在知名AI排行榜LM Arena中，曾全班墊底的GPT-4.5竟一度拿下第一？甚至在數學、編程等領域表現優異，這反常的表現讓網友們一度質疑：大模型競技場莫非被LLM操縱了？不過網友們在實測後卻驚訝發現，GPT-4.5的確情商爆表，不用推理就能理解人類的深層意圖！

GPT-4.5，口碑又意外反轉了？ 

經過3千多輪比較，GPT-4.5在全部類別拿下第一，位居LLM競技場首位！ 

「不看智商看情商」的GPT-4.5，不是推理模型，此前的基準測試中基本都是全班墊底，慘不忍睹。 

結果一轉眼，它就在大模型競技場上登頂了？？ 

剛剛，LLM  Arena排行榜官宣：GPT-4.5 在所有類別中都位居榜首，在風格控制、多輪對話方面獨佔鰲頭，拿到了1411的總分。 

在多輪對話、困難提示、編碼、數學、創意寫作、指令遵循、長查詢等領域都是第一！

這個結果，也太讓人意外了吧…… 

馬斯克立馬跳出來表示：GPT-4.5只是短暫的第一，並不會維持太久。 

果然，馬斯克話音剛落不久，大模型競技場的TOP 1就成了Grok-3，總分1412，跟GPT-4.5的比分緊咬，差距極小。 

但無論如何，曾經登頂TOP 1的GPT-4.5，給人們留下了一串串的疑問：它不光情商高，讓人如沐春風，而且絕頂聰明，睥睨群雄，天下第一，吊打o1、Grok-3、Clauede等前輩？？？ 

主打一個「高情商」的GPT-4.5，純靠情商就能拿下編程、數學等領域第一嗎？ 

現在，已經直接有網友開始質疑：大模型競技場是不是有什麼問題了。 

甚至還有人猜測：LLM是不是已經學會操縱LMArena了？ 

GPT-4.5智商結果公佈：得分94排名第五

就在同時，GPT-4.5的智商測試結果也公佈了。 

可以看到，GPT-4.5的線下測試智商為97，線上門薩測試智商為94。 

總之，無論是線上還是線下智商測試，GPT-4.5的得分都沒有OpenAI的o1 Pro、o3 mini和o1-preview高。 

這個結果，總算是合理了些。 

而在眾多大模型中，線下智商測試得分最高的是OpenAI o1 pro，線上門薩智商測試得分最高的是OpenAI o1。 

但要和人類比的話，GPT-4o可以說已經和人類的智商齊平。 

人類的平均智商，大概在90到110。愛因斯坦的智商約為160，而陶哲軒被認為世界上智商最高的人，得分在225到230之間。 

人類的智商被LLM超越，應該也就是近在咫尺的事了。 

然而也有很多人質疑了：給LLM測智商，到底意義幾何呢？ 

原因在於，智商是一個和人類心智獨特性相關的度量，不可能與LLM相關。 

網友實測驚喜：它很理解用戶意圖！

最近，奧特曼就曬出了自己和GPT-4.5對話的記錄。 

他提問道：「奇點臨近，未知在哪一側」，你如何看待？ 

GPT-4.5意味深長地答道：我們已經超越了奇點的事件視界，但只是剛剛越過。 

我們已踏入奇點的引力範圍，但要理解它的後果，依然為時尚早。 

顯然，奧特曼對於GPT-4.5的表現非常滿意。 

而就在這些天的實測中，許多網友也發現，GPT-4.5擁有一種超凡的自我意識，在理解用戶意圖上令人驚喜。 

比如下面這個例子中，用戶就開了一個關於國際象棋的粗俗玩笑，GPT-4.5沒有任何困難地就接住了這個梗，並且給出了適宜的回答。 

這位AI大V表示，自己對此印象太深刻了！因為GPT-4.5在完全沒有經過任何思考token的情況下，就抓住了這個微妙之處。 

他感慨道：預訓練並沒有過時，只是在某些領域收益遞減了，但在其他領域卻得到了驚人的提升！ 

相比之下，對於這句讓LLM很難理解的人類粗俗玩笑，Claude Sonnet很顯然並沒有理解。 

同樣，Grok 3也沒有get到這句話的意思。 

對此，不服氣的馬斯克還出現在了評論區，貼上了Grok 3的回覆，力證它並沒有落後。 

GPT-4.5並非文武雙全

仔細看競技場排名，目前在「語言」（language）選項上，UB排名第一的是Grok-3-Preview-02-24，得分1412，共3364次投票。 

GPT-4.5-Preview的UB排名第二，得分1411，只在「風格控制」（StyleCtrl）上排名第一，共3224次投票。 

· UB排名： 模型的排名上限，由統計上優於目標模型的數量加一確定。當模型A的95%置信區間下限分數高於模型B的上限分數時，認為模型A在統計上優於模型B。· 風格控制排名：考慮了響應長度和Markdown使用等影響因素的模型排名，從而將模型性能與潛在的混淆因素分離。 

「綜合」（Overall）選項上，Grok-3和GPT-4.5排名並列第一，後者在部分項目上有微弱優勢。 

在編程（coding）和數學（math）上，GPT-4.5的確和Grok-3並列第一。 

按不同語言分類，Grok-3和GPT-4.5在英文、中文、德文等語言上並列第一。 

此外DeepSeek-R1在中文上也是第一。 

WebDev Arena是實時進行的AI編程競賽，各個模型在「網頁開發」挑戰中直接對決，GPT-4.5壓根沒參賽！ 

而且OpenAI的模型表現並非佳，最好的o3-mini-high與Early-grok-3並列第4，落後與Claude 3.7 Sonnet、Claude 3.5 Sonnet以及DeepSeek-R1。 

GPT-4.5新王登基？測試讓人大跌眼鏡

對於GPT-4.5，某研究者也發表了一篇博客，來對它詳細進行了剖析。 

GPT-4.5在社區中引發了褒貶不一的反應。 

儘管前期進行了大肆炒作，該模型卻未能完全達到人們的高期望。 

一些測試結果讓人大跌眼鏡。 

Karpathy的測試表明，在五分之四的情況下，用戶更傾向於GPT-4o的回答。 

儘管GPT-4.5被宣傳為更具創意和情商，但在實際的用戶體驗中，這些優勢並沒有充分體現出來。 

甚至有用戶反饋，在創意寫作方面，GPT-4.5的表現不如之前的模型。 

此外，高昂的使用成本也成為了推廣GPT-4.5的一大障礙。 

與GPT-4o相比，GPT-4.5的API價格大幅上漲：輸入token價格從每百萬2.50美元漲到了75美元，輸出token價格從每百萬10美元漲到了150美元。 

用戶對GPT-4.5的高價普遍表示難以接受，一些網友直言「只是為了感覺更有氛圍而花75美元」。 

對於小型公司和獨立開發者來說，如此高昂的成本無疑是一個巨大的負擔，影響了GPT-4.5的廣泛應用。 

GPT-4.5的高價格可能反映了背後的資源約束。 

Altman表示，儘管公司希望同時推出GPT-4.5 Plus和Pro版本，但GPU資源已經用盡，計劃在下週增加數萬個GPU，然後才能推廣到Plus用戶。 

儘管GPT-4.5在某些方面取得了明顯的進步，許多人期望的全面改進卻並未實現。 

由於其龐大的規模和複雜的架構，GPT-4.5的響應速度更慢，降低了用戶體驗。 

Sam Altman對GPT-4.5的高調宣傳，抬高了人們的期望，他將其描述為第一個「真正讓人感受到AGI」的時刻。 

如果現實未能達到預期，這種宣傳也會像迴旋鏢一樣對他不利。 

為什麼現在發佈GPT-4.5？

與GPT-4兩年前的盛大發布相比，GPT-4.5的發佈出奇地低調簡約，令許多人感到意外。 

Sam Altman沒有親自出席這次發佈會，這引發了外界對OpenAI對GPT-4.5的重視程度和信心的疑問。 

GPT-4.5的目標受眾主要是廣大的普通用戶，藉助AI完成撰寫郵件、總結文章等任務。 

GPT-4.5是OpenAI從GPT-4o向GPT-5過渡的關鍵橋樑，成為了創意、溝通和解決實際問題的日常夥伴。 

OpenAI明確表示，GPT-4.5並非旨在取代GPT-4o，這一表態進一步增加了市場對GPT-4.5未來的不確定性。 

對許多人來說，ChatGPT就是AI的代名詞，再加上OpenAI對AGI的大力炒作，提高了人們對新模型的期待。 

GPT-4.5發佈的原因可能是市場競爭加劇。 

短時間內，越來越多更好的模型進入市場。DeepSeek R1可以與GPT-4o相媲美，xAI的Grok 3看起來幾乎像人類，OpenAI面臨著巨大的壓力。 

GPT-5預計在幾個月內發佈，首次在模型中結合推理和非推理組件，可以自主決定對查詢的反應強度，即「推理擴展」。 

GPT-4.5是戰略性回應，目標是留住付費用戶，防止其在GPT-5發佈前轉向競爭對手，保持OpenAI在市場中的領先地位。 

參考資料： 

https://x.com/lmarena_ai/status/1896590146465579105 https://x.com/elonmusk/status/1896624102674506172 

https://www.forwardfuture.ai/p/gpt-4-5-a-new-king-on-the-throne 

https://x.com/sama/status/1896653628674625812 

本文來自微信公眾號“新智元”，作者：新智元，36氪經授權發佈。