织梦森林和我的花园世界一样吗

终于来了，杰米妮三点一 pro 今天正式发布，说实话，我期待这一刻已经很久了， google 最近的日子确实不太好过，有段时间给人的感觉是，每当他们刚发布新产品 open ai for entropic， 紧接着两周后就会甩出更强的东西，然后大家转头就把 google 给忘了，这就是过去一年来的常态。但这次给我的感觉完全不同。我这话绝不是随口说说， 我研究了他们今天发布的所有资料，也看了演示视频，我觉得谷歌这次是真的重回巅峰，拿回了话语权。话不多说，我们直接切入正题。大家现在看到的是我让这两个模型分别开发的一款提速风格游戏，一个是谷歌最新的 jamming 三点一 pro 预览版，以及 entropix 推出的最新模型 cloud ops 四点六。 接下来我们来看看这两个模型的表现，对比一下他们的实际效果以及各自的优劣。老实说，这两个模型的表现都让我感到非常惊艳，因为我做体塑农场、体塑瀑布这类测试已经有一段时间了， 我发现深层的画面越来越清晰，互动性也越来越强，而且这些模型还增加了不少新功能。比如你看我一开始输入的指令是创建一个有动物的体塑农场，就生成了农场， 但我希望能跟这个场景进行互动，所以我就接着输入，帮我跟农场互动，或者做点什么操作。你看这些都是很随意的提示词，非常简单，这两个模型都能做到这一点。我们先来看看 jamini 的 表现，我把它全屏展示一下，大家一眼就能看出这个体速农场看起来非常精美且准确。 这边有一头牛，这里有几只鸡，还有几头猪，那个是什么？我看像是一堆干草。这儿还有绵羊，这是一个农场，大家仔细看动画效果和整体画面非常丝滑，没有任何卡顿或画面错误。 这边是谷仓，我可以点击作物进行种植或收割，也能点击动物收集产物。比如我要是点击这头牛，你会看到我的牛奶积分增加了，所以我再多点几下，每次挤奶这牛都跟疯了一样。 然后再点点鸡，收点鸡蛋。大家看这边，接着是绵羊，剪点羊毛，多来点，然后是猪， 猪给什么呢？松露，有点意思，我都不知道猪还能出松露，再看看还有什么，我能点这甘草吗？看来甘草点不了， 不过我可以把库存卖了，所以我把它卖了，进账四四十美元。这我没意见，这钱我收下了，而且还能种点作物。大家看，这一切都是模型生成的，我只是跟他说，嘿， 给我做一个体速农场，再整点能交互的东西，可以看到树正在长，现在能从这收点东西，还能种点东西什么的， 看看我拿到了什么是作物。那我现在可以把作物卖了，能重新再种吗？这能行吗？还真行，这样我就能卖作物了，虽然我已经种下了作物，我就无法再操作它了。这个设定挺好， 所以我可以使用资金了，而且能把它卖掉或者重新种植，这挺酷的。以上就是三点一生成的效果，现在来看看 cloud opus 四点六生成了什么。我们在新浏览器窗口里把它打开， 点击任意动物选中，然后喂食或者抚摸它们，或者收集产物换取金币。作物点击任意作物即可交互，给生长中的作物浇水。我们可以看出 opus 的 四点六 至少在目前在交互性上增加了很多元素。不过我们来看看地图做的怎么样。地图看起来相当不错，我没什么好抱怨的，但可以看到奶牛好像飘在半空， 绵羊也飘在半空，跟那个比，它确实加了不少动物。再来看看还能做些什么。我要是点一下这个金牛，我喜欢这种游戏化要素，像幸福度什么的， 你看幸福度在下降，如果我摸摸它，继续摸的话，数值就会长。要是喂它的话，我还能喂牛什么的，还能收集产物， 这点也挺不错的。加入了这么多新功能，我倒觉得挺好的，没什么可挑剔的。所以这两款模型，显然它们都各有优劣。我们正处于这样一个阶段，各大模型的能力都已经变得非常强悍，它们之间已经很难拉开差距了，但我对这两者的表现都很满意。 至于 ai 社区对此有什么反应，那是 ai 社区现在彻底炸锅了。讨论的焦点主要集中在它的推理得分上。在 ark agi 二基准测试中，这是由 francesco challet 设计的，专门作为模型无法作弊的基准，要么靠真本事推理，要么就别想拿高分。 此前顶级模型的分数一直卡在百分之五十以下，三点一 pro 达到了百分之七十七。尽管大家谈及 agi 时人很谨慎，但这种跨越式的提升确实不容忽视。 现在画面上是 jammy 三点一在网页端模拟生成的 windows 系统首先你可以观察到的是，这一版生成的效果看起来要专业得多，而且它对 windows 系统的还原度也更高。相比于我们见过的其他模型生成的版本，可以看到它能生成全新的桌面环境，还能创建非常相似的侧边栏， 就像 windows 的 原声。外观上面不仅有 teams 之类的应用程序，底部还有这些新功能区，可以调节亮度、音量等各种设置。由此可见，该模型的编程能力非常强悍。与我们过去看过的其他演示相比， 这次的演示清楚地证明了这一点。为了展示更多细节，我们来看看文件资源管理器。大家会发现，这模型不仅能生成这些组建， 而且看起来还挺逼真，跟真实的 windows 界面非常像。而且项目中还藏了一些小彩蛋，如果查看下载之类的文件夹，会发现有安装包、音乐应用和图片， 甚至还能更换壁纸。此外，还有一个照片应用，还能做些什么呢？还有个天气应用，定位设在印度加尔各答，这挺酷的，我们可以移动它或者展开查看。此外还有截图工具、控制面板， 里面的系统和安全图标我觉得跟 windows 很 像，其实我平时用的是 mac， 所以 也不太确定。接着是设置，可以在这儿进行全方位的个性化调整，我们可以自定义背景，还能切换深浅色模式，这点很棒。 因为这一功能我在其他模型中还没见过，至少没达到这种水准，所以能看到这个真的很不错，看看还有什么？这里还有日历功能，跟 windows 相比，它看起来倒更像 macos 的 日历，不过我不介意这做的相当不错。然后是计算器， 再说是计算器又是满满 windows 风格，比起其他版本。好了，我们来看看具体数据。其实这值得一聊的内容远不止 google 博客里重点强调的那一项精准测试。先从最重磅的那个指标开始说起， 奥特 a g i 二只在测试模型能否处理全新的逻辑模式，即那些他从未见过且无法仅靠模式匹配就能蒙混过关的难题。他是目前最难的推理精准测试之一。而 jimmy 三点一 pro 拿到了百分之七十七点一的高分， 这 mini 三 pro 的 得分是百分之三十一点一，这是它们的上一代模型。所以这可不是一丁点的进步，相当于从通过率的三分之一跨越到了四分之三。作为参照， cloud opus 四点六的得分是百分之六十八点八，而 gpt 五点二则是百分之五十二点九。在这项基本测试中，三点一 pro 不 仅超越了自家的旧版本， 也明显甩开了其他竞争对手。有意思的是，在旧版的 ark a g i e 测试中，三点一 pro 拿下了百分之九十八的高分，这项测试目前已基本宣告功课。而在 science g p q a diamond 这一项，这是一项考察研究生水平科学知识的测试， 这类题目要求综合分析，跨越多个学科，而非单纯记忆事实。三点一 pro 拿到了百分之九十四点三的高分，再次领跑全场。 cloud opus 四点六的得分是百分之九十一点三， gpt 五点二则是百分之九十二点四。虽然差距不算悬殊，但谷歌依然稳坐第一。在编程能力方面，有两个精准测试值得关注。首先是 swbench verify， 该测试考察模型在真实 get up 仓库自主修复 bug 的 能力。 三点一 pro 得分百分之八十点六，与百分之八十点八的 cloud opus 四点六不相上下，这两款模型可谓是棋逢对手。 接着是 livecodebench， 它主要侧重于竞技编程，也就是考察算法以及高压环境下的解析能力。三点一 pro 的 e o。 分 数达到了两千八百八十七，相比之下， demo 三 pro 为两千四三九 g p t 五点二，仅为两千三百九十三。那么在纯代码能力方面，这次升级的提升非常显著。 而在监制任务中，也就是 apex agents 测试，这项测试很有意思，因为它衡量的是长程专业任务，而非单次问答，而是需要模型持续进行规划与执行的多步工作流。三点一 pro 为百分之二十三， office 四点六则为百分之二十九点八， 可见 google 在 该领域再次领跑，相比上一代 jamming， 这次的跨越非常惊人。还有衡量工具调用能力的 m c p atlus 精准测试，三点一 pro 得分为百分之六十九点二。此外，还有 browser com 一 项针对网页浏览与研究能力的精准测试，它的得分达到了百分之八十五点九。 不过坦白说，这并非全线胜出， cloud sonic 四点六及其扩展思考模式在长文本性能上与三点一 pro 持平，两者在 m r c l v 二中的得分均为百分之八十四点九， 实际上在专家任务评估中处于领先。采用了另一项 e i o 风格的精准，虽然在某些领域竞争对手依然能与之抗衡，但在顶层竞争中差距已非常微小。另外还有一点值得一提，它的定价与 germany 三 pro 维持不变，这意味着在性能大幅提升的同时， api 用户却无需支付额外费用。相比 antropica 的 opus 系列模型， google 的 单头肯成本也明显更低。但总的来说， google 在 十六项精准测试中取得了十三项领先。它没拿第一的那三项大多属于极端测试 或是竞争对手数据不全的类别，包含推理、科学、编程及智能体任务。这是迄今最强的一套。 google 发布的精准测试成绩足以媲美甚至超越 openai 和 antropica 的 顶级模型。 没错， google 强势回归了，至少目前如此。至于三点一 pro 在 日常使用中能否经受住来自 openai 和 astropik 竞品的考验，我们拭目以待。但从参数表现和演示效果来看，这是他们许久以来最让人眼前一亮的作品。我 会把博文链接放在简介里，如果你想亲自阅读，如果你是开发者， ai studio 可以 免费试用，值得用你自己的提示词跑跑看，体验一下手感。希望大家喜欢。本期视频，我们下期见。