虽然gork 3看上去确实是比其他模型强，但也就强了20分左右？换算下来也就1%左右的差距啊，这个实际体感真的能感觉出来吗？或者说对大多数人能感觉出来吗？
不论是之前周树人的问题，还是一些脑静急转弯，这个测智商最起码是有目共睹的，但是现在的模型做一些高精尖的问题都没什么太大问题了吧？那现在这些提升是提升了些什么？更会做题了？那这样的话，总感觉马斯克用了数以万计的成本，纯粹的力大砖飞，就好像培养出了一个小镇做题家？
而且算法和架构上有什么创新吗？好歹deepseek最起码能让人眼前一亮啊，没有吹deepseek的意思，只是感觉大家都是老一套，老一套也行，可是这么大的资本砸下去也没能带来什么质变？
当然，不排除砸着砸着就出质变了，但是就目前这种情况，这种以微不足道的踩头式宣发真的有必要吗 
————————————————————————
说一点题外话，我真的很好奇，吃了这么多，什么时候ai能反哺人类？
或者，说的科幻一点，抛开伦理不谈，如果可控，ai什么时候能出现自主意识？
感觉ai距离我想象中的越来越远了，变得像一个工具了，本来还期待会发生工业革命类型的巨变，但是感觉还是很远
肯定有水分
还没用上。过几天再来评价
用上再评价，没用到一律都是吹牛，好用大家认可才行
不针对观点发表看法，说一点：这个分数
不是 做同一套试卷，打分排名；
而是 反映“胜率”的数值，比赛是：网友自行输入任意问题，随机抽取两个模型对比。
所以，讨论提升了多少分的比例是不正确的。
PPT多多少少会有点水分，马圣的也一样，而且他也不敢标openai o3mini high，所以我觉得他自己还是很清楚的，而且不排除他在训练时已经把题目放进去训练过了
感觉在吹
还没放开呢不好说，不可能为了用他去充值吧，等api 
不过预期应该不会差，10w块h100摆在那里（后期到了20w块），抄ds也不会差到哪里去
现在什么信息也没有怎么理性讨论啊……
别急，再等等
还没开放，等等实测吧
感觉全靠吹…… 
lmarena水分就已经比较大了吧
等详细的测试咯，各家 LLM 永远都是在 ppt 上最强。不过目前看反馈还成。
另外个人感觉， LM Arena 的评分偏离我的个人体验是比较大的。
不管咋样，多了家入局都是好的。
不如说这两年搞 ai 的力大砖飞才是常态……所以 deepseek 才特别惊艳。
目前没有完整版公开吧，现在x上自媒体和论坛佬们用的都是早期版本的，不好说。
拉垮一步来说，反正能刺激三大家赶紧把藏货拿出来就算达到目的了，好的来说，真的能20美元用到媲美o1-pro的，那也够了
我一直认为ai是否牛逼是看用途的，有的逻辑推理能力强但代码能力不行，有的则反之，好不好用还得看用来干什么
当然哪方面都不行的那是真不行
可能某个特定功能牛逼
反正arena那个grok3early我感觉一般，问了下经典的找不带e的奇数问题，先是给我乱回答，然后我让它仔细想想就直接给我死循环了，31到39一直死循环来回检测，最后在死循环中直接被截断。我猜底模是数学和编程特化？benchmark很强，但实际体验不一定好
用不到啊
DS春节才出到今天顶多1个月，老马来不及抄的
