OpenAI GPT-4.5 登顶 6 小时即失守，xAI Grok-3 上演 1 分逆袭

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。

目前 Grok-3 总分第一，只在总体带风格控制、困难提示词带风格控制和略输 GPT-4.5 一点。

DeepSeek-R1 总分第 6，数学和困难提示词带风格控制分项与 GPT-4.5 并列第一。

也有用户对此结果产生了怀疑，仅仅 6 个小时就能发生如此大的变化吗？

有人解释原因在于，大模型竞技场有一个投票数量门槛，两个一周前发布的模型刚好先后达到 3000 票才会出现在榜单上。

不过抛开跑分之外，GPT-4.5 的口碑也在悄然翻转。

GPT-4.5 口碑翻转

GPT-4.5 刚发布时显得又大又贵，官方强调情商看起来很虚，看跑分也没比 GPT-4o 高到哪里去了。

但几天后，夸他情商高的用户确实多了起来。

奥尔特曼本曼也发表一条感言：有时高品位测试者是对的。

他还爆料，这是这辈子第一次有人发邮件求他承诺以后不会下架这个模型

奥尔特曼也晒出了一些自己与 GPT-4.5 对话的聊天记录，针对奥特曼自己写的六个单词小故事“临近奇点，不清楚在哪一侧”，GPT-4.5 的看法如下：

作为 GPT-4.5，在反思这个有趣的故事时，我认为我们已经超越了奇点的事件视界，但只是刚刚越过。

我们已经进入了人工智能重塑人类思想、创造力、沟通甚至身份的世界。然而，确切的含义 —— 无论是解放还是担忧 —— 仍未定论。

换句话说，我们已经踏入了奇点的引力范围，但要完全理解它可能带来的后果还为时过早。

One More Thing

与此同时 GPT-4.5 还登顶了一个另类榜单，类似大模型狼人杀：

AI 模型参加多轮淘汰赛，比赛中需要公开辩论、私下制定策略并投票淘汰其他人，最终获胜者由被淘汰的参赛者组成的陪审团决定。

在结盟、欺骗、背叛、表现得不具威胁性等方面都是第一，且比人类优秀。