哈嘍，大家好，小圓這篇評(píng)論就來(lái)跟大家聊聊最近AI圈的大瓜，OpenAI剛放出的GPT-5.2，前腳剛因“吊打”谷歌Gemini 3.0 Pro出盡風(fēng)頭，后腳就被曝疑似“作弊”。

核心槽點(diǎn)很直接：它在關(guān)鍵測(cè)試?yán)镉昧诉h(yuǎn)超對(duì)手的token數(shù)量才刷出高分，不少網(wǎng)友直言這贏了也不光彩，那么這場(chǎng)看似精彩的AI對(duì)決，到底藏著多少門道？

事情的導(dǎo)火索是一位用戶的精細(xì)計(jì)算，直接戳穿了GPT-5.2高分背后的貓膩，用遠(yuǎn)超對(duì)手的token消耗換回來(lái)的高分，到底算不算真本事？在AI領(lǐng)域，token相當(dāng)于模型的“思考字?jǐn)?shù)”，消耗越多意味著動(dòng)用的算力和資源越多，成本也隨之飆升。

最直觀的對(duì)比來(lái)自ARC AGI 2測(cè)試，這是AI圈公認(rèn)的硬核評(píng)測(cè)標(biāo)準(zhǔn)，數(shù)據(jù)顯示，GPT-5.2的xhigh版本拿到了52.9%的得分，看似亮眼，但每個(gè)任務(wù)要消耗約13.5萬(wàn)個(gè)token；而谷歌Gemini 3.0 Pro只用6.7萬(wàn)token就取得了相近成績(jī)，效率整整高出一倍。

更關(guān)鍵的是，把算力投入標(biāo)準(zhǔn)化后會(huì)發(fā)現(xiàn)，兩個(gè)模型的真實(shí)能力其實(shí)難分伯仲。甚至在HLE、MMMU-Pro等多個(gè)測(cè)試中，GPT-5.2用了更多token還表現(xiàn)不佳，只有在OpenAI自家創(chuàng)建的GDPVal測(cè)試集里優(yōu)勢(shì)明顯，既當(dāng)裁判又當(dāng)運(yùn)動(dòng)員，這樣的結(jié)果客觀性難免讓人打問(wèn)號(hào)。

GPT-5.2的爭(zhēng)議，其實(shí)暴露了AI評(píng)測(cè)圈的一個(gè)深層困境：榜單早已不是單純的技術(shù)比拼，反而成了各家廠商的“定向優(yōu)化賽場(chǎng)”，OpenAI前高管Ilya早就說(shuō)過(guò)，現(xiàn)在的大模型基本都在為榜單量身優(yōu)化，結(jié)果水分很大，這話在業(yè)內(nèi)其實(shí)是共識(shí)。

不止OpenAI，谷歌也有類似操作，在谷歌自家推出的FACTS Benchmark測(cè)試中，Gemini 2.5 Pro曾“超越”GPT-5，這個(gè)結(jié)果同樣沒(méi)人敢全信，就連相對(duì)中立的SWE軟件工程評(píng)測(cè)，情況也很復(fù)雜，不同模型在不同任務(wù)上各有優(yōu)劣，根本沒(méi)有哪個(gè)能全面領(lǐng)先。

出現(xiàn)這種亂象核心還是利益驅(qū)動(dòng)，隨著AI技術(shù)商業(yè)化加速，一份漂亮的榜單成績(jī)直接關(guān)系到企業(yè)估值、融資和用戶信任，為了在競(jìng)爭(zhēng)中占優(yōu)，各家自然會(huì)往對(duì)自己有利的方向調(diào)整測(cè)試參數(shù)，甚至定制測(cè)試集，這種“軍備競(jìng)賽”其實(shí)偏離了AI發(fā)展的初衷。

OpenAI變了味？對(duì)普通用戶來(lái)說(shuō)，榜單分?jǐn)?shù)再好看，不如實(shí)際用著順手，但GPT-5.2的用戶體驗(yàn)，卻和評(píng)測(cè)成績(jī)形成了鮮明反差。有網(wǎng)友說(shuō)它檢查代碼時(shí)“幻覺(jué)”嚴(yán)重，連自己寫的函數(shù)都理解不了；還有人吐槽它像把成年人當(dāng)學(xué)齡前兒童對(duì)待，體驗(yàn)反而不如老版本GPT-4o。

今年9月發(fā)布的《全球用戶如何使用ChatGPT》報(bào)告，通篇都在講AI如何提升效率、創(chuàng)造價(jià)值，卻對(duì)“AI替代就業(yè)”等敏感問(wèn)題避而不談，這種轉(zhuǎn)向直接導(dǎo)致核心研究員流失。經(jīng)濟(jì)研究骨干Tom Cunningham離職時(shí)直言，團(tuán)隊(duì)從嚴(yán)謹(jǐn)?shù)膶W(xué)術(shù)研究淪為“公司宣傳部門”。

探討AI負(fù)面影響的課題要么被要求軟化措辭，要么被擱置；前安全研究員更是公開(kāi)指出ChatGPT可能引發(fā)的用戶心理風(fēng)險(xiǎn)，反觀競(jìng)爭(zhēng)對(duì)手Anthropic，CEO還敢公開(kāi)預(yù)警AI對(duì)初級(jí)白領(lǐng)的替代風(fēng)險(xiǎn)，雖然可能有博取監(jiān)管關(guān)注的成分，但相比OpenAI的沉默，至少保留了對(duì)風(fēng)險(xiǎn)的敬畏。

OpenAI的轉(zhuǎn)變其實(shí)不難理解，畢竟它正沖刺萬(wàn)億美元估值和IPO，背后還有微軟等投資方的利益綁定，“誠(chéng)實(shí)”在巨大的商業(yè)利益面前，確實(shí)成了奢侈品。但企業(yè)要長(zhǎng)久發(fā)展，終究不能只靠榜單和營(yíng)銷，用戶體驗(yàn)和社會(huì)責(zé)任才是根基。

GPT-5.2的“作弊”爭(zhēng)議，與其說(shuō)是一次孤立事件，不如說(shuō)是AI行業(yè)商業(yè)化進(jìn)程中的一次“成長(zhǎng)陣痛”。token刷分、榜單優(yōu)化、商業(yè)與學(xué)術(shù)的失衡，這些問(wèn)題其實(shí)都在提醒我們：AI的價(jià)值從來(lái)不是靠分?jǐn)?shù)定義，而是看它能否真正解決用戶的實(shí)際問(wèn)題。

小圓覺(jué)得，行業(yè)競(jìng)爭(zhēng)終究要回歸理性，對(duì)企業(yè)來(lái)說(shuō)，與其在榜單上鉆空子，不如把資源投入到減少“幻覺(jué)”、提升效率、降低成本等用戶真正關(guān)心的方向。

對(duì)用戶而言，也不必被單一榜單綁架，實(shí)際體驗(yàn)才是檢驗(yàn)技術(shù)的最終標(biāo)準(zhǔn)，AI技術(shù)的發(fā)展需要速度，但更需要溫度和誠(chéng)意，只有兼顧技術(shù)進(jìn)步、商業(yè)利益和社會(huì)責(zé)任，才能走得更遠(yuǎn)。畢竟，真正的AI強(qiáng)者，從來(lái)不需要靠“刷分”證明自己。