它是 GPT-4.5 还是 GPT-5？神秘大模型冲上 AI 热搜

昨天的时候，LMSYS 上出现了一款新的大模型 gpt2-chatbot，在没有任何官方文档介绍的情况下，它在竞技场上与其他大模型之间开始一场场 PK，且战绩斐然！

与此同时，OpenAI 的奥特曼在社交平台上也发帖称对 gpt2 情有独钟，这使大家纷纷猜测：难道是 GPT-4.5 或者 GPT-5？

那它到底有多强呢？让我们一起来看下：

比 GPT4 更强的代码能力

和 GPT-4 PK 使用 SVG 画一个非常可爱的恐龙：

可以看到 GPT-4 属实是一个抽象画风，要不是提前知道题目，根本想不出来它画的是啥～

更善于推理

网友们在上面测试了这样一道题：

一公斤羽毛和一公斤铅哪个更重？

gpt2 回答：一公斤的羽毛和一公斤的铅的重量是一样的 - 它们都是一公斤。二者的主要区别在于它们的体积和密度：一公斤的羽毛会占用更多的空间，看起来更大；而一公斤的铅会显得很紧凑，体积小。这常常会导致一种经典的迷思问题，但就重量而言，一公斤就是一公斤！

还有另外一道题：

预估一下，如果英国所有车辆都从汽油和柴油转换为电动，那么英国电网的负载会增加多少？需要预估峰值负载和年平均负载，单位为GW。

gpt2 回答：

如果英国所有的车辆都从汽油和柴油转化为电动，英国电网的负载将会增加。要估算峰值负载和年平均负载，单位用GW,需要遵循以下步骤：

1. 英国的车辆数量
   包括轿车、厢式货车、巴士和卡车等全部车辆在内。为方便计算，主要考虑轿车和厢式货车的数据：
   • 轿车和厢式货车总量：大概有3800万辆（根据最新的估计值）。
2. 平均每年行驶的里程以及消耗。
   • 每辆车每年平均行驶的里程为：大约7600英里（来自英国的典型数据）。
   • 电动汽车的电力消耗：典型的电动汽车每英里消耗0.25~0.35千瓦时电力。我们选取0.30千瓦时/英里作为平均值。
3. 电动汽车的年电力需求。
   • 每辆电动车每年的电力需求 = 平均行驶里程 x 每英里的电力消耗
   • 每辆电动车每年的电力需求 = 7600英里 x 0.30千瓦时/英里 = 2280千瓦时
   • 所有电动车的年度电力总需求：
   ○ 总需求 = 车辆总数 x 每辆车的年电力需求
   ○ 总需求 = 3800万辆车 x 2280千瓦时/车 = 86640亿千瓦时/年
   ○ 将 kWh/年转换为太瓦时（TWh/年）：86640亿千瓦时 = 86.64太瓦时/年。
4. 估算峰值负载。

这和 GPT4 的回答基本持平，不过在回答问题的语气上更加人性化。

一次答对国际数学奥林匹克竞赛题

在数学能力上，更是一次性就给出了国际奥数题的答案！恐怖如斯：

和 Claude Opus 比画独角兽

让它和 Claude Opus 各自使用 ASCII 画一只独角兽。

gpt2 画的：

claude opus 画的：

咋说呢……，Claude opus 画得不能说一模一样吧，反正是毫无联系！😂

否认自己是 gpt4.5 或者 gpt5

就在大家纷纷猜测它是不是 gpt4.5 或者是 gpt5 的时候，它却表示它不是：

不过它却表明它是基于 GPT-4 的，也就是说它是属于 Open AI 的。

最后再来一张奥特曼的烟雾弹吧：

打了一天擂就跑了

貌似就来打了一天的擂台就消失了，今天 LMSYS 上已经无法再使用它了：

来也匆匆，去也匆匆，恨不能相逢😭

本文只是分享一下昨儿个出来的这个模型，现在训练场已经无法提供测试，各位大佬不喜勿喷

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓