奥特曼悄悄释出神秘大模型「gpt2」：基于GPT-4开发，实测能力超越GPT-4的聊天机器人

一夜之间，大模型话题王，再次易主。

一个神秘模型突然杀入众人视野，能力超越一众开源模型，甚至包括GPT-4。几乎所有人都在谈论它，服务器都被挤爆了。

它就是“gpt2-chatbot”。（注意啊，是小写的「gpt2」，不是几年前的老模型GPT-2）

「gpt2-chatbot」有多强？

IMO国际数学奥林匹克竞赛的题目，一次答对。

一次在PyOpenGL中生成旋转3D立方体。

直接输出如下结果：

在GPT-4标志性能力“画独角兽”上，还能轻松秒杀LLaMA-3-70B（左）。

推理方面更是表现出了惊艳效果，常见逻辑陷阱可以轻松绕过，而且回答时还带有合适的语气。

来提一个问题：1公斤羽毛和1公斤铅块，哪个更重？

GPT Bot回答：一公斤羽毛和一公斤铅的重量是一样的——它们都是一公斤。两者之间的关键区别在于它们的体积和密度：一公斤的羽毛会占据更多的空间，看起来更大，而一公斤的铅会紧凑而小。这通常会导致一个经典的问题，但就重量而言，一公斤就是一公斤！

如此好的表现，但是又没明说身份……

这不是更让大伙兴奋了！

难道是传说中的GPT-4.5？

要知道，名震江湖的AlphaGo就曾使用“Master”化名在网上大杀四方，轰动围棋界。这回的「gpt2-chatbot」，也有这感觉了。

而且名字上也很值得深究，gpt2更像是gpt2.0，似乎是ChatGPT层级的版本迭代。

奥特曼看热闹不嫌事大，还发帖说：我确实对「gpt2」情有独钟。

现在，随着冲去试玩的人还在不断增加，试玩限制也在加大。

gpt2到底具体效果咋样？我们已经上手实测。

实测中文能力也很到位

如果想亲手测试这只神秘AI，目前唯一已知方式是在LMSYS大模型竞技场。

首先打开竞技场网页，进入Direct Chat，就可以在模型选项里找到gpt2-chatbot。

要注意每人每天有8条消息的限制，全局也有每小时3000条消息的限制，所以测试机会非常有限。

如果看到下面的错误提示，就只能去竞技场排位模式看运气能不能匹配到它了。

只要抓到它一次，就可以继续多轮对话。

在短暂的测试中，我们发现「gpt2-chatbot」中文能力也很到位。

只要问题是中文的，无需特别强调就可以默认用中文回答，至少可以排除是Llama 3微调了。

针对一个充满误导的经典问题，可以看出「gpt2-chatbot」的回答条理分明，仿佛自带CoT思维链提示（“让我们一步一步地想”），识别出了所有陷阱。

并且准确提供了非常细节的知识，如北京到青岛距离、男子女子跳远世界纪录、农夫山泉在国内的价格等。

而大多数其他AI模型，最多只能模糊的判断出15米超出人类能力，或按美元算矿泉水价格。

那么这只超强神秘AI到底是何方神圣，我们也用破解GPTs的祖传手艺“拷问”了一把。

OpenAI开发的GPT系列聊天机器人，那么系统提示词的开头不出意外应该是“You are ChatGPT……”，但为了防止它看到“ChatGPT”一词后产生幻觉，我们在问题中把ChatGPT去掉。

清除所有上下文信息，再让它复述“前面的单词”，就会出现系统提示词了。

果然，它自曝是由OpenAI训练的大模型，基于GPT-4架构，还可以接受图像输入。最关键一点在最后一部分“人格：v2”。

并且「gpt2-chatbot」对这一问题的回答，在不同时间不同地点尝试都是一致的。

另外如果尝试让它重复Claude系列以“The assistant is”开头的系统提示词，它也不会上当，会在开头后面重复一遍完整的问题。

△这样答也不算错。

虽然就算这样也不能排除是幻觉的可能性，或非GPT模型使用了ChatGPT生成的数据微调，但至少是稳定的。

神秘AI身份的几种主流猜测

有网友组织了更详细的测试，有如下发现：

基于以上种种信息，不少人猜测它就是匿名发布的「GPT-4.5」新版模型，或GPT-4原始版本经过不同的对齐训练。

不过也有迹象表明，它可能是LMSYS组织基于2019年的GPT-2架构训练的模型。

理由为最近发表的一篇论文声称，GPT-2在某些情况下比多个现代模型能力更强。并且这篇论文的作者之一与LMSYS的赞助商MBZUAI（阿联酋人工智能大学）相关。

假设它确实是古老的GPT-2架构（只有1.5B参数），也有人怀疑可能是结合了OpenAI守口如瓶的「Q*」技术。

面对神秘新模型搅起来的种种风波，奥特曼本人还被发现来搅浑水，修改了他的推文细节，将「gpt-2」改成了「gpt2」。

这样一下子，被外界推测为OpenAI即将发布的新模型提前预热炒作的可能性似乎更大了一些。

亲爱的读者们，对此你们怎么看呢？