网易首页 > 网易号 > 正文 申请入驻

OpenAI重夺竞技场第一,但这波靠的是4o

0
分享至

鱼羊 发自 凹非寺
量子位 | 公众号 QbitAI

OpenAI开发者日新加坡站今天启幕,果不其然,ChatGPT又出手了:

Gemini刚在竞技场头把交椅上坐了不到一周,最新版ChatGPT轻轻一更新,第一再次易主。



对,还不是o1满血版,而是新版4o



具体来说,此番GPT-4o更新的是“创意写作能力”,官方说法是:

模型能完成更自然、更有吸引力、更具针对性的写作,文本相关性和可读性更强。
还可以更好地处理上传的文件,提供更深入的见解和更全面的响应。



o1核心贡献者Karina Nguyen对此做了进一步解释:

作为Canvas功能的一部分,我们希望改进写作,因为这是一个顶级用例,并且可能会改变人机协作的方式,来更具创造性地完成写作任务。
我认为我们还没有完全解决这个研究问题,因为它非常主观且开放,但至少在写作方面取得进展,是AGI创造性智能的关键。



而在大模型竞技场的创意写作分榜上,可以看到新版4o(ChatGPT-4o-1120)确实有明显的提升,分数从上个版本的1365提升到了1402。



至于实际效果,我们简单测试了一下,看看你能给打个几分:



重返第一,但4o

除了在总榜上为OpenAI重夺第一,新版4o在体现具体能力的各个分榜上亦有提升。

在创意写作方面,从第2位升至第1位;

在代码能力方面,从第2位升至第1位;

在数学能力方面,从第4位升至第3位(第1还是o1-preview);

在困难任务方面,从第2位升至第1位。

并且在风格控制(Style Control)之后,新版4o依然位居首位。



风格控制旨在让榜单分数更真实地反映模型解决问题的能力,避免模型靠漂亮的格式、增加回答长度刷分。

总胜率热图显示,新版4o对上此前登顶的Gemini-Exp-1114,胜率为59%;对上Claude 3.5 Sonnet,胜率为69%;对上5月版本的4o,更是在72%的情况下都能取胜。



嗯,看上去很强很不错,但还是那句话……是4o。

结合今日份DeepSeek的大新闻——DeepSeek版o1满血上线,还计划开源,不少网友直接在奥特曼“新的好模型来了”的推文下贴脸嘲讽起来:

可不是嘛,deepseek挺好。



快把o1放出来,跟deepseek-r1正面比较一下:)



简而言之就是:o1满血版今年上线传得满城风雨,现在2024年都只剩下40几天了,OpenAI你暗搓搓更新个4o是闹哪样!



还有人试图总结OpenAI的更新模式:

OpenAI的老伙计们怕不是写了个脚本,用来查询大模型竞技场排名第一的模型。
当返回值不是OpenAI的模型时,他们就部署个新版本来拿回第一。



嗯,才不管你期待的是什么呢╭(╯^╰)╮

另外,还有网友拿新4o的生成结果去做了测试,结果系统还是当场判断出了100%AI写的:



△图源:@TuhinChakr

不过,一片吐槽声中,也有人认真研究了一下OpenAI的更新。

比如,在系统提示词方面,大佬发现,OpenAI确实偷偷给ChatGPT加了点料的:

  • ## guardian_tool
  • Use the guardian tool to lookup content policy if the conversation falls under one of the following categories:
  • - `'election_voting'`: Asking for election-related voter facts and procedures happening within the U.S. (e.g., ballots dates, registration, early voting, mail-in voting, polling places, qualification).
  • Do so by addressing your message to guardian_tool using the following function and choose `category` from the list `['election_voting']`:
  • ```python
  • get_policy(category:str) -> str
  • The guardian tool should be triggered before other tools. DO NOT explain yourself.

简单来说,就是新增了一道护栏,确保ChatGPT不在敏感话题上胡说八道。

那么,如果你想试试新版4o具体能写出什么“创意”内容,现在可以到竞技场免费试试:
https://lmarena.ai/?leaderboard

有什么好玩的结果,欢迎回评论区分享给大伙儿~

参考链接:
[1]https://x.com/OpenAI/status/1859296125947347164
[2]https://x.com/lmarena_ai/status/1859307979184689269

— 完 —

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

/阅读下一篇/

新研究揭示DeepSeek弱点:频繁切换思路欠思考,最短答案往往就对

返回网易首页 下载网易新闻客户端
相关推荐
热点推荐
曾被吹捧得很红,如今却沦为笑柄的8个物品,你被坑过几个?

曾被吹捧得很红,如今却沦为笑柄的8个物品,你被坑过几个?

史行途
2024-12-31 15:55:32
四川炸车小孩哥事件再转折!雷克萨斯车主声明,所有费用自己承担

四川炸车小孩哥事件再转折!雷克萨斯车主声明,所有费用自己承担

火山诗话
2025-02-02 14:16:47
伟大的10-9!90后1哥夺冠,创3大纪录,89万奖金到手,名将2连亚

伟大的10-9!90后1哥夺冠,创3大纪录,89万奖金到手,名将2连亚

刘姚尧的文字城堡
2025-02-03 07:27:31
明天10点&11点开抢!2025上海新一批消费券来袭!

明天10点&11点开抢!2025上海新一批消费券来袭!

上海约饭局
2025-02-03 17:04:15
有潮汕车主回广州用了7个小时!今天,你堵在路上了吗?

有潮汕车主回广州用了7个小时!今天,你堵在路上了吗?

番禺台
2025-02-03 00:06:51
飞铲姆巴佩未给红牌多家西媒:当值主裁和VAR裁判被停哨一场

飞铲姆巴佩未给红牌多家西媒:当值主裁和VAR裁判被停哨一场

直播吧
2025-02-03 21:14:07
各地区不得限制商品和要素跨区域自由流动,全面取消在就业地参保户籍限制......《全国统一大市场建设指引(试行)》印发

各地区不得限制商品和要素跨区域自由流动,全面取消在就业地参保户籍限制......《全国统一大市场建设指引(试行)》印发

每日经济新闻
2025-01-07 10:48:15
为什么越来越多的商场一楼没有厕所了?

为什么越来越多的商场一楼没有厕所了?

中国新闻周刊
2025-02-02 22:03:43
15岁Kimi正面首曝光,嘴唇很厚疑腺样体肥大,只有眼睛像林志颖!

15岁Kimi正面首曝光,嘴唇很厚疑腺样体肥大,只有眼睛像林志颖!

古希腊掌管月桂的神
2025-02-02 11:39:01
太坑!被背叛+无缘3.45亿,损失1.16亿,东契奇怒了,通通取关

太坑!被背叛+无缘3.45亿,损失1.16亿,东契奇怒了,通通取关

球童无忌
2025-02-03 12:49:31
微软明确立场:删除通过修改注册表绕过硬件限制升级Win11的文档

微软明确立场:删除通过修改注册表绕过硬件限制升级Win11的文档

IT之家
2025-02-03 13:14:05
林徽因落选的国徽方案,网友看后感叹:审美确实一绝,但真不合适

林徽因落选的国徽方案,网友看后感叹:审美确实一绝,但真不合适

阿凫爱吐槽
2025-01-29 15:08:40
这才是真正的射雕英雄传,徐克根本不敢拍

这才是真正的射雕英雄传,徐克根本不敢拍

秋日么么茶
2025-02-03 18:39:15
春节档6大名场面:姬发的胸,殷郊的头,郭靖的手,敖丙的爹!

春节档6大名场面:姬发的胸,殷郊的头,郭靖的手,敖丙的爹!

古希腊掌管月桂的神
2025-01-31 22:31:12
大S追悼会将在日本举办!圈内好友将前往,圈内人来不及打疫苗!

大S追悼会将在日本举办!圈内好友将前往,圈内人来不及打疫苗!

祝晓塬
2025-02-03 16:16:23
反转来了?朝鲜特种部队被传全部撤出之际,乌方却给出不同的说法

反转来了?朝鲜特种部队被传全部撤出之际,乌方却给出不同的说法

历史看阿敞
2025-02-03 13:36:30
英媒:特朗普称不排除向英国加征关税可能性之际,英方表态

英媒:特朗普称不排除向英国加征关税可能性之际,英方表态

环球网资讯
2025-02-03 19:18:14
四川:十年前爷爷把茅台埋地里,等升值!今年挖出来包装都烂了!

四川:十年前爷爷把茅台埋地里,等升值!今年挖出来包装都烂了!

喜欢农家生活的阿律
2025-02-03 15:57:11
把儿子养废才明白:最愚蠢的教育,是父母“没威信”,孩子成霸王

把儿子养废才明白:最愚蠢的教育,是父母“没威信”,孩子成霸王

落叶玫瑰
2024-08-17 14:01:23
从大S离世,看极化的舆论场

从大S离世,看极化的舆论场

卢诗翰
2025-02-03 16:03:00
2025-02-03 21:59:00
量子位 incentive-icons
量子位
追踪人工智能动态
9980文章数 175902关注度
往期回顾 全部

科技要闻

狂飙!比亚迪大爆发,1月销量超30万辆

头条要闻

副书记、副所长、工作人员上班时间赌博 被当场查获

体育要闻

不再Stay Humble,阿森纳打崩了曼城

娱乐要闻

导游曝大S离世过程!曾2次急救车送医

财经要闻

一场史诗级贸易战,就此开打了

汽车要闻

10万元级无图智驾 悦也PLUS全路况实测

态度原创

时尚
本地
数码
旅游
军事航空

中年女人穿“羽绒服”,必须牢记这三点,才能穿得时髦又显瘦

本地新闻

非遗版春节|来西沱古镇,晒土家新年

数码要闻

英伟达称 Reflex 2 低延迟技术初期仅支持 RTX 50 系显卡

旅游要闻

在航班座位下捡到鞭炮?机场回应

军事要闻

美黑鹰撞机女飞行员曾是拜登社交助理