OpenAIの音声モードが、はるかに古く、はるかに弱いモデルで動いているのだという点は、多くの人にとって自明ではないと思います。話しかけられるAIが最も賢いAIであるべきだと感じますが、実際はそうではありません。

ChatGPTの音声モードに知識のカットオフ日を尋ねると、「2024年4月」と答えます。GPT-4oの時代のモデルです。

この考えは、このアンドレイ・カーパティのツイートに触発されました。人々がモデルを使うアクセス経路やドメインに基づいて、AI能力の理解に広がりつつあるギャップについて書いています：

[...] 同時に起きているのが本当にすごいところで、OpenAIの無料で、たぶん少し（？）孤立した(?)「高度な音声モード」は、あなたのInstagramのリールに出てくる最もバカげた質問でつまずく一方でありながら、OpenAIの最上位かつ有料のCodexモデルは、1時間かけてコードベース全体を首尾一貫する形に再構成したり、コンピュータシステムの脆弱性を見つけて悪用したりするために動き出します。

この部分は本当に機能していて、2つの特性のおかげで劇的に前進しました：

1. これらのドメインには、検証可能な明示的な報酬関数が用意されているためです。つまり、（たとえばユニットテストが通るかどうかのように）強化学習の訓練に容易に適用できるのです。書くことのように、明確に良し悪しを判定するのがずっと難しいものとは対照的ですが、加えて
2. b2bの文脈ではそれらの価値がはるかに高く、チームの最大の割合が、それらを改善することに集中しているからです。