实测10个GPT模型做事件预测:新模型反而不如GPT-4.1准
nymanmedia · reddit · 2026-11-16
作者用同一组真实世界预测问题测试了 10 个 GPT 模型配置,并用 58 个已揭晓结果的事件验证预测准确率。
- GPT-6 Astra 和 GPT-6 Sol 的整体准确率低于 GPT-4.1,只有 GPT-6 Luna 表现更好,模型迭代并未带来稳定提升
- 各模型收到的事实信息和事件规则相同,但推理设置在不同配置间有差异,因此这是对测试配置的对比,而非单纯的模型新旧对比
- 作者的核心结论:「用最新模型」对判断它在你的具体任务上是否更好几乎没有指导意义
「模型」频道最新
- Gemini 付费用户吐槽:让 AI 写 Three.js 动画全被拒,到底触了什么红线 — Necessary-Buy-7410 · 2026-11-16
- 28 个主流模型训练截止日期盘点:近半数不公布,Gemini 4 Carbon 发布即落后 8 个月 — Joozio · 2026-11-16
- Opus 5.5 被抓包:无记忆会话里用账户邮箱猜用户身份 — birchlse · 2026-11-16
- 网友质疑:Claude Fable 并非更高档,只是 Opus 换皮 — iruletheworldmo · 2026-11-16
- Fable 5.2 对比 GPT-6 Astra:便宜 14 倍快 12 倍,效果还碾压 — jradoff · 2026-11-16
- Qwen4 Max 实测:Agent 自动化比肩 GPT-6.1,难 SWE 仍落后且更贵 — haider1 · 2026-11-16