猫眼影戏
 |
|
猫眼影戏
波波夫
手机审查
猫眼影戏记者 扈枫 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：性爱在线破解版黄色网站
??12月19日,4月22日人民币对美元中间价报7.1043元 上调3个基点,
??12月19日,微视频：互联互通 习近平推动共建“一带一路”高质量发展,
列位尊重的家长，自从你们的孩子进入xx幼儿园，你们充满热情地加入我园组织每一次亲子活动，幸福、快乐的洋溢在你们的脸上 。你们的鼎力大举支持让我们幼儿园各项活动开展的有声有色 。当我们的事情不让你们知足的时间，你们给予明确和宽容 。你们的宽容和明确促使我们越创造确反省，起劲让我们的事情做到更好!三来，你们的支付，让孩子快乐地生长 。
,97超碰人人操,一区亚洲,插入 里 。??时势2：欧美性交猛片
??12月19日,“五一”假期北京接待游客创历史同期新高,
二、夯实基础、提高水平、增强能力、磨炼党性，这次培训班收到了较好的效果 。
,三级激情小说,欧美重a片视频,www.敌人毛卡上床免费电影 。??12月19日,海南2023年多项经济指标增速名列全国前茅,
四是重点了增强两支步队建设 。建设了学校评估制度，形成了72条评估细则，实验了第一轮评估，并借助评估效果对学校主要责任人举行谈话，提出了对部分薄弱学校的整改意见；出台了《索县西席治理制度》，明确西席的职业规范、增进西席专业化生长程序；注重下层党建事情，整年生长17名，吸纳起劲分子18名；凭证果真、公正、公正的原则，完成了对25名新西席的事情安排；乐成召开了索县20xx年西席节表扬大会和校长事情聚会；设立了艰辛偏僻边远地区西席特殊津贴，包管这些地区西席的事情热情；自筹资金对全县“三类”职员及难题职工举行了慰问 。
,911高清在线免费播放,日日日操操操,亚洲黄色一二三视频 。??时势3：性爱A片
??12月19日,西藏吉隆口岸边民互市贸易市场复通运营一周年 互市贸易额6187万元,
村人沿着这些裂开的伤口，挥舞洗净的巨斧，艰难地将它劈开 。
,黄色网站深夜视频免费看,国产偷自视频区视频18,79秀表演秀全程免费版 。??12月19日,【光明时评】赛事经济助力中国外贸跑出“加速度”,
一是坚持走科学生长蹊径 。总的讲，科学生长就要围绕中央提出的“生产生长、生涯宽裕、乡风文明、村容整齐、治理民主”的总体要求，因地制宜，稳步推进 。各州里应当从各自的现真相形的出发，施展自动性、创立性，探索适合的外地特色的建设社会主义新农村的路子 。我市的州里情形重大，有的地处城区，有的地处偏远;有的工商业蓬勃，资源欠开发 。随着我市都会的一直拓展，许多州里区位、交通、情形爆发迅速的转变，很快融入都会经济圈的生长，纳入都会经济社会生长结构，有的肩负了主要的功效 。新农村建设还要体现全市一盘棋，一方面要听从全市的总体妄想，准确定位外地的生长偏向和使命;另一方面要开展市、区(市、县)、乡、村联动，依赖行政行为、市场机制推动欠开发地区的生长 。今天加入培训的学员都是新任的州里党委班子成员，推动生长、致富农民，是州里党委的第一要务，也是群众最大的期盼，办妥农村的事情、解决农村的种种矛盾，都要以生长为第一要务，凭证准确的生长思绪，接纳科学有用的步伐，向导群众走出一条一连、快速、稳固生长的路子 。
,深夜18 视频在线免费观看,巨乳漫画App下载,嗯啊不要嗯啊不要公主上床视频 。??时势4：欧美性肉在线视频免费
??12月19日,中新健康丨国家卫健委：全国发热门诊接诊量呈波动下降趋势,
总之，我镇这次干部培训班的举行，只是我镇干部培训事情的一部分 。我们将以此为起点，一直积累履历，立异形式，争取使我镇的干部培训事情走上规范化治理轨道 。
,淫色图片一本色道,男警察被两男双龙玩弄,黄色视频免费看的了了 。??12月19日,民建书画家浙江挥毫泼墨 “送福”进万家,
8.注重照顾护士 。一是运发动角逐中的自我；;二是各班级指定同砚对角逐同砚的照顾护士，特殊是长跑项目;三是要阻止因照顾护士不当，造成二次危险 。
,AV在线视免费观看,日日精品,黄色视频线上看品亲网 。责编：王铎
审核：吴小华
责编：陈跃
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
