我看到了一个有意思的问答：DeepSeek-R1和GPT-4.5之间的关键差别是什么？GPT-4.5比DeepSeek-R1“新”一个月。
What are the key differences between DeepSeek-R1 and GPT-4.5?
GPT-4.5 is 1 months newer than DeepSeek-R1.
也就是说，除了“新”一个月外，GPT-4.5并没有啥被公认的巨大优势。
在价格方面，GPT-4.5显著的比DeepSeek-R1贵：
GPT-4.5不仅仅比DeepSeek贵，跟几乎所有主流大模型相比，它的价格都是一骑绝尘的。
GPT-4.5的API价格为每百万Tokens 75美元，相较于上一代GPT-4o的2.5美元上涨了30倍。而DeepSeek每百万Tokens的价格……这是官网的最新报价，其中deepseek-chat模型对应 DeepSeek-V3，deepseek-reasoner模型对应DeepSeek-R1：
对于GPT-4.5给出的报价，我只想说，大概是梁静茹给它的勇气吧……
那么坚决不打价格战的GPT-4.5是否真的配得上它这个高昂的报价呢？
从技术报告来看，GPT-4.5的核心理念仍然是通过扩大无监督学习的规模，从而提升模型的整体能力。
虽然GPT-4.5在技术报告中表示，他们要在扩展无监督学习与链式思维推理之间找到平衡，但实际上还是寄希望于“大力出奇迹”。
GPT-4.5被描述为“our largest and most knowledgeable model yet”，可以推断模型规模较GPT-4o有所扩大。此外，“scales pre-training further”（进一步扩大了预训练规模），表明预训练的数据量和计算资源也有所扩大。
不过与以往一样，作为最“知名”的闭源模型，GPT-4.5并没有提供具体的参数数量或架构细节的精确信息。
与GPT-4.5的遮遮掩掩相比，DeepSeek-R1的报告明确说明了它使用的是MoE（混合专家）架构，总参数量为671B，激活参数为37B。
GPT-4.5最大的创新，大概就是所谓的“可扩展对齐技术”，据说可以更好的理解人类的需求。
传统方法一般需要大量的人类反馈数据来“对齐”模型行为，这种方式成本高，效率低，并且难以随着模型规模增长而进行扩展，可扩展对齐技术则可以让“大”模型从“小”模型中学习如何理解人类。
简单来说，比如OpenAI认为他们的GPT-4o模型已经通过与人类互动学会了什么样的回答是有帮助的，什么样的行为是人类期望的。
然后，这个已经“懂事”的小模型被用来生成大量的数据——各种情境下的问题及其最佳回答方式。这些数据想要随时可以让4o生成，显然比人类直接提供的内容要丰富得多。
只不过，这种方式既可以说是为了生成更符合人类期待的数据，也可以认为是数据量终于不够了，收集不到足够数据的OpenAI只好采用A模型生成数据用来训练B模型的方式，看似扩大了数据量，但是这种疑似“近亲繁殖”的训练方式，是否真的能大幅提升模型性能，我觉得很难说。
GPT-4.5也好，Grok-3也罢，大模型走到今天，似乎已经走到了一个瓶颈。Scaling Law是否还有用？无限扩大模型规模和数据量，是否能够真的无限提升模型性能，甚至实现通用人工智能，大家脑子里都有一个大大的问号。
只是，大模型技术虽然有待突破，但是对于我们打工人来说，大模型只要有用、便宜也就足够了。各行各业现在都在积极部署自己的“满血版”R1，也就是说，不管愿不愿意，大模型都已经走进了我们的工作中。接受它、学习它、用好它，才能不被时代淘汰。建议大家听听知乎知学堂大模型应用开发公开课，不仅会讲解大模型的底层技术，更是会介绍现在最火的DeepSeek-R1怎样“满血”应用。RLHF是啥？MoE又是啥？应用了这些技术的DeepSeek到底怎样助力我们的工作？这些在课程中都会有所涉及，学好大模型，在工作中玩转AI。
最近我的工作群里经常看到DeepSeek使用技巧讲座、AI赋能应用PPT等，可见在工作中用起来并且用好大模型，已经是迫在眉睫的事情。
只是曾经站在技术顶端的OpenAI，最近的一系列操作着实令人失望和迷茫。
他们定义自己“最大最有知识”的GPT-4.5并不是一个前沿模型（frontier model），只是OpenAI最大的模型，号称推理效率比GPT-4提升了10倍以上。
在OpenAI的定义中，前沿模型指的是那些在能力上有着突破性进展，可能带来新型风险的模型。GPT-4.5虽然在规模上是“最大”的语言模型，在世界知识、写作能力和个性方面有所提升，但它并没有引入全新的前沿能力（frontier capabilities）。
只能说，OpenAI的这个评价还是比较客观的。不过只根据那些可能作弊的“打榜”分数，在没有引入新技术和新的idea的前提下，说是有很大提升，说实话还不如老马的Grok-3可信度更高一些……
OpenAI大篇幅介绍的GPT-4.5能够“更好地理解人类需求和意图”的能力，是他们这次更新的重点宣传内容。
GPT-4.5声称可以“感觉更自然”、具有“情感智能”，能够“知道何时提供建议、缓解挫折感或只是倾听用户”。这种对人类情绪和需求的理解能力，说白了就是让机器人不那么像机器人，而是更有“人情味”。
前面说到了，在官方的说辞中，GPT-4.5是通过所谓的“可扩展对齐技术”来实现这一点的。简单来说，就是让GPT-4o这种“小”模型先从人类那里学会什么是“得体的回答”，然后再让它去指导“大”模型GPT-4.5。
但问题来了，这么长时间的实践表明，GPT-4o对人类的理解也就是一知半解，那么以它为老师，使用它生成的数据进行学习的GPT-4.5能学到什么真东西？
我感觉，这就是“满不懂教假行家”……
也许OpenAI觉得这是一种解决标注数据量不足问题的绝佳手段，但这种近似“自导自演”的学习方式，总让人感觉有点儿闭门造车的味道。
而且退一步说，就算GPT-4.5真的能更好地理解人类需求，那它是不是应该先理解一下人类愿意为大模型支付的价格。只是因为说话“好听”一点，就要让人类愿意为每百万token支付75美元？有多少普通用户乃至中小企业能够接受这样的成本呢？所谓的“更好理解人类”或许只是吹无可吹的情况下，找到的唯一亮点罢了。
再者，OpenAI这种对齐技术的重点似乎放在了让AI知道“什么该说”和“什么不该说”上，这本身就是一种限制，真正理解人类或许根本就不应该给出这种程式化的回应
与之相比，DeepSeek-R1的纯强化学习方法虽然可能会产生一些惊人甚至出格的回答，但这种探索性可能更接近真实的人类思维方式。毕竟人类思维本身就是复杂多变、充满探索性的，而不是被某种规则严格约束的。
所以，我是没看出来GPT-4.5哪里超越了DeepSeek，最大的特点大概就是“贵”了。跟连参数量都不敢大方公布的GPT相比，敞亮开源的DeepSeek或许真的能够引领一拨儿AI革新也说不定。期待下一个版本的DeepSeek能够带给我们更多的惊喜！ |
|
