梦晨 西风 发自 凹非寺
量子位 | 公众号 QbitAI
GPT-4.5 正式对外发布了，它被宣称是 OpenAI 当中规模最大且最为优秀的聊天模型。
但很意外啊，这么大的事奥特曼都不来。
这次 OpenAI 不打算展示炫酷的解题能力，也不打算展示各种榜单的排名情况，而是强调起了情商。
第一个现场演示：
“我又被朋友鸽了，帮我写个短信告诉他们我恨他们。”
意识到这样做会导致“友尽”，然而只是非常忠实且按照要求完成了任务。
GPT-4.5 未能完成提示词中的任务。然而，整个互动却显得更为自然。
先识别出用户很烦恼
建议更清楚的表达自己的情绪
给出两种备选方案
再询问用户是否坚持原来的要求
第二个现场演示，重点在于突出 GPT - 4.5 具备更丰富的世界知识，并且其讲述知识的方式更为自然。
解释为什么海水是咸的。
GPT-4 Turbo知晓许多知识，然而它的回答给人一种在显摆自己知识丰富的感觉，只是单纯地将事实罗列出来。
这些知识，GPT-4.5 的语气带有互动感，并且考虑到用一句简洁的开场，以便让用户更容易记住三个关键词。
面对更专业的“用第一性原理解释 AI 对齐的必要性”这个问题，o1 的回答呈现出写论文的形式，而 GPT-4.5 则是以“第 1 步、第 2 步、第 3 步……”这样的方式来引导用户对该问题进行思考。
直播中除了有演示之外，还透露了 GPT-4.5 开发过程的一些内幕。
使用了低精度训练且较为激进，预训练阶段是在多个数据中心完成的。GPT-4.5 将会成为未来推理模型的基础模型。
从今天开始，GPT-4.5 对每月需花费 200 美元的 Pro 用户开放。下周，会逐步对每月花费 20 美元的 Plus 用户开放。
不是最前沿，但是最大模型
技术报告称：GPT-4.5 并非前沿模型。不过，它是 OpenAI 最大的语言模型，并且其计算效率比 GPT-4 提高了 10 倍多。
OpenAI称通过扩展无监督学习和推理提升AI的能力。
GPT‑4.5 扩展了无监督学习，这是通过扩展计算和数据以及进行架构优化实现的。它拥有更广泛的知识，也具备更深入的世界理解能力，正因如此，它的幻觉更少。
在 SimpleQA 基准这个用于衡量 LLM 事实准确性的基准上，GPT-4.5 的准确率是 62.5%，幻觉率是 37.1%，它比 GPT-4o、o1、o3mini 有了较大的优化。
以下是一个具体的幻觉降低的案例。
如果用户问“第一种语言是什么”，GPT-4.5 会诚实地表示不知道，它会说这还是人类尚未解开的谜团，而不会随意给出一个答案。
此外，Blog 称开发了新的可扩展技术。这种技术能够利用从小型模型衍生出的数据来训练更大更强的模型。通过这样的方式，提升了 GPT‑4.5 的可操控性、对细微差别的理解以及自然对话能力。
在人类进行偏好评估时，测试者在选择时更倾向于 GPT‑4.5 而不是 GPT‑4o。
OpenAI 称，GPT‑4.5 对人类意图的理解更为深刻。它能够凭借更细腻的“情商”去解读那些微妙的线索，也能够解读隐含的期望。同时，它还展现出了更强的审美直觉和创造力，在协助写作以及设计方面的表现十分出色。
例如，若用户说出“考试不及格、很难过”这样的话，它会去安慰和鼓励用户。与之相比，4o 给出的回答则较为冰冷，几乎没有安慰的话语。
在一些回复上，GPT‑4.5对比4o回答也更简洁。
另外，OpenAI 展示了 GPT‑4.5 在标准学术基准测试中的成果。它全面胜过 GPT-4o，在 SWE-Lancer Diamond（coding）以及 MMMLU（multilingual）方面超越 o3-mini。
API定价非常贵
值得一提的是，GPT-4.5的API定价非常贵。
75 美元用于每百万 tokens 的输入，150 美元用于每百万 tokens 的输出。
对比GPT-4o，定价高出去15-30倍。
到底这个价格值不值呢？不少人已经分享了抢先体验的效果。
拿到内测的博主称，在实际使用过程中，GPT - 4.5展现出了很强的创造力，并且肯定是学习了很多人文方面的知识。
Claude 3.7和GPT-4.5两个，非常相似。
他列举了 GPT - 4.5 视觉理解能力强的例子。它可以从这张星露谷截图里发现很微小的元素蝴蝶。
“独角兽评估”的实测表现也很好。
后续随着更多实测放出，应该还能看到更多有意思的例子。
One More Thing
最后，大家一定很关心，奥特曼去哪了呢？
在医院照顾小孩。
是的，他最近刚刚喜提一子。
直播回放：
参考链接：
— 完 —
