基础模型竞争又紧张刺激起来了！ GPT-4.5 刚登顶竞技场且全任务分类第一名，6 小时后总榜就被马斯克的新版 Grok-3 反超。 两者都是获得 3000 + 票数，总分 1412:1411 只差一分。 目前 Grok-3 总分第一，只在总体带风格控制、困难提示词带风格控制和略输 GPT-4.5 一点。 DeepSeek-R1 总分第 6，数学和困难提示词带风格控制分项与 GPT-4.5 并列第一。 也有用户对此结果产生了怀疑，仅仅 6 个小时就能发生如此大的变化吗？ 有人解释原因在于，大模型竞技场有…