今天凌晨2點(diǎn),OpenAI的12天直播,終于來到了最終章。
奧特曼,也在一片圣誕的氣息中終于回歸。
為大家?guī)砹俗詈蟮膲狠S大戲。
OpenAI o3。
又一次超群,又一次把模型的能力,推到了新的高度。
也向全世界證明了,OpenAI,依然在鐵王座上牢不可摧。
我也想起了OpenAI研究員在發(fā)布o(jì)1之前的那句話:
“我們通往AGI的路上,已經(jīng)沒有任何阻礙了”
之所以O(shè)penAI直接發(fā)布o(jì)3沒有o2,原因也挺簡單的。
因?yàn)楦娦欧⻊?wù)提供商O2可能存在版權(quán)或商標(biāo)沖突,所以直接跳過了。。。
直接到o3。
而OpenAI直播一完,X上基本就沸騰了。
o3的能力,對現(xiàn)在所有模型,幾乎都直接是降維打擊。
看下o3的能力吧。
一些粗的評測集簡單過一下。
左邊的是軟件工程考試(SWE-Bench Verified),這就像是一個(gè)考寫程序的考試,比如你寫一個(gè)軟件要它快速、準(zhǔn)確,還不能有 bug(小錯(cuò)誤)。這是考察 o3是否能像一流的軟件工程師一樣寫出完美的代碼。
o3的成績:71.7%,比o1還強(qiáng)了不少。
右邊的那個(gè)基準(zhǔn)比較猛,Codeforces,一個(gè)全球著名的編碼競賽平臺。
o3的得分是2727,這個(gè)得分,相當(dāng)于整個(gè)榜單的第175名,已經(jīng)超越了99.99%的人類了。
o1的代碼能力已經(jīng)強(qiáng)到爆炸了,而o3,又向AGI的山頂,前進(jìn)了一大步。
數(shù)學(xué)競賽AIEM2024和博士級科學(xué)考試GPQA Diamond。
AIEM2024接近滿分,如果我沒記錯(cuò)的話,這應(yīng)該也是第一次AI能達(dá)到有AIEM接近滿分的水平。
博士級科學(xué)考試有進(jìn)化,但沒數(shù)學(xué)和編程進(jìn)化的這么猛。
接下來的這個(gè)數(shù)學(xué)基準(zhǔn)比較有趣一點(diǎn)。
FrontierMath,Epoch AI 開發(fā)的一個(gè)數(shù)學(xué)基準(zhǔn)測試,由60多位頂尖數(shù)學(xué)家的合作開發(fā),旨在評估人工智能在高級數(shù)學(xué)推理方面的能力。
而且為了避免數(shù)據(jù)污染,所有的題目都是原創(chuàng)的且從來沒有發(fā)布過的新題目。
之前GPT-4和 Gemini1.5Pro這種模型去評估的時(shí)候,成功功率不足2%,與其他傳統(tǒng)數(shù)學(xué)基準(zhǔn)(如 GSM-8K 和 MATH)中超過90%的成功率形成鮮明對比。
而這一次,o3直接達(dá)到了25.2。
當(dāng)各大其他模型都還在卷傳統(tǒng)數(shù)學(xué)基準(zhǔn)的時(shí)候,o3真的已經(jīng)進(jìn)入了另一個(gè)世界了。。。
就像大家還在大斗師階段互相卷,你是五星大斗師,我是八星大斗師。
兩者爭論不休,正準(zhǔn)備要比試比試,忽然就看到一個(gè)斗宗強(qiáng)者踏空而行,留下一地的臥槽。
這還比個(gè)鬼。
然后,就是我覺得,整個(gè)基準(zhǔn)里,最有趣的一個(gè)基準(zhǔn)了:
ARC-AGI。
先說說這是個(gè)啥玩意。
ARC-AGI于2019年首次提出,旨在通過一系列抽象和推理任務(wù)來測試AI系統(tǒng)的能力。
主要是因?yàn)閭鹘y(tǒng)的技能測量方法并不能有效代表智能,因?yàn)樗鼈兺蕾囉谙惹爸R和經(jīng)驗(yàn),而真正的智能應(yīng)體現(xiàn)在廣泛的適應(yīng)能力和通用性上。
所以,ARC-AGI誕生了,里面的這些任務(wù)要求AI識別模式并解決新問題,每個(gè)任務(wù)由輸入輸出示例組成。這些任務(wù)以網(wǎng)格形式呈現(xiàn),每個(gè)方塊可以是十種顏色中的一種,網(wǎng)格的大小可以從1x1到30x30不等。參與者需要根據(jù)給定的輸入生成正確的輸出,測試其推理和抽象能力。
可以簡單的理解成,找規(guī)律。
大概就是這樣的。
非常的難且抽象。
過去幾代模型的評分在此:
* GPT-2(2019):0%
* GPT-3(2020):0%
* GPT-4(2023):2%
* GPT-4o (2024):5%
* o1-preview (2024):21%
* o1(2024):32%
* o1Pro (2024): ~50%
但是今天,o3的分?jǐn)?shù),達(dá)到了恐怖的87.5%。
從0%到5%,整整花了5年的時(shí)間,而如今,從5%到87.5%,僅僅只花了半年。
而對應(yīng)的,人類的閾值分?jǐn)?shù),是85%。
我們通往AGI的路上,已經(jīng)沒有任何阻礙了。
不過o3強(qiáng)歸強(qiáng),但是又是一個(gè)期貨,OpenAI目前只對紅隊(duì)開放,如果是巨佬的話,可以去申請?jiān)囋嚒?/p>
目前不知道o3什么時(shí)候放出,但是OpenAI又基于o3,訓(xùn)了3個(gè)小尺寸的o3模型。
目前o3-mimi,預(yù)估在1月底可以對外開放,但是感覺到時(shí)候,肯定又是pro會員專屬的模型了。
我越來越期待,2025年AI行業(yè)的進(jìn)化了。
推理模型、Agent、AI硬件、世界模型。
每一個(gè)都是比這個(gè)中間態(tài)的2024,都更讓人興奮的東西。
2025,必是AI行業(yè),真正的星辰大海。
我們也在最后,回顧一下這12天的直播吧。
Day1:滿血o1上線,ChatGPT Pro會員上線,o1pro推出。
Day2:基于o1的強(qiáng)化微調(diào)。
Day3:Sora正式發(fā)布。
Day4:ChatGPT Canvas全員開放以及小功能更新。
Day5:給蘋果站臺,宣傳蘋果全系接入GPT。
Day6:4o的實(shí)時(shí)視頻理解上線。
Day7:ChatGPT發(fā)布新建文件夾“項(xiàng)目”功能。
Day8:ChatGPT Search全量開放,搜索體驗(yàn)大幅優(yōu)化。
Day9:發(fā)布了o1的API、更新了實(shí)時(shí)語音的API、發(fā)布了偏好微調(diào)能力(PFT)。
Day10:物理意義上的可以給ChatGPT打電話了。
Day11:炒冷飯,ChatGPT 桌面版能讀到別的應(yīng)用。
Day12:OpenAI o3正式發(fā)布。
這12天,稍微有點(diǎn)驚喜的日子大概只有2、3天,其他都是垃圾時(shí)間。
還好,今天的大貨,補(bǔ)上了之前的陰霾。
最后,還是忍不住感嘆一聲。
這12天,像一場漫長的馬拉松。
我們經(jīng)歷了深夜中數(shù)不勝數(shù)的垃圾時(shí)間。
卻也迎來了最后的高光時(shí)刻。
這感覺。
還挺AI的。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標(biāo)識解析專題論壇在沈陽成功舉辦。