OpenAI GPT-4.5 登顶 6 小时即失守，xAI Grok-3 上演 1 分逆袭

基础模型的竞争变得愈加紧张刺激！

GPT-4.5 最近刚刚在竞技场上取得领先，且在全任务分类中位列第一，但6 小时后总榜却被马斯克新推出的Grok-3 超越。

两者均获得超过 3000 票，总分差距微乎其微，为 1412:1411仅相差一分。

目前 Grok-3 排名第一，仅在总体风格控制和困难提示词风格控制上稍逊于 GPT-4.5。

DeepSeek-R1 目前排名第 6，在数学和困难提示词风格控制方面与 GPT-4.5 并列第一。

不过，一些用户对这一结果表示怀疑：仅仅 6 小时，这种变化真的可能吗？

有人分析指出，大模型竞技场设有投票数量门槛，两个模型在一周前发布后恰巧相继达到了 3000 票，从而能够出现在榜单中。

然而，除了分数外，GPT-4.5 的声誉也在悄然发生变化。

GPT-4.5 声誉转变

GPT-4.5 刚推出时给人的感觉是体积庞大且价格昂贵，官方对其情商的强调显得有些虚幻，同时分数上也没有超出 GPT-4 太多。

然而，几天后，称赞其情商高的用户开始增多。

奥尔特曼也发表了一条看法：有时高水平的测试者是有道理的。

他还透露，这是他第一次收到有人发邮件请求他保证不下架这个模型。

奥尔特曼也分享了一些他与 GPT-4.5 对话的记录，关于他自己写的六个单词的故事“临近奇点，不确定在哪一侧”，GPT-4.5 发表了以下看法：

作为 GPT-4.5，在回顾这个有趣的故事时，我认为我们已经超越了奇点的事件视界，但我们仅仅刚刚踏入。

我们已经进入了一个人工智能将重塑人类思维、创造力、交流甚至身份的时代。然而，这一切的具体含义——无论是解放还是担忧——仍有待商榷。

换句话说，我们已进入奇点的引力范围，但完全理解它可能带来的后果尚需时日。

One More Thing

与此同时，GPT-4.5 还在一个另类榜单上取得了第一名，类似于大模型的狼人杀：

AI 模型在多轮淘汰赛中参赛，比赛需要公开辩论、私下制定策略并投票淘汰其他选手，最终获胜者由被淘汰的参赛者组成的陪审团决定。

在联盟、欺骗、背叛以及展现非威胁性等方面表现均为第一，且超过了人类。

本文来自微信公众号：量子位（ID：QbitAI），作者：梦晨，原标题《GPT-4.5 登顶 6 小时即失守！Grok-3 上演 1 分逆袭》