- ادعت OpenAI أن نموذجها o3 قادر على حل أكثر من 25% من مسائل FrontierMath، لكن اختبارات جديدة أجرتها Epoch AI تكشف أن النسخة العامة قادرة على حل حوالي 10% فقط.
- جائزة ARC Prize ومهندس من OpenAI يؤكدان أن النموذج المُطلق هو إصدار أخف وأسرع، مُعد خصيصاً لاستخدامات الدردشة.
- كما تواجه شركات منافسة، بما في ذلك xAI وMeta، تدقيقاً بشأن نتائج المعايير المبالغ فيها.
يواجه أحدث نموذج لغوي كبير (LLM) من OpenAI، وهو o3، تدقيقًا شديدًا بعد أن وجدت الاختبارات المستقلة أنه حل عددًا أقل بكثير من مسائل الرياضيات الصعبة مما زعمته الشركة في البداية.
عندما كشفت OpenAI عن o3 في ديسمبر، قال التنفيذيون إن النموذج يمكنه الإجابة على "أكثر من ربع" المسائل في FrontierMath، وهي مجموعة صعبة شهيرة من ألغاز الرياضيات على مستوى الدراسات العليا.
وأضافوا أن أفضل منافس كان عالقًا عند حوالي 2%. وقال كبير مسؤولي البحث مارك تشين خلال البث المباشر لـ o3 و o3 mini : "اليوم، جميع العروض المتاحة لديها أقل من 2%. نرى أنه مع o3 في إعدادات الحوسبة العدوانية أثناء الاختبار، يمكننا الحصول على أكثر من 25%."
TechCrunch في يونيو أن DFS اقترحت لوائح جديدة للعملات المستقرة تهدف إلى مواءمتها مع قانون GENIUS ACT مع الحفاظ على ضوابطها الحالية. ويشمل ذلك التغطية الكاملة بالاحتياطيات والتدقيق المستقل. أن النتيجة تم الحصول عليها بواسطة OpenAI على نسخة من o3 استخدمت قوة حوسبة أكبر من النموذج الذي أصدرته الشركة الأسبوع الماضي.
في يوم الجمعة، نشرت معهد الأبحاث Epoch AI، الذي أنشأ FrontierMath، نتيجته الخاصة للنموذج o3 العام.
أطلقت OpenAI نموذج o3، وهو نموذج الاستدعاء المنتظر بشدة، بالإضافة إلى o4-mini، وهو نموذج أصغر وأرخص يحل محل o3-mini.
قمنا بتقييم النماذج الجديدة على مجموعة من اختبارات الرياضيات والعلوم. النتائج في الخيط! pic.twitter.com/5gbtzkEy1B
— Epoch AI (@EpochAIResearch) أبريل 18، 2025
باستخدام نسخة محدثة من الاختبار تتكون من 290 سؤالًا، وضعت Epoch النموذج عند حوالي 10%.
تتطابق النتيجة مع حد أدنى في الورقة التقنية الصادرة عن OpenAI في ديسمبر، وحذرت Epoch من أن التباين قد يكون ناتجًا عن أسباب مختلفة.
"قد يكون الفرق بين نتائجنا ونتائج OpenAI ناتجًا عن تقييم OpenAI باستخدام سقالة داخلية أكثر قوة، أو استخدام المزيد من الحوسبة أثناء الاختبار، أو لأن تلك النتائج تم تشغيلها على مجموعة فرعية مختلفة من FrontierMath"، كتبت Epoch .
يتم تصميم FrontierMath لقياس التقدم نحو الاستدلال الرياضي المتقدم. احتوت المجموعة العامة الصادرة في ديسمبر 2024 على 180 مسألة، بينما وسعت التحديث الخاص في فبراير 2025 المجموعة إلى 290.
يمكن أن تؤدي التغييرات في قائمة الأسئلة وكمية قوة الحوسبة المسموح بها أثناء الاختبار إلى تقلبات كبيرة في النسب المئوية المبلغ عنها.
أكدت OpenAI أن نموذج o3 العام يستخدم حوسبة أقل من النسخة التجريبية
جاءت الأدلة على أن الإصدار التجاري من o3 يفتقر إلى الكفاءة أيضًا من خلال اختبارات أجرتها مؤسسة ARC Prize، التي حاولت بناءً أكبر وأقدم. وأعلنت مؤسسة ARC Price على منصة X أن "الإصدار العام هو نموذج مختلف... مُعدّل للاستخدام في الدردشة/المنتجات"، مضافةً أن "جميع مستويات الحوسبة لـ o3 المُطلقة أصغر من النسخة التي قمنا بمعايرتها."
قدم موظف OpenAI، وندا تشو، تفسيرًا مماثلًا خلال بث مباشر الأسبوع الماضي. وقال إن نظام الإنتاج كان "مُحسّنًا أكثر للاستخدامات الواقعية" والسرعة. "لقد قمنا [بالتحسينات] لجعل النموذج أكثر كفاءة من حيث التكلفة [وأكثر] فائدة بشكل عام"، قال تشو، معترفًا بالتباينات المحتملة في المعايير.
نموذان أصغر من الشركة، o3-mini-high و o4-mini المعلن عنه حديثًا، يتفوقان بالفعل على o3 في FrontierMath، وتقول OpenAI إن إصدارًا أفضل من o3-pro سيصل في الأسابيع القادمة.
ومع ذلك، فإن ذلك يظهر كيف يمكن لعناوين المعايير أن تكون مضللة. في يناير، انتُقد Epoch لتأخره في الإفصاح عن تمويل OpenAI حتى بعد debut o3. ومؤخرًا، اتُهمت شركة Elon Musk xAI بتقديم رسوم بيانية تبالغ في قدرات نموذج Grok 3.
يقول مراقبو الصناعة إن مثل هذه الخلافات حول المعايير أصبحت حدثًا متكررًا في صناعة الذكاء الاصطناعي حيث تتسابق الشركات لالتقاط العناوين الرئيسية بنماذج جديدة.
أذكى العقول في عالم العملات الرقمية يقرأون بالفعل نشرتنا الإخبارية. هل تريد الانضمام؟ انضم إليهم.
إخلاء مسؤولية. المعلومات المقدمة ليست نصيحة تداول. Cryptopolitan.com لا تتحمل أي مسؤولية عن أي استثمارات تتم بناءً على المعلومات المقدمة في هذه الصفحة. نوصي بشدة بإجراء بحث مستقل و/أو الاستعانة بمستشار مؤهل قبل اتخاذ أي قرارات استثمارية.
نور بازمي
تُساهم نور بازمي في فريق أخبار Cryptopolitan وتتمتع بدرجة جامعية في الدراسات الإعلامية. تغطي نور أخبار البلوكشين والعملات المشفرة والذكاء الاصطناعي وشركات التكنولوجيا الكبرى وأسواق السيارات الكهربائية والاقتصاد العالمي وتحولات السياسات الحكومية. وهي حاليًا تدرس التسويق للتواصل مع الجماهير العالمية.
