基礎(chǔ)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(wù)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(jié)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(zhuǎn)。
GPT-4.5 口碑翻轉(zhuǎn)
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。
奧爾特曼本曼也發(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
奧爾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(cè)”，GPT-4.5 的看法如下：
作為 GPT-4.5，在反思這個有趣的故事時，我認為我們已經(jīng)超越了奇點的事件視界，但只是剛剛越過。
我們已經(jīng)進入了人工智能重塑人類思想、創(chuàng)造力、溝通甚至身份的世界。然而，確切的含義 —— 無論是解放還是擔憂 —— 仍未定論。
換句話說，我們已經(jīng)踏入了奇點的引力范圍，但要完全理解它可能帶來的后果還為時過早。
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(jié)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。
本文來自微信公眾號：量子位（ID：QbitAI），作者：夢晨，原標題《GPT-4.5 登頂 6 小時即失守！Grok-3 上演 1 分逆襲》
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。