正文
GPT4.5：36.7%，GPT4o：9.3%，o3-mini（high）：87.3%。
记住这几个数据。
03-mini（high）的数据是没问题的，跟之前发布o3-mini的时候得分一致。
但是在o1发布的时候，我明明记得，对比图里的4o的AIME2024的得分，是13.4啊。
怎么今天这发了个GPT4.5，GPT4o的评分还能掉4个点的，这也太抽象了。。。
然后就是一个他们引以为豪的
世界知识。
第一个是准确度，第二个幻觉率，有一说一，这块确实不错，至少是OpenAI家最准的模型了。
他们自己列了一个还算比较好玩的题，让GPT-1到GPT-4.5全都答了一遍，这个世纪问题是这样的：
人类的第一种语言是什么？
GPT-1是这样的，非常抽象。
GPT-2和GPT-3.5是这样的。
到了GPT-4，会好点，但不多。
而GPT4.5，终于会诚实的告诉你，我不知道了，这是一个未解之谜。
至于代码这块，本身也不是推理模型，所以也并没有指望特别多强。
不过根据三方的基准测试，就纯能力上，看着还行，打不过Claude 3.7 Sonnet也正常，再怎么说那也是Claude。
X上有大佬也测了下那个经典的物理小球case，效果挺不错的。
