，远古魔禽传承下来的生命烙印应是苏醒了不少，这枚卵若是孵化肯定远胜青鳞鹰！”族长石云峰受惊的说道 。
,亚洲日韩黄色网,国产多人性爱实拍,国产午夜一区在线观看 。??12月19日,推动高质量发展·权威发布｜吉林：全面振兴新突破蓄势待发,
同砚们，不管你现在是六年级，照旧九年级，我们都有一个配合的目的——以优异的效果考入高中，向自己的优美的未来走出乐成的一步 。
,JUL-709篠田优中文字幕,免费的黄网站和视频,国产内射视频 。??时势4：在线免费观看国产欧美日韩你懂的
??12月19日,中国多地作家齐聚重庆 探讨新质生产力赋能文化传承,
??12月19日,广西罗城：桑蚕产业助农增收,
3.严守纲纪校规，拒绝早恋和网瘾 。各人知道，国有王法，校有校纪，班有班规，没有规则，难成周遭 。新生入学培训时代我们将组织各人学习我们学校的一系列规章制度，并由班级组织贯彻实验 。以后我们将把教育的重点放在同砚们优异行为习惯和基础文明的养成上，从小事抓起，从讲文明，讲礼貌做起 。我今天要特殊强调一点，就是要准确处置惩罚好男女同砚之间的来往，旌旗鲜明地阻挡早恋;科学处置惩罚好课余时间，拒绝网瘾 。
,1024娱乐基地,乔苓色图,欧美性爱 视频二区 。责编：崔金兰
审核：雷德·卡特勒
责编：赵麦庆
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
