一位AI初创CEO更是直言：在自己心目中最实用评估基准Aider Polyglot上， OpenAI的「镇国之宝」GPT-4.5，比DeepSeek-V3贵了500倍，但表现反而更差。

GPT-4.5令人失望的表现，再次印证了Ilya这句话的含金量：预训练已经达到极限，推理Scaling才是未来有希望的范式。 GPT-4.5在基准测试上并没有提升，推理没有增强，只是变成了一个更易于合作、更有创造性、幻觉更少的模型。