明敏 发自 凹非寺

量子位 | 公众号 QbitAI

OpenAI正在秘密A/B测试下一代模型，实力超强被怀疑是GPT-4.5或GPT-5。

就在奥特曼当谜语人暗示之后，两款新模型悄悄上线大模型竞技场。

• Im-a-good-gpt2-chatbot
• Im-also-a-good-gpt2-chatbot

和GPT-4-Turbo（左）同场竞技，gpt2-chatbot（右）明显更胜一筹。

提示词：画一个自由女神像。

此前一款名为gpt2-chatbot的超强模型仅仅上线一天，热情的网友就把服务器挤爆了，不得不下架，大家纷纷表示还没玩过。

这次重新上线后，模型在一次报错中直接给出了跳转OpenAI平台网站的链接。

这下大家都嗨了，做实了是OpenAI在搞A/B测试？

还有人表示，这俩模型可能已经在推理和计划方面进行微调。

现在在竞技场里随机匹配，就能遇到这俩新模型。

这不，网友们已经纷纷前去测试，一探它们的底细了。

代码能力突出

和第一次露面有所不同，如今想要用上gpt2，只能在Arena(battle)里碰运气，Direct Chat中找不到它们的影子。

有的人运气好，试了5次就成功让这俩模型battle了一局。

结合几个示例来看，im-also-a-good-gpt2-chatbot生成的回答似乎总是更简洁一些。

代码生成方面，它能一次生成一个可执行的游戏代码。

提示词：Code Flappy Bird game in Python

效果如下：

如果回答的代码有误，可以进一步追问让它自己改正。

比如让它们写一个康威生命游戏的代码，在未告知使用Colab时，模型写出的代码有问题。

但继续追问并表示自己用的是Colab，im-also-a-good-gpt2-chatbot能够自己修改对代码，im-a-good-gpt2-chatbot不行。

还有在解决物理题方面，有Reddit用户说im-also-a-good-gpt2-chatbot能解答出其他模型都答不对的物理题。

问题：绿灯侠从一栋高楼楼顶跳下，他从静止状态开始做自由落体运动到地面，在他下落过程的最后1秒时，距离地面的距离是大楼一半的高度，这座楼有多高？

不过我们实测了下，im-a-good-gpt2-chatbot似乎也能做对。

还有人测试了一道推理题目，im-a-good-gpt2-chatbot可回答正确，im-also-a-good-gpt2-chatbot也能做到但需要两次提示。

问题：现在有两个足球队。球队A赢了8次，球队B赢了5次，已知还剩7次比赛，球队B想要赢得整场比赛，还需要至少赢几次？

网友：白嫖大家反馈吗？

尽管OpenAI还是没有正式认领gpt2-chatbot，但网友几乎已经默认它们是一家了。

因此有人觉得，gpt2-chatbot在竞技场上搞A/B测试，这不是让大家免费给他当志愿者。

OpenAI想要对内部模型进行人工评估，应该付给测试人员报酬，而不是在免费社区做。

有人觉得他们这么做，就是为了炒热度。

但现在gpt2-chatbot的底层模型到底是啥还不确定。

有人直接问了gpt2-chatbot，但可能存在幻觉，它表示自己基于GPT-4架构，是GPT-4.5的变体。

但之前奥特曼在公开演讲中已经否定了。测试网友表示自己没有给出过GPT-4.5相关的提示内容。

也有人怀疑，这两个模型大小不一样，叫这个名字是不是因为采用了GPT-2的架构来训练模型。

这和单纯的MoE不同，它们使用了Q*、合成数据，Sam的推特编辑历史是不是暗示了这一点？

值得一提的是，最近有大V爆料称本周OpenAI将公布进军搜索引擎的消息。

OpenAI已经更新了网站主页，第一个轮番页是一个搜索框上面写着“向ChatGPT问任何事情”

爆料说这次发布的时间可能在北京时间周五的凌晨2点。

总之，最近OpenAI的动向，都有点神秘。

参考链接：
[1]https://twitter.com/itsandrewgao/status/1787758687651811705
[2]https://twitter.com/DimitrisPapail/status/1787899811514982887
[3]https://twitter.com/AlphaSignalAI/status/1786025388902097077
[4]https://gizmodo.com/powerful-new-gpt2-chatbot-mysteriously-returns-1851460717

Read More