猫眼影戏
 |
|
猫眼影戏
刘强
手机审查
猫眼影戏记者 卿简轩 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：欧美精品91一区二区在线观看
??12月18日,春睡画院新聘画家70余幅作品亮相广州,
时间不长，这数十头猛兽与异禽所有倒在了血泊中，或是被斩掉了头颅，或是被截断了躯体，很是的霸烈！
,99re在线这里只有精品免费 。??12月18日,两会访谈｜统筹新型城镇化和乡村全面振兴,
我们的生命受之怙恃、成于社会、凝聚了亲人、朋侪、先生太多的情绪，寄予了无限的希望 。珍爱生命，包管清静，康健生长，是我们人生蹊径上的必修课 。清静伴我行，还包括了许多方面，如：出行在外的交通清静，上体育课或大课间时的清静活动，平时的人身清静防护，卫生防疫清静，网络清静，自然防灾与应急反应等 。学校给我们发了清静教育的阅读课本，同砚们要认真学习，明确清静的意义，学会快乐的生涯，消除生长历程中的疑心，获得最真实的生命体验，拒绝诱惑，提防损害，远离危险，清静康健的.生长 。
,日本黄色网站.www,女 8 ∞,日本 一级免费 。??时势2：三级片在线视频小说韩国
??12月18日,（两会访谈）麦家：警惕“翻拍潮”，原创精神不可丢,
中考要取告捷利，要害在于人的因素 。我们所取得的点滴前进都凝聚着全体西席的智慧和心血，都依赖于一个团结斗争、忘我事情、乐于贡献的结业班西席群体 。我们结业班西席大都是教学能力强，有责任心，从事过结业班教学的有富厚履历的先生，从开学以来，先生们专心备课、授课，仔细修正，学生进入角色较快，本届学生进入九年级后整体学习民俗比八年级时浓多了 。为了实时掌握学生学习情形，大多先生在开学上课不到一个月的时间内已举行了多次考试，那一道道鲜红的字迹，凝聚着先生几多心血和汗水 。每次教学巡查，看到办公室内伏案耕作的先生，听着讲台上神采奕奕的解说，我不由肃然起敬，我的信心又平添了几分 。
,国产91在线精品免费观看久,欧美日韩国产综合视频,九色91POPNY蝌蚪 首页登录 。??12月18日,2023年12月份70城房价环比下降 同比有涨有降,
这得是何等恐怖的生灵？所有人都重新凉到脚，有些人想到自己的部族还曾要去探山宝呢，这真的是活腻了，幸好最终退却了！
,大色色色,520250.mooc,黄色色色费16 。??时势3：欧美三级片电影在线播放
??12月18日,拂影·2024第十一季SIUF国际超模大赛总决赛在深圳揭晓,
??12月18日,“潭美”减弱为热带风暴级 海南仍有强降水,
“老五”在他们那一代中排行第五，名叫石渊，比石子陵的父亲还要高一辈，为族中宗老，修为强盛，深不可测 。
,啪啪三级片,www.756av.com 百度网盘,特黄欧美性爱片 。??时势4：50岁老熟女吞精
??12月18日,国家统计局：今年我国就业形势有望保持稳定,
在其身边，有一个二十几岁的年轻人，英气逼人，也有两名十几岁的少女，美的犹如画卷中走出的一样平常，尚有两个很幼小的男童，大眼很灵动 。
,好湿⋯好紧⋯太爽了英文5,一道本在线综合,爱情岛论坛国产精品无码一区二区 。??12月18日,奋力书写为中国式现代化挺膺担当的青春篇章,
2、怎样去重视家庭教育呢？先从体贴孩子的生涯最先 。对孩子不但是体贴用饭穿衣，还应体贴他们的课余活动是否康健，结交的朋侪是否正直，有些学生看了一些有暴力倾向的影视节目或书刊，则举行模拟，喜欢打打闹闹 。前段时间有些孩子就带了那种水果刀来，晏先生就赶忙没收了 。作为家长要多关注自己的孩子，不要出了事情你是最后一个知道的 。作为家长，还应该让孩子加入康健有益的活动，拒绝加入不正当的游戏与活动，特殊是不要让他打游戏机、进网吧上网玩游戏 。孩子天天什么时间回家，做了些什么，节沐日孩子在家里干些什么事，平时喜欢到那里去玩，与谁在一起玩，都要做了如指掌 。坚决抵制孩子进网吧，进电子游戏室，发明情形，实时班主任，家庭、学校配合举行教育 。说着实的，做一个认真任的家长和做一个认真任的先生都同样意义重大，禁止易 。〉庖彩俏颐且褰勾堑脑鹑嗡冢
,动漫人物又❌莄❌爽,手机看片人人干日韩不卡z,真人性爱抽搐黄色视频A片视频 。责编：迪尔伯恩
审核：松赞干布
责编：德米特里·切尔内
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
