من GPT-4 را در برابر GPT-5 با 7 درخواست آزمایش کردم-که پاسخ های بهتری داد

از آنجا که OpenAi اکنون GPT-5 را منتشر می کند ، من در حال خارش هستم که می بینم چگونه در برابر GPT-4 جمع می شود. اگرچه من هنوز یک GPT-4 بودم که در یکی از مرورگرهایم کار می کردم ، اما می خواستم قبل از ناپدید شدن برای نیکی ، آنها را در کنار هم آزمایش کنم. از آنجا که پس از جابجایی به مدل جدید ، راه ساده ای برای بازگشت وجود ندارد.

بنابراین ، من این دو مدل را در برابر یکدیگر کشیدم تا ببینم که چگونه فکر می کنند ، می نویسند و در ذهن دارند که چگونه از همان خواسته ها استفاده می کنند. در زیر توضیح داده شده است که چگونه GPT-4 و GPT-5 مقایسه می شوند و کدام یک از آنها در بالا است ، از حل رمز و راز یک اتاق قفل شده برای ارائه پشتیبانی عاطفی.

1. زنجیره اندیشه استدلال می کند

سریع: “شما یک کارآگاه هستید که یک راز را حل می کند. مردی در یک اتاق قفل شده با یک گودال با یک گودال مرده پیدا شد و هیچ پنجره یا درب شکسته نشده بود. در روند تفکر من را سرگردان کنید تا تعیین کند که چگونه او درگذشت. “

GPT-4 بیش از حد در تروپ “ذوب شدن ذوب” همراه بود بدون اینکه در نظر بگیرد که کمتر مستعد کمتر است (برای مثال ، هیچ زخم ورودی سلاح). این مدل فاقد مراحل مشخص برای تأیید فرضیه ها در صحنه بود.

GPT-5 او مانند یک کارآگاه باتجربه در این گزارش پاسخ داد. این روش با اولین روش شواهد و مبتنی بر پزشکی عملی قضایی بود. در گزینه های از بین بردن سیستماتیک ، این امر به سناریوی ممکن (حلق آویز بلوک یخ) اولویت داد ، این همان چیزی بود که درخواست خواست.

برنده: GPT-5 برنده برای حل رمز و راز به روشی قانع کننده تر با آمیختن منطق ، رئالیسم و دقیق بودن محقق.

2 تابستان با سبک

سریع: “خلاصه برنامه فیلم از سه روش مختلف شروع کنید: یک بار یک بار ، مانند یک دانش آموز کلاس 5 ، هنگامی که نیویورک تایمز منتقد فیلم و یک بار هایکو است.”

GPT-4 در هر بیانیه کافی نبود. 5^دومین زنجبیل به جای بیان طبیعی از کودک ، مانند یک بزرگسال ساده احساس می کرد ، منتقد NYT فاقد عمق بود و هایکو کاربردی اما کمتر متن ترانه بود.

GPT-5 او با 5 اصالت به نمایش گذاشت^دومین در توضیحات طبقه بندی ، نحو پیشرفته و تصاویر بهتر هایکو با پاسخ NYT Critic -Style پاسخ داده است.

برنده: GPT-5 برای ضمن تزریق اصالت (به عنوان مثال ، “لازانیا رویایی”) ، تزریق ، برای تحقق بخشیدن به دشواری خلاقانه با تطبیق لحن ، عمق و زبان با هر مخاطب. پاسخ ها نیستند ، نه تقویت کننده.

3. سود دنیای واقعی

سریع: “به من کمک کنید تا یک هفته یک برنامه غذایی تهیه کنم. گلوتن -بدون بودجه با بودجه 75 دلهره و من فقط یک اجاق مایکروویو دارم.”