GPT-5大提升，o3对抗赛夺冠，但OpenAI越来越难让人惊艳了？,gpt3介绍
（文/观察者网 张广凯 编辑/吕栋）
尽管大模型的能力仍然在快速进步，但其进步幅度越来越难以给人带了惊艳感了。这不是OpenAI自己的问题，甚至某种意义上，这也不是一件坏事，因为是之前人们的预期已经被拉到过高。但无论如何，在现有的算法范式下，AI大模型或许也离瓶颈越来越近了。
作为OpenAI今年最受期待又屡屡跳票的重磅产品，ChatGPT-5今天的确给出了一些颇具说服力的测评数据，证明其推理能力有着显著进步。
编程方面，GPT-5在SWE-bench Verified上得到74.9分，高于o3的69.1和4o的30.8分。
多模态方面，GPT-5得到84.2分，比o3的82.9分有小幅提升。
高难度的Humanity's Last Exam（人性终极测试）上，GPT-5 Pro和GPT-5在不调用工具时分别得到30.7和24.8分，较o3的14.7分大幅提升。
大模型竞技场LM Arena的评分也已经出炉，GPT-5横扫所有单项的第一名。
但另人尴尬的是，在发布会后，网友迅速发现GPT-5在解一道极其简单的方程时又犯了计算错误：
看起来，GPT-5还是没能解决小数比大小的问题。
而OpenAI发布会PPT里的小瑕疵，也引起了网友热议。大家发现在这张图表里，柱状图的高度出现了明显错误，但并不知道这是人为错误还是由AI生成。
有网友指出，在关于机翼升力原理的回答中，GPT-5也引用了一个广为流传的错误观点。当然，这样的问题归咎于AI未免过于苛刻。
马斯克则“嘴硬”称，Grok 4在ARC-AGI测试中仍然打败了GPT-5。
那么，如何评价GPT-5的真实水平，或许日前的大模型国际象棋对抗赛恰好给我们提供了一个很好的参考。
例如在第一局中，Grok 4莫名其妙地放弃了自己的象，并且没有获得任何明显的回报，而Grok 4也并未在推理中说明理由。
o3尽管表现相对出色，在昨天的半决赛中还下出过正确率评分100%的棋局，但纵观整个比赛过程，也不乏低级失误。
事实上，如果只纠结于下棋或者作诗的技能水平，说明并未理解谷歌采用这种比赛形式的逻辑。
此次国际象棋比赛的意义，并非考验大模型的算力，而是考验其推理能力。
上述无工具的数学测试，起到的也是类似作用：考验AI用人类逻辑进行计算的能力，而不是使用专门的机器算法。
因为无论是AlphaGo也好，还是计算工具也好，这样的AI在特定任务中无比强大，但是却毫无泛化性，不能解决任何其它问题。只有使用人类逻辑推理的模型，才能在人类世界中拥有最好的泛化性。
而在这个维度上，我们可以看到，无论是o3、Grok 4，还是最新升级的GPT-5，哪怕他们大部分时间都能够解决复杂问题，但也还会犯下对人类来说的低级错误。这是现有的Next Token Predicting范式下仍然难以完全克服的问题，也说明它们或许离AGI的最终形态还有遥远距离。
OpenAI显然也不再希望把外界的胃口掉得过高。在本次发布会上，我们可以看到OpenAI花了更多时间介绍GPT-5在垂直场景应用的能力，例如生成小游戏、回答健康问题的能力，这都是为了让AI与人类更好地共存与协作。
2、重塑尊严：制造业普工用工困局的系统破解之道,制造业用工状况调查
3、逊克口岸迎来20吨俄罗斯淡水鱼 冷链物流破局拓开中俄贸易新通路此次俄罗斯淡水鱼的成功入境逊克口岸，不仅为黑龙江地区水产品市场注入了新活力，更成为中俄边境贸易便利化发展的生动注脚。