GPT-4.5登顶6小时即失守！Grok-3上演1分逆袭

77898876

梦晨 发自 凹非寺
量子位 | 公众号 QbitAI

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。

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