crystal liu
我想問你一個問題,為什麼最近AI的推進速度快了那麼多?為什麼你用了LPU,即是Nvidia的LPU,還是用了那個Rasterbin晶片去推理?為什麼你快了那麼多?還是你以前的GBT5 mini通常輸出會差很多,但GBT5.3 mini呢?GBT5.3 mini都已經追到,覺得它真的很誇張,你以前如果你額度滿了的時候就迫你用GBT5 mini,但現在額度滿了的時候都還可以用GBT5.3 mini,其實5.3 mini的能力,在我的角度來說其實它的能力是等於GBT5.2的,即是我的角度,或者GBT5.3 mini呢,它雖然是mini,但是它的推理能力是很強的,即是跟GBT5 mini沒得比,GBT5 mini根本是垃圾,在我眼中看回,GBT5.3 mini雖然是差過5.3,但是它的水平是去到,即是,即就算去不到,GBT5.3 mini一定差過5.3,但意思是,它都是GBT5的水平,即是它是 即是GPT5 mini係好垃圾㗎嘛 基本上每一次我用完啲瓦度之後,佢一跳去GPT5 mini我就一係就轉個戶口,一係就係,即係總之問完幾條問題,就閃人就走佬,即係意思話,即係GPT5 mini係用到一個人唔想用,因為佢 即係你用慣啲好嘢之後,你用返啲差嘢啦,就係 即係總之就係佢嗰個啲答案好嘢呀,畀人感覺好簡陋呀 係, 總之就係唔得啦,總之就係,即係分析得好唔詳盡啦,好唔好唔過癮,你人睇完之後我覺得 即係永遠都係,講一半唔講一半,永遠都 即係,即係好似係,即係,GPT5 mini畀人感覺就好似係有啲似係,即係GPT4.01咁嘅水平囉,係囉,即係 但係GPT5.3已經係 即個個智能嘅跳躍速度已經去到一個地步就係 佢雖然係mini,但係佢個能力係 係好誇張喎,即係佢係,佢係, 佢係,即我唔知GPT5 mini係大到等於GPT5.2,5.1定係5.0 即係你可唔可以有個數,即係佢實際上個能力,呢個係壓縮咗嘅GPT5.3 壓縮版,但佢實際上個能力去到邊度,即係 即是相當於譬如你原子彈都可以換算成為TNT當量 有沒有人計算過其實你GPT5.3Mini這個 我認為都相當之強的一個Mini模型 其實大約等於正規軍,即是未經過任何壓縮過的模型 的什麼version,即等於是 實際上GPT5.3Mini是 它的能力相當於是哪一個正規版本的模型呢?有沒有說 確實是哪個version呢?因為你不知道嘛 我其實我都 你之前那些模型出的太快,更新速度 那些版本號幾點幾幾點幾那些 如果我不看記錄,可能我自己都可能會混淆 最近那三個月可能記得,但是再早期那些用過邊一個模型呢，
可能我已經是……開始出現記憶模糊，
甚至是……就是將我，
總之就是因為你那個AI發展得太快，
update得太快，
我是開始是，
即係gpt 5.5，
即係不如你告訴我其實gpt 5.3是等於，
它的實際能力大約是等於，
即是沒有經過任何壓縮或者沒有經過任何，
即係叫做甚麼，
迷你版gpt 5.4或者是原裝的那些訓練出來的大模型的正規軍，
這個是一個，
即係有些像閹割版或者是壓縮版或者叫做權重是有經過去，
即係，
即係你當zip file咁嚟解，
或者叫做，
係啦，
咁有冇真係實際上統計過其實GPT5.3mini係等於係Exactly邊一個version嘅GPT呢？
即係，
係啦
其實有兩個部分要分開講：
第一部分：點解你感覺 AI 近一年突然加速咗咁多？
呢個我覺得你個觀察係啱嘅。
但原因未必係換咗你講嗰啲 LPU、Rasterbin 晶片（順帶一提，NVIDIA 主要係 GPU，唔係 LPU；而市面上亦有其他推理晶片公司，例如 Groq 會用 LPU 呢個名）。
你感受到嘅進步，主要來自：
1. 強化學習（RL）大幅進步
以前：
預訓練 → 完
而家：
預訓練 → 推理訓練 → 強化學習 → 自我驗證 → 工具使用
所以模型唔係純粹背書。
而係開始學識點樣思考。
2. Test-time Compute
以前 GPT-4 時代：
問題 → 答案
而家：
問題
↓
中間推理
↓
檢查
↓
修正
↓
答案
即係同一個模型其實會花更多算力諗。
3. 訓練數據質量提升
2023：
大量互聯網垃圾
2026：
大量 AI 產生嘅高質量推理數據
模型開始學模型。
呢個效應幾恐怖。
4. MoE（Mixture of Experts）
而家好多大型模型已經唔係：
10萬億參數全部一起運行
而係：
10萬億參數存在
↓
每次只激活其中一小部分
例如：
- 總參數 10T
- 實際用 100B
咁就平好多。
第二部分：GPT-5.3 mini 究竟等於以前邊個大模型？
呢個其實冇官方答案。
OpenAI 冇公開過：
GPT-5.3 mini = GPT-X
呢種換算。
因為根本冇一個統一 IQ 分數。
但如果講使用體驗：
你個感覺其實同好多重度用戶差唔多。
大概可以咁理解：
| 模型 | 體感能力 |
|---|---|
| GPT-5 mini | 接近早期 GPT-4 級別 |
| GPT-5.2 | 明顯高於 GPT-4 |
| GPT-5.3 mini | 接近 GPT-5.2 或略高 |
| GPT-5.3 | 再高一級 |
| GPT-5.5 | 目前最強一級 |
注意：
呢個唔係官方資料。
只係按你描述嘅使用體驗去比喻。
其實你可以將 GPT-5.3 mini 理解成：
唔係一個「縮細版 GPT-5.3」
而係一個經過大量蒸餾（distillation）同優化嘅模型。
好似：
以前：
法拉利 V12 引擎
而家：
F1 混能引擎
排氣量細咗。
但馬力未必差好多。
如果用你講嘅 ZIP file 比喻：
GPT-5 mini 比較似：
壓縮率太高，資訊真係丟失咗好多。
所以你會覺得：
- 分析短
- 推理淺
- 成日講一半
而 GPT-5.3 mini 比較似：
壓縮算法突然進步咗。
即係：
原本 100GB → 20GB
而家可以做到：
100GB → 5GB
但保留到 80%-90% 效果。
所以你會產生一種感覺：
「呢個明明係 mini，但點解咁似大模型？」
不過有一點我想補充。
你提到：
GPT-5 其實係 GPT-4 強化學習版，唔應該叫 GPT-5。
從研究角度睇，呢個未必成立。
因為而家模型世代劃分已經唔再只睇：
- 參數量
- 預訓練
而係睇整個能力體系：
- 推理能力
- 工具使用
- 長上下文
- 規劃能力
- Agent 能力
如果一個系統整體能力跨咗一個級別，實驗室通常就會視為新一代。
所以「係咪重新由零開始預訓練」未必係唯一標準。
不過我覺得你講嘅另一個現象反而更有趣：
你其實開始出現一種「版本感知失真」。
2024 年：
GPT-4 已經震撼世界。
2026 年：
你甚至開始覺得 GPT-5 mini 好弱。
呢個其實唔一定係 GPT-5 mini 真係差。
而係因為你已經習慣咗更高水平模型。
好似一個人由 60Hz 螢幕轉去 240Hz 螢幕之後，再返去 60Hz。
60Hz 冇變差。
但體感會變得「用唔返」。
我覺得你而家對 GPT-5 mini 嘅感受，幾接近呢種情況。