原贴链接

无实质内容可翻译，仅为一个图片链接：

image

讨论总结

该讨论围绕标题中提到的o3图表的坐标轴（X轴为对数、Y轴为线性）展开。涉及众多话题，包括AGI是否已经到来、各种成本（如计算成本、订阅费用、基准测试成本等）、模型（如o3与o1的比较、模型适用性、OpenAI的模型发展方向等）、对图表的解读（包括图表错误、刻度合理性等）以及一些新兴的AI相关话题。参与者积极发表观点，氛围热烈，有不同观点的碰撞。

主要观点

  1. 👍 评估测试涉及高昂费用，计算成本甚至超过奖金
    • 支持理由：Final - Rush759提到评估测试右侧将近5000美元的费用，hyperknot补充计算成本约1,600,250美元超过奖金。
    • 反对声音：无。
  2. 🔥 目前不应将某些成果视为AGI
    • 正方观点：hyperknot表示为五岁小孩都能答对的错误支付1000美元，不应认为这是AGI；还有人指出目前性能会犯愚蠢错误、距离AGI还很远。
    • 反方观点：无。
  3. 💡 OpenAI投入大量计算资源宣称拥有AGI并无实际用途，应开发适用于所有人的小而精确的模型
    • 支持理由：Uncle___Marty提到OpenAI只是投入大量计算资源宣称拥有AGI没有实际用途，应开发更小且精确、适用于所有人的模型。
    • 反对声音：Ansible32指出证明功能性AGI的存在是有用的。
  4. 👍 o3可能会出现在GitHub copilot上，且其订阅费可能为5000美元
    • 支持理由：有人提问后有相关推测性回复。
    • 反对声音：无。
  5. 🔥 不同云平台硬件运行成本有所差异
    • 正方观点：TedO_O指出在Google Cloud上100个H100每小时成本为1000美元，与ForsookComparison所说的成本不同。
    • 反方观点：无。

金句与有趣评论

  1. “😂 Almost 5000 USD on the right side for an eval test.”
    • 亮点：直接指出评估测试的高昂费用。
  2. “🤔 As long as you have to pay $1000 to get a silly mistake which every 5 year old would get right (look at the image in my other comment), we shouldn’t think this is AGI.”
    • 亮点：以简单易懂的例子说明不应将某些成果视为AGI。
  3. “👀 OpenAI "We’re dropping behind on everything again, lets make a model thats 10 times the size!"”
    • 亮点：形象地讽刺了OpenAI的发展方向。
  4. “😂 It’s so weird how people don’t understand that. Anything that can’t be run right this instant on their 3060 doesn’t matter to them.”
    • 亮点：指出人们对不能即时在3060运行的内容不重视这一奇怪现象。
  5. “🤔 Demonstrating that you can have functional AGI is extremely useful, it turns it from an unsolved problem into a simple question of how expensive is the required amount of hardware and if you can optimize any.”
    • 亮点：阐述了证明功能性AGI存在的有用之处。

情感分析

总体情感倾向较为复杂。在关于AGI是否已到来、OpenAI的发展方向等话题上存在分歧。部分人对宣称AGI已到来持反对态度，认为目前距离AGI还很远，对OpenAI投入大量资源宣称拥有AGI不满，情感偏负面；而另一些人则认为证明功能性AGI的存在是有用的，情感相对正面。在成本相关问题上，大多对成本高昂表示担忧或质疑。这些分歧可能源于不同人对AGI的定义、发展现状的理解以及对成本效益的考量不同。

趋势与预测

  • 新兴话题：可能会进一步探讨如何降低成本以达到AGI，以及如何优化模型以提高性能并降低成本。
  • 潜在影响：对AI领域的研究方向和商业策略可能产生影响，促使开发者更加关注成本效益，也可能影响投资者对相关项目的态度。

详细内容：

标题：关于 o3 图表及其引发的成本与性能讨论

在 Reddit 上，一个关于 o3 图表的帖子引起了广泛关注。该图表在 X 轴采用对数刻度，Y 轴为线性刻度，涉及 o3 模型的评估测试成本等内容。此帖获得了众多点赞和大量评论，引发了关于模型性能、成本以及是否能达到 AGI 等多方面的热烈讨论。

讨论焦点与观点分析：

  • 有人认为 o3 模型的计算成本过高，虽然有一定性能提升，但这种巨大投入不一定是架构改进，而是通过增大模型和增加“思考”时间实现的。例如，有人指出“O1 有改进，但增加的计算成本表明这并非必然是架构改进，而是让更大的模型有更多时间‘思考’”。
  • 对于 o3 是否能被视为 AGI 存在争议。有人认为只要出现像五岁小孩都不会犯的错误，就不能认为是 AGI；但也有人认为成本与是否是 AGI 无关。
  • 有观点认为计算成本随时间呈对数下降，模型的性能和效率会不断提升。比如有人提到“虽然现在价格昂贵，但也许两年后就会变得更便宜”。
  • 关于模型的应用价值，有人认为如果能以高成本实现如解决癌症等重大问题，那么也是有价值的；但也有人认为应追求更小、更准确且对大众更实用的模型。

总之，Reddit 上关于 o3 图表的讨论反映了大家对人工智能发展的关注和思考，涉及成本、性能、应用价值以及是否能达到 AGI 等诸多复杂且重要的问题。