凌晨4点，OpenAI的GPT4.5专场直播，终于姗姗来迟。2023年3月15日，GPT4发布，要多惊艳有多惊艳，那时候，所有人都是统一的一句话：卧槽，太强了。然后从2023年年末开始，整个行业都在预期下一代GPT模型要在2024年的年初发布。果等了整整一年，多模态4o来了，全新的推理模型o1来了，可下一代GPT基座模型却迟迟没有身影。在发布的规格上，也是着实有点惨淡，甚至连奥特曼都没来。更没有GPT4和GPT4o那种秀上天的演示。只有跟去年十二天专场直播一样，一个朴实无华的小房间。突然想起当年GPT4刚发布时，布罗克曼那一段惊艳的多模态实机演示，给我带来了真的不小的震撼。在本子上画了一个网站的草稿，拍照给了GPT-4，然后前端界面就做好了，带了HTML的代码。看着好像都比4o强一些，但是我发现一个很诡异的事情，因为AIME 2024那个基准，我测过kimi1.5、智谱的zero等等，所以记的比较熟。在这个评测里，AIME2024几个模型的得分分别为：GPT4.5：36.7%，GPT4o：9.3%，o3-mini（high）：87.3%。03-mini（high）的数据是没问题的，跟之前发布o3-mini的时候得分一致。
但是在o1发布的时候，我明明记得，对比图里的4o的AIME2024的得分，是13.4啊。怎么今天这发了个GPT4.5，GPT4o的评分还能掉4个点的，这也太抽象了。。。第一个是准确度，第二个幻觉率，有一说一，这块确实不错，至少是OpenAI家最准的模型了。他们自己列了一个还算比较好玩的题，让GPT-1到GPT-4.5全都答了一遍，这个世纪问题是这样的：
而GPT4.5，终于会诚实的告诉你，我不知道了，这是一个未解之谜。
至于代码这块，本身也不是推理模型，所以也并没有指望特别多强。
不过根据三方的基准测试，就纯能力上，看着还行，打不过Claude 3.7Sonnet也正常，再怎么说那也是Claude。X上有大佬也测了下那个经典的物理小球case，效果挺不错的。
但是，还有一点是不得不提的，就是抛开成本谈能力，那就是耍流氓。GPT-4.5的价格，在我第一次看到的时候，我以为我眼睛出问题了。
每百万输入是75刀，每百万输出是150刀，哥，Claude 3.7百万输入才3美刀，百万输出才15美刀。
我都不想拿DeepSeek跟你比，都是非推理模型，DeepSeek v3的价格你知道多少吗。人百万输入人民币2块钱，相当于0.27美刀，输出是8块钱，相当于1.1美刀。输入是DeepSeek v3的280倍，输出是150倍，不是，我真的不理解啊。
目前，GPT-4.5已经对200刀的Pro会员开放，预计这几天就对Plus和Team用户开放。我自然也是第一时间拿到了GPT-4.5的体验资格。目前识图、搜索、画布啥的都支持，但是4o的语音、视频、共享屏幕啥的都没有，算是个退步。而且有BUG，就是在问一些史实性的问题的时候，我明明没开搜索，非要给我强制开搜索去回答，就非常的离谱。
相比于4o，他们所说的情商能力，确实有了一些进步。比如这个问题：朋友总是爽约，我想发短信表达愤怒但又不想绝交，我该怎么回复他。如果是4o的回答，就会很der比，一股子没脑子没情商的人机味。然后我又问了一个小小的逻辑问题，GPT-4o能理解。GPT-4.5直接懵逼了，一直在理解情绪，这情商高的把智商干没了？然后就是写作能力了，我自己测了几个常用的写作故事case，感觉...好像也不是那么尽人意，而且超级慢，慢的我想吐，感觉回到了GPT-4的年代了，一个字一个字的往外面蹦跶。
我都不说跟Claude 3.7和Grok3还有R1比，我真的觉得，还不如前段时间迭代后的GPT4o写的好，真的稀碎。。。
坦率的讲，对OpenAI期待有多大，失望就有多大。
就现在的状况，我觉得你永远可以相信DeepSeek。未来GPT-5是整合了o3的模型，也是混合模型了。你但凡慢一点，或者停下，身边的竞争者，就会呼啸而过。 |
