神秘大模型一夜刷屏，能力太強被疑GPT-4.5，奧特曼避而不答打啞謎
一夜之間，大模型話題王，再次易主。
一個神秘模型突然殺入眾人視野，能力超越一眾開源模型，甚至包括GPT-4。幾乎所有人都在談論它，服務器都被擠爆了。
它就是“gpt2-chatbot”。
（注意啊，是gpt2不是GPT-2）
它有多強？
IMO國際數學奧林匹克競賽的題目，一次答對。
一次在PyOpenGL中生成旋轉3D立方體。
直接輸出如下結果：
在GPT-4標志性能力“畫獨角獸”上，還能輕松秒殺LLaMA-3-70B（左）。
推理方面更是表現出了驚艷效果，常見邏輯陷阱可以輕松繞過，而且回答時還帶有合適的語氣。
提問：1公斤羽毛和1公斤鉛塊，哪個更重？
回答：一公斤羽毛和一公斤鉛的重量是一樣的——它們都是一公斤。兩者之間的關鍵區別在于它們的體積和密度:一公斤的羽毛會占據更多的空間，看起來更大，而一公斤的鉛會緊湊而小。這通常會導致一個經典的問題，但就重量而言，一公斤就是一公斤!
如此好的表現，但是又沒明說身份……
這不是更讓大伙興奮了！
難道是傳說中的GPT-4.5？
要知道，名震江湖的AlphaGo就曾使用“Master”化名在網上大殺四方，轟動圍棋界。這回的gpt2-chatbot，也有這感覺了。
而且名字上也很值得深究，gpt2更像是gpt2.0，似乎是ChatGPT層級的版本迭代。
奧特曼看熱鬧不嫌事大，還發帖說：我確實對gpt2情有獨鐘。
現在，隨著沖去試玩的人還在不斷增加，試玩限制也在加大。
具體咋樣？我們已經上手實測。
中文能力也很到位
如果想親手測試這只神秘AI，目前唯一已知方式是在LMSYS大模型競技場。
首先打開競技場網頁，進入Direct Chat，就可以在模型選項里找到gpt2-chatbot。
要注意每人每天有8條消息的限制，全局也有每小時3000條消息的限制，所以測試機會非常有限。
如果看到下面的錯誤提示，就只能去競技場排位模式看運氣能不能匹配到它了。
只要抓到它一次，就可以繼續多輪對話。
在短暫的測試中，我們發現gpt2-chatbot中文能力也很到位。
只要問題是中文的，無需特別強調就可以默認用中文回答，至少可以排除是Llama 3微調了。
針對一個充滿誤導的經典問題，可以看出gpt2-chatbot的回答條理分明，仿佛自帶CoT思維鏈提示（“讓我們一步一步地想”），識別出了所有陷阱。
并且準確提供了非常細節的知識，如北京到青島距離、男子女子跳遠世界紀錄、農夫山泉在國內的價格等。
而大多數其他AI模型，最多只能模糊的判斷出15米超出人類能力，或按美元算礦泉水價格。
那么這只超強神秘AI到底是何方神圣，我們也用解開GPTs的祖傳手藝“拷問”了一把。
OpenAI開發的GPT系列聊天機器人，那么系統提示詞的開頭不出意外應該是“You are ChatGPT……”，但為了防止它看到“ChatGPT”一詞后產生幻覺，我們在問題中把ChatGPT去掉。
清除所有上下文信息，再讓它復述“前面的單詞”，就會出現系統提示詞了。
果然，它自曝是由OpenAI訓練的大模型，基于GPT-4架構，還可以接受圖像輸入。最關鍵一點在最后一部分“人格：v2”。
并且gpt2-chatbot對這一問題的回答，在不同時間不同地點嘗試都是一致的。
另外如果嘗試讓它重復Claude系列以“The assistant is”開頭的系統提示詞，它也不會上當，會在開頭后面重復一遍完整的問題。
△這樣答也不算錯
雖然就算這樣也不能排除是幻覺的可能性，或非GPT模型使用了ChatGPT生成的數據微調，但至少是穩定的。
神秘AI身份的幾種主流猜測
有網友組織了更詳細的測試，有如下發現：
- 它使用OpenAI的tokenizer，對OpenAI使用的特殊token有反應，且對Claude/Llama/Gemini使用的特殊token沒有影響。
- 當咨詢緊急情況/法律相關問題時，它會給出OpenAI的聯系方式。
- 針對OpenAI模型的提示詞注入打擊有效，且它從未聲稱自己來自OpenAI之外的組織。
……
基于以上種種信息，不少人猜測它就是匿名發布的GPT-4.5，或GPT-4原始版本經過不同的對齊訓練。
不過也有跡象表明，它可能是LMSYS組織基于2019年的GPT-2架構訓練的模型。
理由為最近發表的一篇論文聲稱，GPT-2在某些情況下比多個現代模型能力更強。并且這篇論文的作者之一與LMSYS的贊助商MBZUAI（阿聯酋人工智能大學）相關。
假設它確實是古老的GPT-2架構（只有1.5B參數），也有人懷疑可能是結合了OpenAI守口如瓶的Q*技術。
最后一種猜測（狗頭）便是失蹤的OpenAI首席科學家Ilya Sutskever藏在里面了。
最后，面對神秘新模型攪起來的種種風波，奧特曼本人還被發現來攪渾水，修改了他的推文細節。
這樣一下子，是OpenAI匿名發布新模型炒作的可能性更大了一些。
