猫眼影戏
 |
|
猫眼影戏
商怡
手机审查
猫眼影戏记者 冯海宁 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：小月官方云盘下载链接
??12月21日,（两会声音）代表说甘肃积石山震后“苦尽甘来、生机无限”,
3、校园足球结硕果。20xx年上期 ，学校以建设校园足球特色校为契机 ，开展了一系列的足球活动 ，取得了优异效果。6月2日 ，乐成举行了临武县建设天下校园足球试点县推进现场会 ，学校被评为“临武县首批校园足球特色学校” ，受到县政府的表扬和奖励。7月29日至8月6日 ，在郴州市第21届学生运动会上 ，我校女子足球队一起高歌猛进 ，荣获小学女足冠军 ，为临武县争得了声誉 ，临武县电视台举行了专门报道。
,黄色网站吊黄。??12月21日,伊以紧张局势加剧 多国呼吁保持克制,
小不点心酸 ，他也是一个善良的孩子 ，也曾遭遇过一系列灾祸 ，能够感受到扑面谁人孩子的心境与伤痛。
,miyueav,国产怕怕,人人影院操。??时势2：小美女性爱车轮战
??12月21日,内蒙古自治区侨办恭贺2024新春,
不管以后会怎么样 ，我一定不会遗忘 ，谁人培育我六年的母校!
,小芋.CC,城中村国产精品一区二区,91女高中生露x给我玩。??12月21日,土耳其抓获33名“伊斯兰国”相关嫌疑人,
一是生长的信心缺乏。部分同志对实现快生长、大生长的信心缺乏 ，气馁失望 ，精神萎靡 ，走路低着头、开会坐后头、事情没劲头 ，损失了前进的动力和战斗的意志。
,西欧性生话HD,夜色tv直播,黄频免费视频。??时势3：刘涛下面毛很长
??12月21日,枪案幸存者深受困扰，美国种族犯罪和枪支暴力痼疾难消！,
再则 ，人行道上的绿化树木 ，花卉原来可以给人们遮荫 ，挡雨 ，给人一种美的享受 ，可就有些人容不下它们 ，经常要置它们于死地自己心里才惬意。
,欧美大屁股BBWXXXXX,东北女人放荡乱叫对白视频,台湾综合色。??12月21日,王毅：真朋友就是在关键时刻相互支持,
“一株被雷劈事后的柳木 ，你们没有一丝对抗之力 ，许多人都被斩断、或击杀了？！”金狼部落的老族长闻听经事后 ，不禁动容。
,韩国日本黄色视频,免费直播行情网站,91自拍偷拍第5页。??时势4：av黄色网址在线观看
??12月21日,法国南部一座犹太教堂遭纵火 官方启动反恐调查,
不知理科的同砚是否还深思在“将马铃薯去皮切块 ，加水煮沸一准时间……”（今年高考理科综合题） ，文科同砚是否还执念于“美国在开国初 ，由于国力弱小 ，加之受华盛顿‘中立政策’的影响……”（今年高考文科综合题）；不知是否有人穿梭于文理中 ，想着中美商业争端中的美国农产品 ，似乎是棉花、大豆没有马铃薯呀！但我相信同砚们一定记得“男儿屈穷心不穷 ，枯荣不等嗔天公。”（今年高评语文试题中李贺的诗） ，一小我私家虽屈抑困厄 ，但志向犹在！这正是一中在培育你们时 ，期望你们拥有的精神品质！
,2020国内自拍偷拍视频,媚黑网站,国产黄色三级片在线视频。??12月21日,国内首家人工智能标准化研究机构落地北京亦庄,
第三 ，坚持统筹兼顾 ，充分验展好综合协调作用。“ 总揽全局、协调各方”是党委的主要事情原则。加速生长 ，党委是司令部 ，是指挥中心 ，但需要几套班子和各地各部分同心协力、亲近配合 ，搞好“大合唱” ，才华确保各项使命落到实处。为此 ，党委办公室必需善于统筹兼顾 ，善于综合协调 ，普遍调动各方面的起劲因素 ，协调解理好方方面面的关系 ，综合运用向导实力、部分实力和群众实力 ，营造向导抓、抓向导的气氛。从协调的内容看 ，党委办公室要善于抓大事 ，抓要害环节 ，抓主要单位。从协调的工具看 ，党委办公室对内要相同协调党委向导班子 ，对外要相同协调党委、人大、政府、政协等向导班子 ，对下要相同协调下级党委、政府及同级职能部分。通过党委办公室这个运转枢纽 ，增强综合协调 ，多轮齐转 ，形成事情协力 ，推动全局事情。
,好男人在线社区WWW在线视频下载,www.毛片com,操中国丰满老熟妇逼。责编：杨晨青
审核：高锦武
责编：莱蒂西亚·普特
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
