实测揭秘：OpenAI o3 著名的“GeoGuessr 魔法提示词”被证实无效

去年，OpenAI 的 o3 模型因在“GeoGuessr”（根据照片推测地理位置）任务中表现出惊人能力而引发热议。当时有观点认为，这是通过一种精心设计的“魔法提示词”解锁的特定能力，该提示词通过用户与模型的反复交互修正而得，长达数千字符。然而，针对这一现象的最新技术实测揭示了不同的结论。测试者构建了一个包含 200 张来自维基共享资源、Geograph 和 iNaturalist 图片的基准数据集，对比了 o3 模型在使用该复杂提示词与仅使用基础默认提示词时的表现。测试结果显示，基础提示词在各项关键指标上均优于或等同于复杂的“魔法提示词”。在误差距离的中位数和平均值上，基础提示词表现更佳，且复杂提示词并未显著增加模型的思考时间或准确率。这表明，o3 在地理位置推断方面的出色表现主要归功于模型本身的基础能力，而非特定的提示词技巧。此外，研究还发现，o3 在这一任务上的能力并未完全迁移到后续更新的模型中，基准测试结果是验证模型能力唯一可靠的标准，避免了对提示词工程效果的过度神话。

事件分析

💡 核心观点：核心模型能力远胜于复杂的提示词技巧，盲目迷信“魔法指令”是技术误区，基准测试才是验证 AI 真实性能的唯一标准。