摘要
30 秒看懂
在一段简短的采访中，一位身份未明确的发言者讨论 GPT-4.5 的大规模模型，并提出关于记忆与软件错误的说法。片段没有独立证实这些训练过程方面的说法。
- 1押注规模的模型发言者将该项目描述为押注超大型模型和大量数据。
- 2实际成本在发言者看来，速度和成本限制了模型的实用性。
- 3未经证实的训练说法发言者称记忆和软件错误影响了训练，但片段没有提供佐证。
要点建议
- 发言者认为 GPT-4.5 有能力，但对许多用途而言速度太慢、成本太高。
- 发言者将早期表现归因于大型模型的记忆。
- 片段没有独立证实所称训练错误及其影响。
全文
按章节阅读整理后的全文
01
对 GPT-4.5 的评价
发言者讨论模型规模、实用性和据称存在的训练问题。片段没有独立验证这一说法。
被问到 GPT-4.5 哪里出了问题时，发言者将它描述为一项押注用大量数据训练超大型模型的尝试。在他看来，模型很有能力，也会表现出幽默感，但速度太慢、成本太高，难以广泛实用。
发言者认为，参数过多可能使模型先记忆再泛化，并声称 GPT-4.5 的早期检查点表现强劲是因为记忆了大量内容。他还称一个持续数月的 PyTorch 错误最终得到修复。片段没有提供独立证据，证明这些具体说法或它们对模型的影响。
同频道的其他文章
25:50EN → 简体中文Kimi K3.1 Pro 实测：3D 演示出色，表现不一，价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力，并比较基准成绩与价格。
32:20EN → 简体中文本地 AI 究竟适合谁？成本、取舍与混合模式的未来Matthew Berman · Forward FutureMatthew Berman 权衡数据控制和自主权，与硬件成本、设置复杂度及推理速度之间的关系。
45:08EN → 简体中文Sam Altman 谈 AI 发现、意识、算力与以人为本的未来Matthew Berman, Sam Altman · Forward Future在与 Matthew Berman 的对谈中，Altman 讨论科学进步、个人助手、递归自我改进与人类自主权。
12:14EN → 简体中文Gemini 4 Argon 实测：3D 演示、电子表格原型与基准成绩Matthew Berman · Forward FutureMatthew Berman 用游戏和视觉项目测试 Google 模型，并比较公布的编程与智能体基准。
10:36EN → 简体中文Meta Muse Wonder 实测：基准成绩强劲，演示表现不一，额度限制影响体验Matthew Berman · Forward FutureMatthew Berman 测试 Meta 模型的浏览器演示，并分析公开的基准成绩、使用方式和成本。
17:37EN → 简体中文AI 编码、游戏混搭与人类品味的价值Matthew Berman · Forward FutureMatthew Berman 解释反编译与游戏混搭，并论述 AI 迭代编码如何改变软件和创作。