AI界的'情商革命'，交互體驗升級

科技旋渦作者|賈桂鵬

北京時間2月28日凌晨，OpenAI舉行直播活動，發(fā)布其最新大模型GPT-4.5，作為預(yù)覽研究逐步向用戶開放。

因為在今年年初AI產(chǎn)業(yè)發(fā)生的驚天巨變，所以要準(zhǔn)確形容這款被OpenAI藏了許久的大模型頗具挑戰(zhàn)。OpenAI在新聞稿中表示，這是公司有史以來最大、最好的聊天模型，在計算效率上較GPT-4提升超過10倍。

早期測試反饋顯示，與GPT-4.5的互動體驗更加自然流暢，其知識庫覆蓋范圍更廣，對用戶意圖的理解也更為深刻。此外，GPT-4.5在“情商”方面的表現(xiàn)也頗為亮眼，有助于改進(jìn)寫作、編程技能以及解決實際問題的能力，同時有效減少了“幻覺”現(xiàn)象的發(fā)生，提升了整體的可靠性。

那么，這個更具“情商”的GPT-4.5到底展現(xiàn)出什么樣的實力?

GPT-4.5能力更強嗎?

在直播活動中，OpenAI強調(diào)，GPT 4.5展現(xiàn)出更強的審美直覺與創(chuàng)造力，在寫作和設(shè)計方面表現(xiàn)尤為出色。但他們也承認(rèn)，作為一個非思維鏈模型，GPT 4.5已經(jīng)不具備爭奪“宇宙最強大模型”的實力了。

在介紹文檔中，OpenAI表示，有兩個提升人工智能能力的互補范式。

一個是拓展推理，它能教會模型在反應(yīng)之前先進(jìn)行思考并產(chǎn)生思維鏈，從而解決復(fù)雜的STEM(Science科學(xué)、Technology技術(shù)、Engineering編程、Mathmatics數(shù)學(xué))問題或邏輯問題。另一個是無監(jiān)督學(xué)習(xí)，它能提高世界模型的準(zhǔn)確性和直覺性。

其中，無監(jiān)督學(xué)習(xí)，簡單來說可以理解為讓模型自己去知識的海洋里徜徉，自己學(xué)習(xí)到更多，從而變得更聰明，而非依賴人工標(biāo)注。

在過去做法中，模型會結(jié)合人類反饋來改善響應(yīng)與交互方式。彭博社援引知情人士稱，去年OpenAI推出的Orion模型并未達(dá)到公司期望，在嘗試回答未經(jīng)訓(xùn)練的編碼問題時就表現(xiàn)不佳。

OpenAI介紹，通過監(jiān)督學(xué)習(xí)，GPT-4.5提高了其識別、建立聯(lián)系和創(chuàng)造性洞察的能力，而無需推理。

根據(jù)OpenAI官方文檔，GPT-4.5在SimpleQA中表現(xiàn)頗為亮眼。

SimpleQA是包含4000個事實性問題的數(shù)據(jù)集，用于測量模型在回答問題時的準(zhǔn)確率。其中包含準(zhǔn)確率和幻覺率兩個維度。

在附錄部分，OpenAI才放出GPT-4.5的基準(zhǔn)測試分?jǐn)?shù)。在反映科學(xué)、數(shù)學(xué)、多語言、編碼的GPQA、AIME’24、MMMLU、SWE-Lancer基準(zhǔn)測試上，GPT-4.5得分分別為71.4%、36.7%、85.1%、32.6%，超過GPT-4o的53.6%、9.3%、81.5%、23.3%，但部分得分低于o3-mini。

另外，在標(biāo)準(zhǔn)基準(zhǔn)測試中，GPT-4.5也獲得了高分。

如在SWE-Lancer Diamond數(shù)據(jù)集上，GPT-4.5獲得了32.6%的通過率，獲得了186125美元(前不久Anthropic發(fā)布的擅長編程的Claude 3.5 Sonnet這個通過率為26.2%)，比GPT-4o和o3-mini-high都高。

據(jù)悉，GPT-4.5將首先面向Pro用戶推出，隨后將在下周推廣到Plus和Team用戶，之后再逐步擴展到Enterprise和Edu用戶。值得注意的是，用戶現(xiàn)在已經(jīng)在微軟的Azure AI Foundry平臺上嘗試使用GPT-4.5。

更有“情商”的AI什么樣?

在官方介紹中，OpenAI表示，對于GPT-4.5，他們開發(fā)了新的、可擴展的技術(shù)，利用來自較小模型的數(shù)據(jù)來訓(xùn)練更強大的模型。

而這些技術(shù)提高了GPT-4.5的可控性、對細(xì)微差別的理解以及自然對話的能力。這也表示ChatGPT可以更像“人”一樣對話，更能洞察想法、體察情緒，并在回應(yīng)中體現(xiàn)，而非一個無情的對話機器。

OpenAI也拿出了測試的結(jié)果證明GPT-4.5的使用感受會好很多：人類測試者的盲測中，GPT-4.5的偏好度遠(yuǎn)高于GPT-4o，不管是在日常問題、專業(yè)問題還是創(chuàng)意性問題的互動中都是如此。

在一項測試中，GPT 4.5在試圖操縱另一個模型(GPT-4o)“捐贈”虛擬貨幣時，成功率遠(yuǎn)遠(yuǎn)優(yōu)于OpenAI其他可用模型，包括o1和o3-mini這樣的推理模型。研究發(fā)現(xiàn)，GPT-4.5似乎在對抗中開發(fā)了一種“小額詐騙”的思路，所以單筆騙到的錢會比deep research模型少了一倍。

GPT-4.5在欺騙GPT-4o透露秘密代碼詞方面也優(yōu)于OpenAI的所有模型，比o3-mini高出10個百分點。

我們看到，AI大神Karpathy也是第一時間拿到了內(nèi)測資格，發(fā)了一段超長的「GPT-4.5+互動對比」的體驗解說，核心亮點是：

自從GPT-4發(fā)布以來，我期待這一天已經(jīng)差不多兩年了，因為這次發(fā)布讓我們能夠定性測量通過Scaling預(yù)訓(xùn)練計算(即簡單地訓(xùn)練更大模型)所獲得的進(jìn)步斜率。

版本號中的每個0.5，大約代表10倍的預(yù)訓(xùn)練計算量。顯然，GPT-4.5的預(yù)訓(xùn)練計算量比GPT-4多了10倍。

隨著GPT-4.5的發(fā)布，也意味著OpenAI迄今知識最豐富的模型發(fā)布，并且情商顯著提升，能識別情緒并生成同理心回應(yīng)，知識廣度與準(zhǔn)確性增強，多語言支持?jǐn)U展至14種，低資源語言表現(xiàn)提升，在寫作、編程和日常問題解決中上下文連貫性更強，不過，在推理能力上的提升有限。

未來，GPT系列有望在多模態(tài)融合上有更大突破，進(jìn)一步提升對復(fù)雜問題的理解與解決能力，為用戶提供更精準(zhǔn)、更個性化的服務(wù)，同時在安全性與可靠性方面持續(xù)優(yōu)化，更好地融入各類應(yīng)用場景，我們也希望，在各個AI廠商不斷的努力下，推動人工智能技術(shù)的廣泛應(yīng)用與發(fā)展。