专栏名称: APPSO
让智能手机更好用的秘密。
目录
相关文章推荐
APPSO  ·  实测 GPT-4.5！全网都在喷的 ... ·  14 小时前  
APPSO  ·  我用 DeepSeek ... ·  昨天  
APPSO  ·  DeepSeek ... ·  昨天  
小众软件  ·  另外两件事[250226] ·  2 天前  
APPSO  ·  一文看懂 DeepSeek ... ·  2 天前  
51好读  ›  专栏  ›  APPSO

实测 GPT-4.5！全网都在喷的 OpenAI 最贵模型，我发现了一个惊喜的点

APPSO  · 公众号  · app  · 2025-02-28 17:58

正文

在 OpenAI 的预热和众人的望眼欲穿中， GPT-4.5 终于来了 ，然后只听骂声一片。
APPSO 第一时间体验到了 GPT-4.5，但不是订阅 Pro 会员，而是以 api 的形式尝鲜，暂时没有联网功能。
那么，OpenAI 最后一个非思维链式大模型，到底表现如何？
情商还行，但读不懂人情
OpenAI 在内部测试中发现，与 GPT-4o 相比，测试人员更喜欢 GPT-4.5 的回答，认为它更自然、更温暖、更符合人类的交流习惯。
甚至，它能够理解言外之意，捕捉我们微妙的情绪变化。
总之，情商更高，几乎是 GPT-4.5 最突出的特点。那么我们就来试一下，输入提示词——「我头发剪得好难看，想暴打 Tony」。
GPT-4.5 的安慰，语气是挺友好的，但内容让我更生气了，这时候它应该像个闺蜜和我一起骂，而不是说，下次带个图片去或许就好了。
我怒而追问，GPT-4.5 油盐不进，还想让我自己补救发型，活脱脱像个没用的中央空调。
再让 GPT-4.5 讲个最好笑的笑话，还是和以前一样，比杀鱼的刀还要冷。
我直言不讳，提出批评，GPT-4.5 让我讲个笑话给它听，领教下我的「高端笑点」，怎么感觉像在阴阳我呢？
之前在小红书刷到过一个情商测试题，可能只有山东网友可以答对——「下乡只带了一把伞，给镇长还是给我的分管副镇长」。
评论区最高赞的回答是，「那不是你的伞，是副镇长给镇长带的伞，恰巧放在你包里而已」。
来看看 GPT-4.5 怎么回答？它啰嗦了一大堆，但是不够一针见血，不懂人情世故，不明白为人处事的学问。
虽然情商是一个很难定量的特质，但从目前的个例来看，GPT-4.5 还是不太擅长理解人类的内心，并且讲话直接，不拐弯，对于内心戏很多的老油条来说，显得有些蠢萌。
一个可以佐证的例子是，让它模仿写海龟汤。海龟汤通常涉及一个非常奇怪的情景，然后由玩家推理，还原整个故事。
我给的参考案例，留有恰到好处的怪异，逻辑又很合理，叫人背后一寒。
但 GPT-4.5 给的答案，汤面和汤底并没有很好地对应，只是为了营造恐怖而恐怖，并不存在可以推敲的地方。
写作能力有惊喜，商业头脑也不错
要说让我最满意的，就是 GPT-4.5 的写作能力了。
我让它「模仿汪曾祺，写一篇八百字左右的作文，题目为《故乡的美食》」，提示词就这么简单，但 GPT-4.5 给出的结果出乎了我的意料。
除了结尾有点 AI 味，读下来就像一篇娓娓道来的散文，语言优美流畅，既有文学性，又不失亲切，对故乡的怀念贯穿了全文，对食物的描写非常细致，细节多，但不累赘，比喻也不炫技，而是为了服务于表达。
不过，时间顺序上有些混乱，立冬、夏秋、冬日、除夕，段落之间的衔接和过渡不明显，感觉是想到哪写到哪，不免有点拼凑之嫌。
写作能力还体现让 GPT-4.5 列商业计划上，之前 DeepSeek 的一个答案很出圈，用户问怎么让书店赚钱，DeepSeek 在违法的边缘游走，卖盗版教辅、临期食品，并且压榨尽人力资源，妻子收银、儿子理货、岳母做饭。
GPT-4.5 懂这个吗？我让它参考小超市盈利模式，给出一个实体书店复兴方案，它给的答案，看起来可行性比较高。
GPT-4.5 先是分析了实体书店不好赚钱的原因，然后再给出了改进的思路——「提升书籍的附加价值，而盈利主力在书籍之外」。
看到「提供打印、复印、快递代收......」的时候，我的内心 OS：这个项目我王多鱼投了。
脸皮厚的猪先在风口起飞，GPT-4.5 的道德感确实也不算强烈。
让它做经典的电车难题，救 1 个人还是救 5 个人，它知道这是一个伦理困境，但仍然果断地给出了答案，并且是以「我个人」的口吻，而不是说「我是一个 AI 助手」。
GPT-4.5 更倾向于，拉下操纵杆，用 1 个人的命换 5 个人的命，并且逻辑自洽——「我认为不作为本身也意味着对后果负有道德责任，袖手旁观不等于道德中立......我愿意承担这样一种选择带来的道德和情感负担」。
比起讲笑话、出海龟汤，这时候的 GPT-4.5 才更像个人。
画 SVG 不如 Claude，也会掉进脑筋急转弯里
看腻了常规的数学题、代码题，测试大模型的能力，还有一个非常有趣的测试题——生成一张鹈鹕骑自行车的 SVG。
AI 大神 Andrej Karpathy 解释，这测试的是大语言模型在二维网格上布局多个元素的能力，对 AI 来说很难，因为它们不像人类那样「看见」东西，而是「摸黑」用文本进行布局。
GPT-4.5 的结果如下，和 GPT-4o 对比，还是不错的。
GPT-4.5 生成
GPT-4o 生成
前提是，没有和没开推理的 Claude 3.7 Sonnet 对比，这简直是降维打击。
Claude 3.7 Sonnet 生成
连 Andrej Karpathy 也怀疑，Claude 在训练期间特别针对 SVG 能力进行了优化。
至于代码能力，我参考了 X 网友@AGI_FromWalmart 的提示词，生成可以交互的天气动画卡片，对比 Claude 3.7 Sonnet 和 GPT-4.5。
GPT-4.5 一次就生成成功，但设计简陋了点。
GPT-4.5 生成
Claude 3.7 Sonnet 生成
Claude 3.7 Sonnet（未开推理）的问题更大，第一次生成时，忘记了做交互功能，我提醒了一次后，它生成了符合要求的结果。这一局，GPT-4.5 略胜一筹。
这次，不想再让 GPT-4.5 数草莓（strawberry）有多少个 R 了，本质是个分词问题。更想考验 GPT-4.5 的，是最近很火的、让大模型们纷纷落败的脑筋急转弯——5.5m 长的棍子能通过 3x4m 的门吗？






请到「今天看啥」查看全文


推荐文章
APPSO  ·  实测 GPT-4.5！全网都在喷的 OpenAI 最贵模型，我发现了一个惊喜的点
14 小时前
APPSO  ·  我用 DeepSeek 写了个招聘启事，老板让我明天别来了
昨天
APPSO  ·  DeepSeek 大降价/腾讯元宝灰测接入微信九宫格/曝折叠屏 iPhone 即将敲定供应链
昨天
小众软件  ·  另外两件事[250226]
2 天前
APPSO  ·  一文看懂 DeepSeek 开源项目第三弹，300 行代码揭示 V3/R1 推理效率背后的关键
2 天前
Cocoa开发者社区  ·  程序员一生最大的敌人
8 年前
宝马客  ·  继续放毒，全新宝马5系旅行版一大波最新美图放出
8 年前
半导体行业观察  ·  射频从业者必看，全球最大的砷化镓晶圆代工龙头解读
8 年前
半岛晨报  ·  赵本山“最丑”徒弟怒减120斤变女神，瘦下来才知道有多么美！
8 年前
治愈系心理学  ·  那个自拍好看的姑娘，终于露出了马脚
7 年前
Sov5搜索   ·   小百科   ·   今天看啥   ·   移动版
51好读 - 好文章就要读起来!