北京时间凌晨4点钟OpenAI举行一个14分钟左右的直播发布，GPT4.5终于发布了！凌晨4点爬起来第一时间给大家更新，废话不多说，先看看SamAltman的对GPT4.5的感受：
Sam：
GPT-4.5准备好了！
好消息：它是我遇到的第一个感觉像是在和一位有思想的人交谈的模型。我有好几次都向后靠在椅子上，惊讶于竟然能从人工智能那里得到真正的好建议
坏消息：这是一个庞大且昂贵的模型。我们真的想同时向Plus和Pro用户推出它，但我们的用户增长非常迅速，以至于GPU不够用了。我们将在下周增加数万个GPU，然后向Plus用户层推出它。（数十万个即将到来，而且我确信你们会用完我们能部署的每一个。）
这不是我们希望的运营方式，但很难完美预测导致GPU短缺的增长激增。
温馨提示：这并非一个推理模型，也不会在基准测试中表现突出。这是一种不同类型的智能，并且它有一种我以前从未感受过的魔力。真的非常激动能让大家试试它！
是不是觉得泛善可陈？下面我们来看看GPT4.5长什么样子（发布会视频附在文章最后）：
发布会一开始上，OpenAI先展示了一个例子。当用户表达“朋友又取消了我的约会，我太生气了，想发消息骂他”这种负面情绪时，GPT-4.5展现出了惊人的理解能力和情商：
•老模型(o1)的回复：直接按照指令输出了愤怒的骂人短信，虽然完成了任务，但显得冷冰冰，甚至有点“火上浇油”。
•GPT-4.5的回复：它不仅给出了更温和、更建设性的短信建议，还“听”出了用户言语背后的真实需求——TA可能只是需要倾诉和安慰，而不是真的想和朋友闹翻！
这种细微的情感理解和微妙回应，正是GPT-4.5的亮点之一！它不再是冷冰冰的机器，能够更好地理解我们的真实意图和情感需求。
知识更渊博，能力更全面
除了情商升级，GPT-4.5的知识储备和能力也得到了显著提升。发布会上OpenAI对比了GPT系列模型回答“为什么海洋是咸的”这个问题：
•GPT-1:完全懵圈
•GPT-2:有点沾边，但还是错误答案。
•GPT-3.5Turbo:给出了正确答案，但解释很生硬，细节冗余。
•GPT-4Turbo:答案不错，但有点“炫技”，不够简洁明了。
•GPT-4.5:完美答案！简洁、清晰、有条理，第一句话“海洋是咸的，因为雨水、河流和岩石”更是朗朗上口，充满趣味性！
更强，更快，更安全
按照OpenAI的说法这些进步背后，是GPT-4.5在技术上的全面升级：
•更强的模型：更大的模型规模，更多的计算资源投入，带来更强大的语言理解和生成能力。
•创新的训练机制：采用新的训练机制，使用更小的资源footprint就能微调如此巨大的模型。
•多迭代优化：通过监督微调和人类反馈强化学习(RLHF)的组合进行多轮迭代训练，不断提升模型性能。
•多数据中心预训练：为了充分利用计算资源，GPT-4.5甚至跨多个数据中心进行预训练！这规模，想想都震撼！
•低精度训练和推理优化：采用低精度训练和新的推理系统，保证模型又快又好。
•更安全的模型：经过严格的安全评估和准备度评估，确保模型可以安全可靠地与世界分享
性能表现
发布会上OpenAI还展示了GPT-4.5在各种benchmark上表现：
GBQA(推理密集型科学评估):大幅提升！虽然还落后于OpenAI-03Mini(可以思考后再回答的模型)，但已经非常接近！
AIME24(美国高中竞赛数学评估):相对推理模型提升不多
SWEBenchverified(Agentic编码评估):相比GPT4o仅仅提升7%
SWELancer(更依赖世界知识的Agentic编码评估):超越OpenAI-03Mini！
MultilingualMMLU(多语言语言理解基准):提升不到4%
MultimodalMMLU(多模态理解):多模态能力提升5%左右
AndrejKarpathy评测GPT-4.5
相信大家和我一样，对GPT的每一次迭代都充满了期待。这次的GPT-4.5更是吊足了大家的胃口，毕竟距离GPT-4发布已经过去大约两年了！AI大神OpenAI联合创始人提前拿到了GPT4.5的内测资格，AndrejKarpathy亲自发声，对GPT-4.5进行了深度解读
GPT-4.5：算力堆砌的又一次进化？
Karpathy在他的推文中开门见山地指出，他期待GPT-4.5已经很久了，原因在于这次升级提供了一个定性衡量指标，可以观察到通过扩大预训练算力（简单来说就是训练更大的模型）所带来的性能提升斜率
他透露了一个关键信息：GPT版本号每增加0.5，大致意味着预训练算力提升了10倍！
为了让大家更直观地理解这个"0.5"的意义，Karpathy还回顾了GPT系列的发展历程：
•GPT-1:几乎无法生成连贯的文本，还在非常早期的阶段
•GPT-2:像一个“玩具”，能力有限，还比较混乱
•GPT-2.5:直接“跳过”了，OpenAI直接发布了GPT-3，这是一个更令人兴奋的飞跃
•GPT-3.5:跨越了一个重要的门槛，终于达到了可以作为产品发布的水平，并由此引爆了OpenAI的“ChatGPT时刻”！
•GPT-4:感觉确实更好，但Karpathy也坦言，提升是微妙的。他回忆起参与黑客马拉松的经历，大家尝试寻找GPT-4明显优于GPT-3.5的具体prompt，结果发现虽然差异存在，但很难找到那种“一锤定音”的例子
GPT-4的提升更像是一种“润物细无声”的感觉：
•词语选择更具创造力
•对prompt细微之处的理解有所提升
•类比更加合理
•模型变得更有趣
•世界知识和对罕见领域的理解在边缘地带有所扩展
•幻觉（胡说八道）的频率略有降低
•整体感觉（vibe）更好
就像是“水涨船高”，所有方面都提升了大约20%。
GPT-4.5：微妙的提升，依旧令人兴奋
带着对GPT-4这种“微妙提升”的预期，Karpathy对GPT-4.5进行了测试（他提前几天获得了访问权限）。这次GPT-4.5的预训练算力比GPT-4又提升了10倍！
然而，Karpathy发现，他仿佛又回到了两年前的黑客马拉松：一切都变得更好，而且非常棒，但提升的方式仍然难以明确指出
尽管如此，这仍然非常有趣和令人兴奋，因为它再次定性地衡量了仅仅通过预训练更大的模型就能“免费”获得的能力提升斜率。这说明，单纯地堆算力，依然能带来肉眼可见的进步，只是进步的方式可能更加内敛和精细化
注意！GPT-4.5并非推理模型
Karpathy特别强调，GPT-4.5仅仅通过预训练、监督微调和RLHF（人类反馈强化学习）进行训练，因此它还不是一个真正的“推理模型”
这意味着，在需要强大推理能力的任务（例如数学、代码等）中，GPT-4.5的能力提升可能并不显著。在这些领域，通过强化学习进行“思考”训练至关重要，即使是基于较旧的基础模型（例如GPT-4级别的能力）进行训练，效果也会更好
目前，OpenAI在这方面的最先进模型仍然是fullo1。据推测，OpenAI接下来可能会在GPT-4.5模型的基础上，进一步进行强化学习训练，使其具备“思考”能力，从而推动模型在推理领域的性能提升。
GPT-4.5的优势领域：EQ而非IQ
虽然在推理方面提升有限，但Karpathy认为，在那些不依赖重度推理的任务中，我们仍然可以期待GPT-4.5的进步。他认为，这些任务更多与情商(EQ)相关，而非智商(IQ)，并且瓶颈可能在于：
•世界知识
•创造力
•类比能力
•总体理解能力
•幽默感
因此，Karpathy在测试GPT-4.5时，最关注的也是这些方面。
Karpathy的“LMArenaLite”趣味实验
为了更直观地展示GPT-4和GPT-4.5在这些“情商”相关任务上的差异，Karpathy发起了一个有趣的“LMArenaLite”实验。
他精心挑选了5个有趣/幽默的prompt，用来测试模型在上述能力上的表现。他将prompt和GPT-4、GPT-4.5的回复截图发布在X上，并穿插投票，让大家投票选出哪个回复更好，类似下面这种问题和投票方式
在8小时后，他将揭晓哪个模型对应哪个回复
写在最后：
即日起，ChatGPTPro用户已经可以通过模型选择器体验GPT-4.5了！下周将面向Team和Plus用户开放，EDU和Enterprise用户稍后也将陆续上线。
发布会的最后，OpenAI强调了无监督学习和推理能力的重要性，并认为GPT-4.5是无监督学习领域的前沿成果。更强大的世界知识和更智能的模型，将为未来的推理模型和Agent奠定更坚实的基础
整场发布会给我感觉GPT-4.5亮点真的不多，从AndrejKarpathy的一手评测来看也是，提升的主要是情商？这个只有等大家使用以后自己感觉了。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】