猫眼影戏
 |
|
猫眼影戏
张雪盈
手机审查
猫眼影戏记者 陈昌锋 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「精神危急和妄想」。
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危急公关。
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」之称的顶级危急公关专家——Chris 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：日韩全网无码视频
??12月20日,第37届中国电影金鸡奖提名公布,
“那好吧。”小不点想了想颔首。
,人人看碰人人免费。??12月20日,同样的神情，角色却已互换！曾经刘华清将军踮脚看美国航母，如今外宾驻足看我军装备,
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。
,黄色精品一二三,唐嫣一级婬片A片AAA,亚洲一区二区,动漫精品亚洲一区二区三区_毛片无码不卡高清免费v_天天摸天天爽。??时势2：日韩午夜福利无码专区A
??12月20日,北京上演空竹大赛 港澳台地区及京津冀鲁晋豫队伍齐聚,
20xx年做好后期造林及封育事情的外业勘查，为后期外业设计事情打好基础。2、完善目今档案并归档。
,女人18毛片A久久,高清性爱国产,网站免费观看无打码。??12月20日,首届“国话杯”剧本朗读大会在中国国家话剧院开幕,
“族长，光龙角象就死了八头。杏屑竿费┌椎脑孪胁簧倨渌奘蓿羰侵瞥扇飧桑阋怨晃颐谴遄映粤季。”
,国产日韩一区二区,91高清网站,中文字幕欧美亚洲日韩在另类。??时势3：人人操人人干人
??12月20日,从“3820”战略工程中领悟干事之道, [杨慧，任上被查]据贵州省纪委监委11日新闻：贵州省卫生康健委员会党组书记杨慧涉嫌严重违纪违法，现在正接受贵州省纪委监委纪律审查和监察视察。,色色日韩,老熟妇乱子伦视频久热,10后女脱了内裤自慰。
??12月20日,实拍江西湖口秋粮归仓,
“死猴子，你纳命来！”全身赤红、火光滔天的莽牛冲来，岩浆欢喜，它踩过的地方赤红液体翻涌，温度酷热无比。
?第一百六十一章 血色天下,就要日就要干,99ri国产在线,一级免费一区二区精品尻逼大片。??时势4：巴西二女一杯的食屎原版
??12月20日,5月CPI总体平稳 物价保持基本稳定有坚实基础,
我们少先队员能为地球妈妈做些什么呢?那就从身边的小事做起吧。当你和家人出去旅游时，不但自己不乱扔果皮，包装纸，并且发明垃圾还能自动拣起来投进垃圾箱里，那你就是一个掩护情形的好少年;在学校里，望见自来水龙头没关紧，你能上前下手把它拧紧;看到光线富足，能自动把课堂里的灯关掉，那你就是一名节约资源的勤学生……只要各人脑子里有敬重情形的有心人，就能为我们的家园尽一份力，添一片绿，未来就能把地球建成一个越发优美协调的新家园。
,谁有看毛片的网址,免费又黄又粗又猛视频无码,亚洲Av无码专区在线电影。??12月20日,九部门开展第27届全国推广普通话宣传周活动,
人人生而一律。一律是与生俱来的，是上天对人性的眷注而赐赉每小我私家的礼物。每小我私家一出生就与他人一律，不分职位，不分贵贱，不分种族，纵然有任何差别。是一律让人与人之间保存公正的待遇，是一律让人拥有了追求幸福的权力。
,JKCCF5官方网站,蜜桃视频无码,一边摸下面一边吃奶快点好难受。【斯诺克冠中冠：白雨露首战遭淘汰 丁俊晖将战特鲁姆普】
责编：冯亚维
审核：宋濂
责编：蒋全德
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
