GPT-4o成为全领域SOTA！基准测试远超Gemini和Claude，多模态功能远超GPT-4

1,112 0 0

文章摘要

在OpenAI发布GPT-4o后，外界评价从最初失望迅速转变为惊艳。在多项基准测试中，GPT-4o展现出了SOTA（当前最佳）的实力。在LMSys聊天机器人竞技场中，GPT-4o以1310的ELO分数位居榜首，与第二名GPT-4-turbo的1253分相比，取得了显著的领先。此外，在多模态领域的Reka Vibe-Eval基准测试中，GPT-4o不仅以高分数荣登第一，还克服了大模型常见的“逆缩放”问题。

特别值得一提的是，GPT-4o在内存处理上取得了重要突破。在新的“针里寻针”基准测试中，该模型表现卓越，其上下文记忆能力显著超越先前模型，每个token位置的正确率不低于80%，接近完美表现。

这些结果显示，GPT-4o的能力被初步评估严重低估。它的实际表现不仅在各项测试中稳居首位，还展现出发布会未曾提及的卓越功能，为人工智能领域带来了新的突破和可能。