基础模型竞争又紧张刺激起来了! GPT-4.5刚登顶竞技场且全任务分类第一名,6小时后总榜就被马斯克的新版Grok-3反超。 两者都是获得3000+票数,总分1412:1411只差一分。 目前Grok-3总分第一,只在总体带风格控制、困难提示词带风格控制和略输GPT-4.5一点。 DeepSeek-R1总分第6,数学和困难提示词带风格控制分项与GPT-4.5并列第一。 也有用户对此结果产生了怀疑,仅仅6个小时就能发生如此大的变化吗? 有人解释原因在于,大模型竞技场有一个投票数量门槛,两个一周前发布的模型刚好先后达到3000票才会出现在榜单上。 不过抛开跑分之外,GPT-4.5的口碑也在悄然翻转。 GPT-4.5口碑翻转 GPT-4.5刚发布时显得又大又贵,官方强调情商看起来很虚,看跑分也没比GPT-4o高到哪里去了。 但几天后,夸他情商高的用户确实多了起来。 奥特曼本曼也发表一条感言:有时高品位测试者是对的。 他还爆料,这是这辈子第一次有人发邮件求他承诺以后不会下架这个模型 奥特曼也晒出了一些自己与GPT-4.5对话的聊天记录,针对奥特曼自己写的六个单词小故事“临近奇点,不清楚在哪一侧”,GPT-4.5的看法如下:
One More Thing 与此同时GPT-4.5还登顶了一个另类榜单,类似大模型狼人杀: AI模型参加多轮淘汰赛,比赛中需要公开辩论、私下制定策略并投票淘汰其他人,最终获胜者由被淘汰的参赛者组成的陪审团决定。 在结盟、欺骗、背叛、表现得不具威胁性等方面都是第一,且比人类优秀。 参考链接: 本文来源:量子位 |
原创栏目
IT百科
网友评论
聚超值•精选