基礎(chǔ)模型競(jìng)爭(zhēng)又緊張刺激起來(lái)了！

GPT-4.5剛登頂競(jìng)技場(chǎng)且全任務(wù)分類第一名，6小時(shí)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(fēng)格控制、困難提示詞帶風(fēng)格控制和略輸GPT-4.5一點(diǎn)。

DeepSeek-R1總分第6，數(shù)學(xué)和困難提示詞帶風(fēng)格控制分項(xiàng)與GPT-4.5并列第一。

也有用戶對(duì)此結(jié)果產(chǎn)生了懷疑，僅僅6個(gè)小時(shí)就能發(fā)生如此大的變化嗎？

有人解釋原因在于，大模型競(jìng)技場(chǎng)有一個(gè)投票數(shù)量門檻，兩個(gè)一周前發(fā)布的模型剛好先后達(dá)到3000票才會(huì)出現(xiàn)在榜單上。

不過(guò)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(shí)顯得又大又貴，官方強(qiáng)調(diào)情商看起來(lái)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(shí)多了起來(lái)。

奧特曼本曼也發(fā)表一條感言：有時(shí)高品位測(cè)試者是對(duì)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(huì)下架這個(gè)模型

奧特曼也曬出了一些自己與GPT-4.5對(duì)話的聊天記錄，針對(duì)奧特曼自己寫的六個(gè)單詞小故事“臨近奇點(diǎn)，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(gè)有趣的故事時(shí)，我認(rèn)為我們已經(jīng)超越了奇點(diǎn)的事件視界，但只是剛剛越過(guò)。

我們已經(jīng)進(jìn)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(wú)論是解放還是擔(dān)憂——仍未定論。

換句話說(shuō)，我們已經(jīng)踏入了奇點(diǎn)的引力范圍，但要完全理解它可能帶來(lái)的后果還為時(shí)過(guò)早。

One More Thing

與此同時(shí)GPT-4.5還登頂了一個(gè)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(tuán)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。