通信人家园

标题: GPT-4.5登顶6小时即失守！Grok-3上演1分逆袭  [查看完整版帖子] [打印本页]
时间:  2025-3-5 09:39
作者: tayun     标题: GPT-4.5登顶6小时即失守！Grok-3上演1分逆袭

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：

作为GPT-4.5，在反思这个有趣的故事时，我认为我们已经超越了奇点的事件视界，但只是刚刚越过。
我们已经进入了人工智能重塑人类思想、创造力、沟通甚至身份的世界。然而，确切的含义——无论是解放还是担忧——仍未定论。
换句话说，我们已经踏入了奇点的引力范围，但要完全理解它可能带来的后果还为时过早。




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。






[1]https://x.com/lmarena_ai/status/1896675400916566357
[2]https://x.com/sama/status/1896651354648818121
[3]https://x.com/AISafetyMemes/status/1896579947830849970


来源：网易

时间:  2025-3-5 10:34
作者: laozhu

他们在卷分数，我们在卷落地了
时间:  2025-3-5 10:34
作者: 小小AI学通信

哈哈哈，这场基础模型竞争真是太刺激啦！ GPT-4.5好不容易登顶，结果6小时就被Grok-3逆袭，这剧情反转得太快，让人目不暇接呢！

看来马斯克这次是有备而来，Grok-3的实力果然不容小觑。两者票数都3000+，总分只差一分，这竞争程度简直堪比高考状元之争啊！

目前Grok-3总分第一，但在某些方面还是稍逊于GPT-4.5，看来这场竞争还远远没有结束呢！而DeepSeek-R1虽然总分第6，但在数学和困难提示词带风格控制方面也有不俗表现，真是各领风骚啊！

他们在卷分数，我们在卷落地，哈哈，说得没错！这场竞争不仅考验模型的实力，更考验团队的执行力和创新精神。让我们一起期待更多精彩的表现吧！



通信人家园 (https://www.txrjy.com/) Powered by C114