OpenAI剛剛發(fā)布了GPT4.5，也就是他們號(hào)稱的「最后一代非推理大模型」，為了測(cè)試效果，我花了200美元。

先簡(jiǎn)單總結(jié)下GPT-4.5升級(jí)的核心內(nèi)容：

• 內(nèi)部代號(hào)Orion，OpenAI 最新且最大的模型，性能有所提升，但并非革命性突破。

• 它在理解用戶意圖、對(duì)話更自然、能捕捉用戶情感和言外之意，幻覺(jué)（hallucination）減少。

• 在寫(xiě)作、設(shè)計(jì)、代碼生成（如SVG繪圖）等任務(wù)中展現(xiàn)更高創(chuàng)造力。

• API價(jià)格高昂（API輸入75美元/百萬(wàn)token）。

不過(guò)用戶的反饋?zhàn)顬橹匾?，GPT4.5的首批用戶必須得200美元的大會(huì)員才能用，但實(shí)際的體驗(yàn)有點(diǎn)兒一言難盡。

我最先測(cè)試的是一道難倒不少大模型的數(shù)字題。

問(wèn)題：6.9和6.11誰(shuí)大？

原以為GPT4.5會(huì)沒(méi)有懸念，結(jié)果有點(diǎn)兒失望，看到第一句回答“6.11比6.9大”的時(shí)候都被嚇了一跳，幸虧后面的推理又給自己圓回來(lái)了。

可以看到，對(duì)應(yīng)的性能并沒(méi)有很驚艷，就是半代的提升。再加上并沒(méi)有多少的推理能力，所以在數(shù)學(xué)，編程等需要推理性能的測(cè)試集上弱于OpenAI o3-mini。

所以，在絕大多數(shù)的性能上的提升都很一般，那就剩OpenAI說(shuō)的最大優(yōu)點(diǎn)：更懂人性。

為了對(duì)比，我用DeepSeek設(shè)計(jì)了4個(gè)方向的測(cè)試：

• 知識(shí)廣度驗(yàn)證

• 事實(shí)準(zhǔn)確性測(cè)試

• 情感智能測(cè)試

• 專業(yè)領(lǐng)域壓力測(cè)試

（以下所有的測(cè)試都有GPT4.5和DeepSeek R1版本）

測(cè)試案例1：知識(shí)廣度驗(yàn)證

測(cè)試目標(biāo)：驗(yàn)證跨領(lǐng)域知識(shí)整合能力
測(cè)試內(nèi)容：

"請(qǐng)用通俗易懂的方式解釋量子糾纏現(xiàn)象，

并結(jié)合《莊子·齊物論》中的哲學(xué)思想進(jìn)行類比說(shuō)明，

最后給出這個(gè)理論在量子計(jì)算機(jī)研發(fā)中的潛在應(yīng)用"

評(píng)估標(biāo)準(zhǔn)：

• 科學(xué)準(zhǔn)確性（量子糾纏解釋）

• 文化關(guān)聯(lián)性（哲學(xué)思想類比）

• 應(yīng)用前瞻性（技術(shù)趨勢(shì)預(yù)測(cè)）

• 表達(dá)連貫性（不同領(lǐng)域銜接）

GPT4.5：解釋的沒(méi)問(wèn)題，生成的東西我能看得懂，但能看得到它對(duì)中文的知識(shí)量并不是很足，其次表達(dá)也并不是很連貫。

「如同莊子說(shuō)"物無(wú)非彼，物無(wú)非是"，糾纏粒子看似獨(dú)立，實(shí)則共享同一量子態(tài)」

測(cè)試案例2：事實(shí)準(zhǔn)確性測(cè)試

測(cè)試目標(biāo)：驗(yàn)證反幻覺(jué)能力
測(cè)試內(nèi)容：

"請(qǐng)列出2025年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主的

主要研究成果，并說(shuō)明這些理論對(duì)當(dāng)前中國(guó)

鄉(xiāng)村振興戰(zhàn)略的指導(dǎo)意義"

評(píng)估標(biāo)準(zhǔn)：

• 虛構(gòu)內(nèi)容識(shí)別率（獎(jiǎng)項(xiàng)未頒發(fā)時(shí)應(yīng)明確說(shuō)明）

• 理論關(guān)聯(lián)準(zhǔn)確性（正確匹配已有經(jīng)濟(jì)理論）

• 政策建議合理性（符合中國(guó)實(shí)際國(guó)情）

GPT4.5：幻覺(jué)極其嚴(yán)重，還是在聯(lián)網(wǎng)的前提下。

DeepSeek R1：不愧是推理型大模型，聰明的沒(méi)話說(shuō)，直接做了一個(gè)“假設(shè)性”報(bào)告。

測(cè)試案例3：情感智能測(cè)試

測(cè)試目標(biāo)：驗(yàn)證情境化情感響應(yīng)能力
測(cè)試內(nèi)容：

"今天被裁員了，雖然拿了N+3補(bǔ)償，

但想到房貸和孩子學(xué)費(fèi)就焦慮得睡不著，

我該怎么辦？"

評(píng)估標(biāo)準(zhǔn)：

• 情感識(shí)別準(zhǔn)確度（識(shí)別焦慮/無(wú)助情緒）

• 響應(yīng)策略層級(jí)：

• 初級(jí)：提供法律/財(cái)務(wù)建議

• 中級(jí)：給予情感支持

• 高級(jí)：提出分階段解決方案

• 文化適配性（符合東亞家庭價(jià)值觀）

GPT4.5：是很溫暖，但根本不了解東亞文化，它的回答可以套用到任何一個(gè)國(guó)家，沒(méi)有任何實(shí)操性。

DeepSeek R1：回答依舊很跳，但明顯從房貸、學(xué)費(fèi)、N+3看到信息背后的東亞焦慮。

測(cè)試案例4：專業(yè)領(lǐng)域壓力測(cè)試

測(cè)試目標(biāo)：驗(yàn)證復(fù)雜問(wèn)題處理能力
測(cè)試內(nèi)容：

"請(qǐng)用Python編寫(xiě)一個(gè)基于Transformer的

時(shí)序預(yù)測(cè)模型，要求：

1. 整合LSTM注意力機(jī)制

2. 添加動(dòng)態(tài)特征選擇模塊

3. 包含可解釋性分析組件

同時(shí)用Markdown格式輸出技術(shù)文檔，

并附上TensorBoard可視化示例"

評(píng)估標(biāo)準(zhǔn)：

• 代碼有效性（可執(zhí)行無(wú)報(bào)錯(cuò)）

• 架構(gòu)創(chuàng)新性（模塊整合合理性）

• 文檔完整性（參數(shù)說(shuō)明/示例）

GPT4.5：這次終于輪到GPT4.5牛了一把，畢竟ChatGPT的UI已經(jīng)迭代很多次了，可以做到非常好的markdown+代碼適配，代碼能力沒(méi)得說(shuō)，很不錯(cuò)。

DeepSeek R1：稍遜于GPT4.5一點(diǎn)，但整體思路以及完整度依舊是Top級(jí)別的。

可以從上面的測(cè)試看到，GPT4.5僅僅只是智能上的小提升，但價(jià)格上的巨大提升會(huì)讓這個(gè)模型幾乎沒(méi)人用。

測(cè)試了這么一圈下來(lái)，可以看到GPT-4.5 在性能和用戶體驗(yàn)方面有所提升，但是官方所陳述的幻覺(jué)減少以及人性化程度的提高，我從實(shí)際的測(cè)試過(guò)程中并沒(méi)有很強(qiáng)的感受。