报道：曾浩年

人工智能巨头OpenAI耗费巨资打造、号称“至今最大”的GPT-4.5，上市后却迎来一场意料之外的滑铁卢。与此同时，OpenAI的主要竞争对手Anthropic同期推出的Claude 3.7却广受好评，形成鲜明的对比，更突显GPT-4.5的黯淡。使用者铺天盖地的负评，如同冰冷的寒流，浇熄人们对这款明星模型的过度期待。编程能力倒退、数学逻辑崩盘、价格却如同火箭般飞升，GPT-4.5不仅没有展现出划时代的进步，反而成为OpenAI“全能神话”破灭的警钟。

编码能力大幅退步

GPT-4.5令人失望，首先体现在其不堪入目的性价比。5倍于GPTo1、30倍于GPT-4o的价格，换来的却是使用者口中“能力平庸”的产品。程式设计师哀号GPT-4.5的编码能力大幅退步，数学爱好者抱怨其逻辑推理能力简直是灾难。OpenAI标榜GPT-4.5能以更“有温度”、更人性化的方式与使用者对话，仿佛暗示其价值在于更细腻的情感交流能力。然而，使用者真的愿意为这种“更人性化的对话”，付出如此高昂的代价吗？OpenAI强调的“事实性幻觉”改善，似乎是以牺牲其他核心能力为代价的饮鸩止渴。

然而，“事实性幻觉”问题，的确是横亘于大型语言模型发展道路上的一座大山，是无法回避的核心挑战。“深度求索”（DeepSeek）崛起，则展示了另一种极端——即使牺牲部分真实性，也能在其他方面取得进展，这突显了幻觉问题的复杂性。

DeepSeek R1出现，的确在全球人工智能领域掀起一阵“鲶鱼效应”。它以惊人的速度和非常低廉的开发与使用成本，提供了另一种强大的语言模型选择，大幅刺激了全球人工智能产品的开发热情，也迫使其他厂商加速技术迭代和降低服务价格，客观上推动了人工智能技术的普及，和应用成本下降。“深度求索”在推动产业发展上的贡献不容抹灭。

DeepSeek R1严重幻觉

然而，DeepSeek R1也存在着一个无法忽视的致命缺陷：严重的幻觉问题。数据显示，DeepSeek R1的幻觉率竟比谷歌 Gemini-2.0-Flash-001高出20倍，这意味着，使用者在使用DeepSeek R1时，需要格外警惕其生成内容的真实性，并投入更多精力查核事实。

然而，从另一个角度观察，DeepSeek R1的高幻觉率，却也意外地赋予它一些独特的语言风格。部分使用者注意到，DeepSeek R1的回答有时更为直接、更具个人观点，甚至带有一些讽刺和批判性，文采飞扬。这种风格，在某些人眼中，反而显得更生动、更“有创意”，有别于其他模型那种四平八稳、过于谨慎的回答方式，DeepSeek R1经常以独特观点，思考用户的要求和问题。文采飞扬的代价：DeepSeek R1的这种“创意”，似乎正是以牺牲事实准确性为代价换来的。

这就如同一个悖论：为了追求更高的真实性和可靠性，人工智能模型需要竭力避免幻觉；但是如果过度压制模型产生“错误”输出的能力，是否也会同时扼杀了模型产生新颖、独特、甚至具有“创意”的潜力？幻觉，究竟是人工智能发展的绝对障碍，还是可能在某些方面，成为激发其潜能的“双刃剑”？这个问题显然没有简单的答案。

须保证资讯真实可靠

在某些特定领域，例如需要高度事实准确性的科学研究、金融分析、法律谘询、医疗诊断等，幻觉是不容许的。在这些攸关人命、财产，或是社会公平正义的应用场景中，人工智能模型的首要任务，是保证资讯的真实可靠，任何形式的幻觉都可能造成严重后果。

针对这些领域，人工智能开发的重点应放在降低幻觉率，确保模型输出内容的准确性和可验证性。

然而，在另一些领域，例如创意写作、艺术设计、游戏娱乐、或是脑力激荡等，适度的“幻觉”，或者更精确地说，是模型的发散性思维和联想能力，反而可能成为一种优势。

在这些鼓励创新、追求独特性的应用场景中，我们或许可以容忍模型在一定程度上偏离事实，甚至期待模型能够产生一些“意料之外”的、具有启发性的输出。对于这些领域，人工智能开发的重点，可以转向如何在控制有害幻觉的同时，最大限度地保留和激发模型的创意潜能，让它成为人类创造力的延伸和放大器。 

新闻来源：亚洲周刊