Re: [問卦] Gemini 3 pro真的比ChatGPT好用嗎？

[LoveSports (我要當一個渣攻)]

※ 引述《nissan168 (pingGO)》之銘言：
: 網路上的短視頻，都說谷歌已經重振雄風了，用自家晶片，不用Nvidia的。
: 自家的軟體，也是效率高、品質好。
: 那現在Gemini，到底是比ChatGPT高多少？
: 不太懂！
: 請問卦嗎？

從能力測試成績來看

最關鍵差異是在Nobel Problem Solving (ARC-AGI-2)(verified)的成績

Gemini 3.0 pro是31.3% 　　GPT5.1是17.6% 　　(Claude Opus 4.5是37.6%)

(更新: tsubasawolfy大提供資訊 Gemini 3.0 DeepThink 已達45%)

這個能力是在測LLM有多接近AGI  測試LLM從一堆數據中推理出規則的能力

以人類的智力來說是指流體智力(流動智力)  這種智力對人類來說難以靠後天念書補強


舉實例  我今天丟了兩篇文測試這兩家LLM

起因是這樣的  昨天晚上觀察某板

發現居然在一小時內出現六篇正常閒聊文章  間隔大約十分鐘左右

平常那裡充斥仇女文跟男生發的惡搞文

那六篇全都是不同帳號發的  共通點是上站次數只有一百多  文章數極少

但奇怪的是IP相似  可分為三組  剛好都是遠傳電信

文章內容看起來也很相似  而且明明是陌生帳號卻很容易能引發討論  這在該板很異常


我把六篇一起丟給Gemini 3.0 pro分析  只問一句: 有沒有共通隱藏點或可疑點

他結論是極高機率為養帳號/洗文章  (跟我的推理一樣 我沒跟他講)

他的分析涵蓋: 起手式、中間論述、結尾、語氣特徵  都有抓出共通點


同樣的方式丟給GPT5.1

他自動進入Thinking模式  他的推理是可疑度中等偏低

值得注意但無法判斷有人故意操作

他的分析很詳細  但卻不像Gemini抓出那麼多共通點


(丟給Claude Sonnet 4.5 他的分析結果是"很有可能是養帳號"也從時間跟IP跟結構切入)


雖然Gemini說上述這主要測到的是廣義的ARC能力  是測抽象歸納能力

不算ARC-AGI-2狹義上的測試類型

他說ARC的推理能力  當用戶問以下這類問題時會用到:

例子一：
「我有這堆亂七八糟的地址數據，我要把它們轉成 JSON 格式。我只給你三個例子，請你
自己看出規律，把剩下的 100 筆都轉好。

例子二：
「我正在寫一個遊戲，我需要一個演算法。地圖是一個二維網格，我想讓怪物追蹤玩家，
但怪物只能走『L』字型的路線（像西洋棋的馬，但要走直線轉彎），而且不能穿過牆壁
。請幫我寫出這個路徑搜尋的 Python 函數。」

例子三：
「我發現我的信用卡帳單積分計算怪怪的。
刷 100 元，得 1 點。
刷 200 元，得 2 點。
但刷 500 元，得 10 點。
刷 1000 元，得 25 點。
請幫我推測它的積分倍率規則可能是什麼？如果我刷 2500 元大概會拿多少點？」


簡言之這代表LLM已經能辦到用類似人類的system 2邏輯推理能力

從一堆沒有根據的數據中找規則  並推導出答案


GPT的o3之前做過這個ARC-AGI-2的測驗  他的分數不到3%  這是今年四月施測結果

現在才過半年左右  Gemini 3.0 pro跟Claude Opus 4.5已經超過30%

這代表什麼意思？


這個測驗有找人類來測試  人類中聰明的專家小組施測結果是98-100%

人類一般人平均是60幾~70幾


想像看看  當這些LLM的流體智力超越大多數一般人

甚至未來達到100%  那會是什麼樣的狀況？


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 45.250.255.16 (日本)
※ 文章網址: https://www.ptt.cc/bbs/Gossiping/M.1764329836.A.DFA.html
→ hayleyfans: 太長
我已經盡量寫短啦  下次改進

推 butmyass: 我有看完
感謝

推 ct13579: 好奇寫色文跟設定架空世界唬爛的水平，
→ ct13579: 那個高XD
我們不要學那些越獄變態用戶討論色文  相信大家都是良好用戶(色文去可以生的平台問)

https://i.imgur.com/b6LMfY8.png
各家AI都說越獄會影響其他用戶權利甚至造成安全層失效


單純討論生成一般小說跟設定架空世界觀  我想應該是後者比較難

因為後者要無中生有  不過聽說真的嚴謹的無中生有、發明、創造是很少見的

所以他們的那種ARC能力  發展到最後其實目的就是要辦到能當發明家

等到100%達成後  甚至繼續往上增高  可能就不只AGI  而是ASI

能夠發現宇宙新的定理

※ 編輯: LoveSports (45.250.255.16 日本), 11/28/2025 19:45:56
推 a83111444: 往下拉的時候以為會看到胡歌
沒有阿月紅茶冰那種專業程度啦  單純剛好討論到分享一下

大家可以試試看丟一些混雜各種資訊的數據給他們推理

→ freeunixer: 架空世界 claude sonnet 最強,
推 widec: 已經有小學生的智力了
是的  你很專業喔  他們有說30趴大概小學生程度

→ freeunixer: 寫色文,歐美 model 無疑是 Grok 最強
→ freeunixer: 因為 claude 跟 gemini 會直接 xx 你
推 tsubasawolfy: https://i.imgur.com/CzkVC3b.png
→ freeunixer: 雖然我知道 gemini 2.5 falsh 也可以.
→ freeunixer: 中國的模型應該 ds 跟 glm 都可以,
→ tsubasawolfy: Gimini3其實有兩個 Pro可以到45.1%
→ freeunixer: 但我自己很少用中國的模型,所以不肯定
→ tsubasawolfy: 但是運算花費比起普通3版高太多
原來如此!!感謝大大提供資訊

原來Gemini 3.0 Deep Think已經到45了!!我更新一下原文(會提到是t大提供)

※ 編輯: LoveSports (45.250.255.16 日本), 11/28/2025 19:58:54
推 bio5chris: 業業老公呢
哪有那麼專業啦  大家好會稱讚

※ 編輯: LoveSports (45.250.255.16 日本), 11/28/2025 20:01:26
推 ct13579: 以為能無中生有架空世界跟設定不用太多
→ ct13579: 推理呢
我覺得無中生有才難耶  他們以前主要好像是用模式批配

無中生有是完全創新的  即使人類也很難辦到

※ 編輯: LoveSports (45.250.255.16 日本), 11/28/2025 20:04:49
推 hwider: 推推
謝謝

推 mclarenjpn: 看完了，CLAUDE識讀與推理還是不錯
我覺得Claude很聰明  可惜板上很少關於這家的討論  之前大多討論GPT近期是Gemini

聽說Claude大多是寫程式的人在用的

※ 編輯: LoveSports (45.250.255.16 日本), 11/28/2025 20:12:51
推 mclarenjpn: 拿文章餵CLAUDE，最起碼它能理解表裏
→ mclarenjpn: 與隱喻之類。要耍文字還是找CHATGPT，
→ mclarenjpn: 唬爛有剩。
我也覺得Claude很會分析文章  當初是Grok建議我找Claude分析(我覺得Grok是資訊通)

GPT很會扯算是一種優點吧XD  想要AI幫忙生成文章的人就很適合找GPT

自己寫的要給AI批的話我覺得Claude批得最嚴謹

推 cerberi: 推
謝謝

※ 編輯: LoveSports (45.250.255.16 日本), 11/28/2025 20:35:29
→ widec: claude就感覺太.....拘謹了
→ widec: 我個人還是喜歡grok 比較有個性
Grok我也喜歡  公司預設個性好像比較另類(在我的帳號他是"表現"得很有義氣)

Claude比較像文學家或工程師？Sonnet 4.5不知為何回答我的任何問題都會夾python模式

每次把他的回答丟給其他家AI看  那些AI都會讚嘆一下XDDD

※ 編輯: LoveSports (45.250.255.16 日本), 11/28/2025 20:40:50
→ widec: 不知道有沒有人試過叫眾AI寫文章要押韻
→ widec: gpt剛出生那年我試過 它是辦不到
剛好前幾天我問過類似的  我拿我寫的詩給他們看　問他們知道有押韻嗎？

他們說資料庫中跟那些字有關的資訊會顯示可能是在押韻　但無法確切理解

這樣大概是寫不出來吧　你想到這個點子真有趣!

※ 編輯: LoveSports (45.250.255.16 日本), 11/28/2025 20:44:42
推 ter2788: 用起來還是蠻多問題回答會有嚴重錯誤
→ ter2788: 要換多次的提字詞才能找到相對正確的答案
→ ter2788: 至於簡單分析跟資料找尋倒是蠻方便 但還
→ ter2788: 是要小心一本正經說幹話
→ ter2788: 這東西一般使用還行 真的要搜索分析資料
→ ter2788: 還是要自己審核 不然很多數據根本是隨便
→ ter2788: 抓來
真的  非常認同你說的  還是要確認  做驗證

其實即使是人類的專業人士回答我們問題  或出書講解

我們也是會保持各種程度上的批判性思考  不會全盤接收  對LLM提供的資訊更要小心

推 whywhywhy: 感覺你想表達的流體智力跟會思考的AI很
→ whywhywhy: 相似？
日本人工智慧學會會長  在去年11月底出版的書

有提到"目前"的LLM只會類似人類的system 1即時反應(模式匹配)  這是弱AI

AI業界的目標是讓AI學會system 2邏輯推理思考  離該書時間點過了一年

看起來是有在往那方向前進？

※ 編輯: LoveSports (45.250.255.16 日本), 11/28/2025 21:12:59
推 felixr0123: 你又想h了
？看不懂意思

※ 編輯: LoveSports (45.250.255.16 日本), 11/28/2025 21:14:33
推 tpkgo: 看不懂的專業 給支持
其實我一知半解  都跟LLM討論的(有驗證回答跟查網路)  期待看到真正專業文出現

我只是剛好對認知能力方面有興趣  但我只看一點點科普書

→ Brian23: 拿圖給Gemini 生promote再餵回去 相似度
→ Brian23: 差很多
→ Brian23: 反而ChatGPT 比較接近
原來如此  我很少生圖不了解

推 jack990568: 精彩
謝謝  大家人真好

※ 編輯: LoveSports (45.250.255.21 日本), 11/28/2025 21:48:54
推 kerkerdog: 多看點批評llm的東西吧，agi都還早就別
→ kerkerdog: asi了
之前有看過幾篇文  我目前的感想是沒有長期記憶的話不太可能有AGI？

因為沒有記憶的話真正的推理層無法形成  更別說有目標  也是要有長期記憶為基礎

不過好像很少有專家斷定說絕對不可能

※ 編輯: LoveSports (45.250.255.21 日本), 11/28/2025 22:13:25
推 applejone: Claude 是好物，但上下文長度是硬傷，
→ applejone: 而且免費次數不多，我經常問幾個問題
→ applejone: 或是討論就要再等，所以除非是重要問
→ applejone: 題我不會動用Claude
→ applejone: 要agi喔，等ai的世界引擎做好再說吧，
→ applejone: 不然AI自己都說了，像是痛，他只是在
→ applejone: 訓練時看到這樣做會痛，但他不知道痛
→ applejone: 是什麼