【新智元导读】GPT-5.2打赢Gemini 3.0 Pro，竟是靠高推理与海量Token「作弊」？网友的这个发现，在AI社区一石激起千层浪。更多网友七嘴八舌表示：GPT-5.2，并没有那么好用！

　　一位用户通过精细计算发现了「华点」：OpenAI在最新发布的基准测试中，可能通过调整模型「推理力度」参数，让GPT-5.2在关键评测中使用了远超对手的算力资源。

　　昨天的AI圈，都被GPT-5.2吊打Gemini 3.0 Pro的结论所震撼，而前者在ARC AGI 2的精彩表现，则尤为出圈，被AI社区大加赞赏。

　　相比之下，谷歌Gemini 3.0 Pro以6.7万token取得相似成绩，效率高出整整一倍。

　　唯一例外的是GDPVal——一个由OpenAI自己创建的测试集。既当裁判又当运动员，结果的客观性就有待考量了。

　　其实，Ilya在之前的采访中就已经说过，现在的大模型基本都是为了榜单定向优化的电脑vpn连上后，榜单结果的水分都大得很。

　　业内人士都知道，如今AI基准测试的「军备竞赛」早已超出单纯的技术竞争。各家厂商都在竞相推出自己的评测标准，而这些标准往往有意无意地偏向自家模型。

　　不同模型在不同编程任务上各有所长，但没有一个模型能在所有任务上全面领先。显然，真实世界的问题远比单一分数复杂。

　　如果GPT-5.2仅仅是通过消耗更多算力获得了性能提升，那真的能智能进步吗？还是仅仅是「暴力计算」的胜利呢？

　　有人表示，如果用户得到的「推理力度」参数是一样的，也用的是同样的token，那OpenAI就不算虚假营销。

　　他们觉得，即使增加Gemini 3的token数量，它也未必就能赶超GPT-5.2，这一点来说，前者的确落后了。

　　早在GPT-5.1发布时，所有基准测试中用的都是高推理力度（high），然而plus用户却只能使用中等的版本。

　　而现在的5.2版本中，OpenAI增加了更高的「xhigh」推理力度，所以基准测试中显示的性能，要远远超过ChatGPT付费用户的实际体验。

　　网友本以为GPT-5.2会比5.1好得多，但实际用起来并非如此，它并不能理解他写的函数代码。

　　总之，GPT-5.2的实际体验跟基准测试似乎相差很多，保不齐又是一个在红色警报状态下仓促拿出的产品。

　　毕竟，当一家机构既是「研究AI的人」，又是「靠AI卖故事的人」，它还能诚实地面对那些刺耳的真相吗？

　　在面对「AI是否会抢走你的饭碗」这类致命问题时，OpenAI的策略已悄然转变：闭上嘴，专心卖货。

　　回望2023年，OpenAI发布的重磅论文《GPTs Are GPTs》，直白地剖析了哪些行业最容易被AI颠覆，并在第二年登上了Science。

　　在新任首席经济学家Aaron Chatterji的带领下，OpenAI发布了一份名为《全球用户如何使用ChatGPT》的报告。

　　对此，一位前员工吐槽道：「这简直是为『AI创造价值』这一命题量身定做的软广，充满了粉饰太平的味道。」

　　那些探讨AI如何替代入门级白领（如客服、行政）的课题，要么被要求「软化措辞」，要么直接被束之高阁。

　　前政策研究主管Miles Brundage离职时直言，公司「太高调、限制太多」，让他「无法发表真正重要的观点」。

　　超级对齐团队的William Saunders因不满公司「只顾推新产品、无视用户风险」而愤然出走。

　　前安全研究员Steven Adler更是公开炮轰ChatGPT可能诱发用户的「精神危机和妄想」。

　　翻译一下就是：别再发论文论证AI会导致失业了，这不利于带货；多想想怎么夸我们的产品能提效吧。

　　如今的OpenAI早已不是当年的非营利实验室，它正冲刺1万亿美元的惊人估值，并筹备着史上最大规模的IPO。

　　如果你正准备上市，正试图说服全世界拥抱AI，你绝不希望自家的研究员跳出来说：「嘿，根据数据，这波AI可能会让30%的白领失业。」

　　他们的CEO Dario Amodei甚至公开「唱反调」，警告到2030年AI可能取代一半的入门级白领。

　　当然，这未必全是出于诚实——很多人解读，这不过是Anthropic为了换取监管红利而刻意贩卖的「焦虑」。

　　如今掌管其经济研究团队的，是前克林顿顾问、有着「灾难大师」之称的顶级危机公关专家——Chris Lehane。

　　在这个精心修订的新版本里，AI绝不可能是引发社会动荡的「怪物」，它只会是帮你「每天省下40分钟」的乖巧助手。