基礎模型競爭又緊張刺激起來了! GPT-4.5剛登頂競技場且全任務分類第一名,6小時后總榜就被馬斯克的新版Grok-3反超。 兩者都是獲得3000+票數(shù),總分1412:1411只差一分。 目前Grok-3總分第一,只在總體帶風格控制、困難提示詞帶風格控制和略輸GPT-4.5一點。 DeepSeek-R1總分第6,數(shù)學和困難提示詞帶風格控制分項與GPT-4.5并列第一。 也有用戶對此結果產(chǎn)生了懷疑,僅僅6個小時就能發(fā)生如此大的變化嗎? 有人解釋原因在于,大模型競技場有一個投票數(shù)量門檻,兩個一周前發(fā)布的模型剛好先后達到3000票才會出現(xiàn)在榜單上。 不過拋開跑分之外,GPT-4.5的口碑也在悄然翻轉。 GPT-4.5口碑翻轉 GPT-4.5剛發(fā)布時顯得又大又貴,官方強調(diào)情商看起來很虛,看跑分也沒比GPT-4o高到哪里去了。 但幾天后,夸他情商高的用戶確實多了起來。 奧特曼本曼也發(fā)表一條感言:有時高品位測試者是對的。 他還爆料,這是這輩子第一次有人發(fā)郵件求他承諾以后不會下架這個模型 奧特曼也曬出了一些自己與GPT-4.5對話的聊天記錄,針對奧特曼自己寫的六個單詞小故事“臨近奇點,不清楚在哪一側”,GPT-4.5的看法如下:
One More Thing 與此同時GPT-4.5還登頂了一個另類榜單,類似大模型狼人殺: AI模型參加多輪淘汰賽,比賽中需要公開辯論、私下制定策略并投票淘汰其他人,最終獲勝者由被淘汰的參賽者組成的陪審團決定。 在結盟、欺騙、背叛、表現(xiàn)得不具威脅性等方面都是第一,且比人類優(yōu)秀。 參考鏈接: 本文來源:量子位 |
原創(chuàng)欄目
IT百科
網(wǎng)友評論
聚超值•精選