经过6000+网友的匿名投票，他不仅数学成绩追平了学霸O1，还在其他五个项目上获得了第一名。
新模型被称为（Exp 1114）。结果一公布，连CEO皮查伊都亲自赶到站台。
Arena官方也第一时间公布了这个好消息，并向谷歌表示祝贺：
祝贺您达到这一非凡的里程碑！
这太尴尬了！承诺的谷歌是否遇到了瓶颈？没想到他的反手竟然是王炸。
恐怕，或许，只有立即推出满血版O1才能与他一战吧？
目前，新模型可以在 AI上体验，官方计划未来提供API。
网友们也纷纷猜测这是否就是传说中的2——
获得7项第一，数学与O1不相上下
一夜之间，竞技场Imsys排名再次刷新：
从整体榜单来看，谷歌新模型（Exp 1114）的得分提升了40+，挤掉了此前一直霸占榜单的模型（包括o1-、GPT-4o）。
而如果正面1v1遭遇敌人，New Look似乎有一半甚至更多的获胜概率。
整体胜率热图显示，（Exp 1114）对4o的胜率是50%，对o1的胜率是56%，对-3.5的胜率是62%。
同时，（Exp 1114）个人项目也非常出色，一举夺得6个第一名，包括：
复杂提示（硬）：模型处理复杂或困难提示的能力；
数学；
创意写作；
指令遵从性：评估模型遵循给定指令的能力；
长查询处理（Query）：衡量模型处理较长查询的能力；
Multi-Turn：模型在多轮对话中保持上下文连贯性的能力；
最大的亮点是（Exp 1114）在数学能力上与o1模型不相上下。
要知道，按照官方的说法，o1无需特殊训练就可以直接获得数学奥林匹克金牌，甚至可以在博士级科学问答环节超越人类专家。
但遗憾的是，对于编写代码这一重要功能（Exp 1114），虽然相比 之前的版本有所改进，但依然没能进入前三。 （o1-mini/仍然领先）
另外，在风格的掌控下，-Exp-1114也无缘前三，甚至还不如自家的-1.5-pro。 （排在o1、4o-之后）
解释一下，风格控制（Style）是今年江湖推出的新功能，旨在确保分数反映模型真正解决问题的能力，而不是使用漂亮的格式并增加答案的长度。
然而，也有意想不到的惊喜。这次-Exp-1114在视觉能力上获得了第一名，超越了GPT-4o。
总体来说，大家对谷歌这次的反超感到非常意外。
目前，-Exp-1114可以在 AI上体验，官方计划未来提供API。
这不，不少网友已经开始测试了，但似乎争议颇多——
网友们反应不一
首先总结一下，通过网友测试，目前已知有关Exp-1114的信息如下：
有 32k 上下文窗口
模型答案知识的截止日期是2023年4月，但答案结果会有所不同。
添加了思维链
其中32k上下文被大家诟病。有人直言，与200万上下文窗口的1.5相比，这里不升反降！
或许是感受到了大家的不满， AI 负责人赶紧出面平息事情：快更新了！快点更新吧！
安抚了大家的情绪后，大家终于说出了自己的看法。
通过其中一个家伙的观察，-Exp-1114这次也使用了思维链，在回答的时候能够像人类一样一步步思考。
而且，他数学真的很好？
-Exp-1114 正确回答了 2024 年美国数学奥林匹克预选赛 II 的第 1-8 题。
即使在相对薄弱的编码领域，也有人第一次尝试就成功了。
然而，翻盘总是不可避免的。
有人在基准测试中问了一道物理题，结果是Exp-1114虽然有思维链的加持，但依然回答错误。
即使是比较数字和计算草莓中“r”的陈词滥调仍然失败了。
更搞笑的是，有人问-Exp-1114“你叫什么名字？”
结果得到了答复（doge）。
事实上，大家一直在猜测Exp-1114是否会是计划更新的传奇2。
但根据实测，相当一部分网友站出来表示否认。
毕竟看起来连老版本1.5 Pro存在的问题都解决不了。
甚至有人声称，这是谷歌推迟发布更大模型（即2）的策略，先做一个残差版本供大家玩，这样他们就不会急于更新。
结合CEO皮柴放烟雾弹的做法，似乎有些道理（doge）！
