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gpt2不是GPT-2）
它有多强？
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：
提问：1公斤羽毛和1公斤铅块，哪个更重？
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。
具体表现怎么样？我们已经上手实测。
中文能力也很到位
如果想亲手测试这只神秘AI，目前唯一的已知方式是在LMSYS大模型竞技场。
首先打开竞技场网页，进入DirectChat，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的中文能力也很到位。
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Llama3微调了。
针对一个充满误导的经典问题，我们可以看出，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，如北京到青岛的距离、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，最多只能模糊地判断出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。
如果是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“YouareChatGPT……”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。最关键的一点在最后一部分“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“Theassistantis”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，但它至少是稳定的。
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：
它使用OpenAI的tokenizer，对OpenAI使用的特殊token有反应，且Claude/Llama/Gemini使用的特殊token对其没有影响。
当咨询紧急情况/法律相关问题时，它会给出OpenAI的联系方式。
针对OpenAI模型的提示词注入攻击有效，且它从未声称过自己来自OpenAI之外的组织。
……
基于以上种种信息，不少人猜测它就是匿名发布的GPT-4.5，或GPT-4原始版本经过不同对齐训练后的成果。
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。
理由是，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。
最后一种猜测（狗头）便是失踪的OpenAI首席科学家IlyaSutskever被藏在里面了。
最后，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。
这样一来，是OpenAI匿名发布新模型炒作的可能性更大了一些。
