Profil modelu

o1

OpenAI·USA·XII 2024·język

Baza: GPT-4o (baza wg doniesień branżowych)

spoza Epoch — źródło cytowane ↗szacunek klasy

Indeks Świadomości

0,0091%

widełki: 0,0026%–0,031%szacunek klasy

Informacja (pojemność)

9,7×10⁷ bitów

widełki: 2,7×10⁷–3,3×10⁸

Jak policzono te liczby

szacunek klasy

·parametry: SZACUNEK KLASY — model rozumujący na bazie GPT-4o (~200B wg Epoch); RL nie zmienia rozmiaru korelatora
·widełki ×÷4
·energia: nieliczona (wariant/brak compute)

źródło →

Bramka Mazurowska — pełna moc diagnostyczna (informacja × kod)

metoda z nagrania [Cybernetyka #2]

Dominik: „informacja razy kod" daje wyobrażenie o mocy diagnostycznejIloczyn dwóch rodzajów bitów — u nas zobrazowany jako pole bramki Mazurowskiej. Liczone wyłącznie ze struktury modelu (parametry, architektura), nie z benchmarków.. Obie liczby liczymy z budowy modelu — zero testów.

Informacja

9,7×10⁷

bity — relacje wewnątrz sieci

Kod

3,2×10¹²

bity — utrwalone wagi

Moc diagnostyczna

10^20,5 bit²

pole = informacja × kod

Uczciwie: to nadal miara ilości (jak duży korelator), nie jakości — większy model ma większą moc. Cybernetyczna miara jakościPodział informacja/kod × energia/materia (Einstein). Sam Dominik ją odracza w nagraniu („nie pakujmy jeszcze Einsteina"). Oś jakości = faza 2. czeka na fazę 2. „Kod = parametry×16 bitów" to nasze założenie techniczne, a prezentacja iloczynu jako POLA w bit² — nasza operacjonalizacja (Dominik mówi o iloczynie „informacja razy kod", nie o polu).