一头大象难倒ChatGPT，Grok 3完美通关
一头大象难倒ChatGPT，Grok 3完美通关ChatGPT新Bug引热议：无法画出“有0头大象的房间”。
来自主题: AI资讯
6034 点击 2025-03-05 14:41
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
ChatGPT新Bug引热议：无法画出“有0头大象的房间”。
在知名AI排行榜LM Arena中，曾全班垫底的GPT-4.5竟一度拿下第一？甚至在数学、编程等领域表现优异，这反常的表现让网友们一度质疑：大模型竞技场莫非被LLM操纵了？不过网友们在实测后却惊讶发现，GPT-4.5的确情商爆表，不用推理就能理解人类的深层意图！
说真的，dify除了知识库以外，其他大部分功能体验都比fastgpt要好。而fastgpt的知识库效果是公认的好（以下是某群 群友的评价~）不过我想： 如果能把dify和fastgpt结合，且不妙哉？
恰巧那段时间，他开始使用OpenAI的人工智能聊天工具ChatGPT，主要是捣鼓点购物清单，让它帮忙做做预算什么的。它能帮忙写讣闻吗？金开始给ChatGPT发送一些祖母的人生经历——她在护士的岗位上干到退休、热爱保龄球、儿孙满堂等等——并要求它据此写一篇讣告。
要知道，过去几年，各种通用评测逐渐同质化，越来越难以评估模型真实能力。GPQA、MMLU-pro、MMLU等流行基准，各家模型出街时人手一份，但局限性也开始暴露，比如覆盖范围狭窄（通常不足 50 个学科），不含长尾知识；缺乏足够挑战性和区分度，比如 GPT-4o 在 MMLU-Pro 上准确率飙到 92.3%。
基础模型竞争又紧张刺激起来了！GPT-4.5刚登顶竞技场且全任务分类第一名，6小时后总榜就被马斯克的新版Grok-3反超。两者都是获得3000+票数，总分1412：1411只差一分。
Karpathy发出灵魂拷问，评估AI究竟该看哪些指标？答案或许就藏在经典游戏里！最近，加州大学圣迭戈分校Hao AI Lab用超级马里奥等评测AI智能体，Claude 3.7结果令人瞠目结舌。
通过Deepseek、ChatGPT、Gemini等大模型说出来的话，不少没有辨别能力的小伙伴就会默认是公道与正确的。其实是未必。1.Deepseek、ChatGPT、Gemini等联网搜索的结果与规则还在完善；
DeepSeek和xAI相继用R1和Grok-3证明：预训练Scaling Law不是OpenAI的护城河。将来95%的算力将用在推理，而不是现在的训练和推理各50%。OpenAI前途不明，生死难料！
2025年开年，全球AI战场硝烟弥漫。 ChatGPT悄然迭代至GPT-6，在DeepSeek横空出世、在多领域大展拳脚后，马斯克旗下的人工智能公司紧随其后重磅发布了Grok 3系列模型。