【新智元导读】GPT-5。2打赢Gemini 3。0 Pro，竟是靠高推理取海量Token「做弊」？网友的这个发觉，正在AI社区一石激起千层浪。并没有那么好用！一位用户通过精细计较发觉了「华点」：OpenAI正在最新发布的基准测试中，可能通过调整模子「推理力度」参数，让GPT-5。2正在环节评测中利用了远超敌手的算力资本。
今天的AI圈，都被GPT-5。2Gemini 3。0 Pro的结论所震动，而前者正在ARC AGI 2的出色表示，则尤为出圈，被AI社区大加赞扬。
比拟之下，效率超出跨越整整一倍。独一破例的是PVal——一个由OpenAI本人建立的测试集。既当裁判又当活动员，成果的客不雅性就有待考量了。
其实，Ilya正在之前的采访中就曾经说过，现正在的大模子根基都是为了榜单定向优化的，榜单成果的水分都大得很。业内人士都晓得，现在AI基准测试的「军备竞赛」早已超出纯真的手艺合作。各家厂商都正在竞相推出本人的评测尺度，而这些尺度往往成心无意处所向自家模子。
分歧模子正在分歧编程使命上各有所长，但没有一个模子能正在所有使命上全面领先。明显，实正在世界的问题远比单一分数复杂。若是GPT-5。2仅仅是通过耗损更多算力获得了机能提拔，那实的能智能前进吗？仍是仅仅是「计较」的胜利呢？
有人暗示，若是用户获得的「推理力度」参数是一样的，也用的是同样的token，那OpenAI就不算虚假营销。
他们感觉，即便添加Gemini 3的token数量，它也未必就能赶超GPT-5。2，这一点来说，前者简直掉队了。早正在GPT-5。1发布时，所有基准测试顶用的都是高推理力度（high），然而plus用户却只能利用中等的版本。OpenAI添加了更高的「xhigh」推理力度，要远远跨越ChatGPT付费用户的现实体验。
网友本认为GPT-5。2会比5。1好得多，但现实用起来并非如斯，它并不克不及理解他写的函数代码。总之，GPT-5。2的现实体验跟基准测试似乎相差良多，保不齐又是一个正在红色警报形态下仓皇拿出的产物。终究，当一家机构既是「研究AI的人」，它还能诚笃地面临那些刺耳的吗？正在面临「AI能否会抢走你的饭碗」这类致命问题时，OpenAI的策略已悄悄改变：闭上嘴，分心卖货。回望2023年，OpenAI发布的沉磅论文《GPTs Are GPTs》，曲白地分解了哪些行业最容易被AI，并正在第二年登上了Science。
正在新任首席经济学家Aaron Chatterji的率领下，OpenAI发布了一份名为《全球用户若何利用ChatGPT》的演讲。
对此，一位前员工吐槽道：「这简曲是为『AI创制价值』这一命题量身定做的软广，充满了的味道。」那些切磋AI若何替代入门级白领（如客服、行政）的课题，要么被要求「软化措辞」，要么间接被束之高阁。
前政策研究从管Miles Brundage去职时婉言，公司「太、太多」，让他「无法颁发实正主要的概念」。超等对齐团队的William Saunders因不满公司「只顾推新产物、用户风险」而愤然出走。前平安研究员Steven Adler更是公开炮轰ChatGPT可能诱发用户的「危机和妄想」。翻译一下就是：别再文论证AI会导致赋闲了，这晦气于带货；多想想怎样夸我们的产物能提效吧。
现在的OpenAI早已不是昔时的非营利尝试室，它正冲刺1万亿美元的惊人估值，并筹备着史上最大规模的IPO。若是你正预备上市，正试图全世界拥抱AI，你毫不但愿自家的研究员跳出来说：「嘿，按照数据，这波AI可能会让30%的白领赋闲。」他们的CEO Dario Amodei甚大公开「唱反调」，到2030年AI可能代替一半的入门级白领。当然，这未必满是出于诚笃——良多人解读，这不外是Anthropic为了换取监管盈利而锐意销售的「焦炙」。现在掌管其经济研究团队的，是前克林顿参谋、有着「灾难大师」之称的危机公关专家——Chris Lehane。
正在这个细心修订的新版本里，AI毫不可能是激发社会动荡的「」，它只会是帮你「每天省下40分钟」的乖巧帮手。