GPT-4o连验证码都解不了？？SOTA模型成功率仅40%
GPT-4o连验证码都解不了？？SOTA模型成功率仅40%当前最强多模态Agent连验证码都解不了？
来自主题: AI技术研报
6798 点击 2025-06-05 10:39
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
当前最强多模态Agent连验证码都解不了？
一项新的强化学习方法，直接让Qwen性能大增，GPT-4o被赶超！
长视频理解是多模态大模型关键能力之一。尽管 OpenAI GPT-4o、Google Gemini 等私有模型已在该领域取得显著进展，当前的开源模型在效果、计算开销和运行效率等方面仍存在明显短板。
不久前，GPT-4o 的最新图像风格化与编辑能力横空出世，用吉卜力等风格生成的效果令人惊艳，也让我们清晰看到了开源社区与商业 API 在图像风格化一致性上的巨大差距。
近年来，语言模型技术迅速发展，然而代表性成果如Gemini 2.5Pro和GPT-4.1，逐渐被谷歌、OpenAI等科技巨头所垄断。
GPT-4o-Image也只能完成28.9%的任务，图像编辑评测新基准来了！360个全部由人类专家仔细思考并校对的高质量测试案例，暴露多模态模型在结合推理能力进行图像编辑时的短板。
近半年来，OpenAI 形象开始变得灰暗： 团队骨干相继离职引发猜疑、组织转型遭受口诛笔伐、GPT-4.5/Sora 等模型表现不及预期，还有被 DeepSeek R1 打破的叙事神话……
30年码龄程序员4年都没搞定的bug，Claude Opus 4只用几个小时轻松破解了。
最顶尖的AI模型，做起奥数题来已经和人类相当，那做物理题水平如何呢？港大等机构的研究发现：即使GPT-4o、Claude 3.7 Sonnet这样的最强模型，做物理题也翻车了，准确率直接被人类专家碾压！
前几天在论坛上看别人激烈辩论 AI 是否会取代工程师，突然有人在回复中冷不丁的抛出一个评论： 别说那么多废话，先让 AI 画个左撇子出来。 这是个什么问题？