•
OpenAI大潰敗！GPT-5「換皮」GPT-4o，兩年半預訓練0突破
【新智元導讀】OpenAI，亟需一場翻身仗！今天，全網最大的爆料：GPT-5基石實為GPT-4o。自4o發佈之後，內部預訓練屢屢受挫，幾乎淪為「棄子」。
OpenAI核心預訓練，接連翻車？
傳言稱，GPT-5的基石仍是GPT-4o，且GPT-4.5之後的預訓練版本，都被OpenAI放棄了！
這麼說並非空穴來風，核心爆料恰恰來自權威SemiAnalysis的最新一文——
OpenAI頂尖團隊自GPT-4o發佈之後，迄今尚未完成一次完整的，為下一代前沿模型設計的大規模預訓練。
文章中，高級分析師強調：Google正手持TPUv7這把利劍，向輝達王座發起衝鋒，或將終結CUDA護城河。
眾所周知，OpenAI全端模型是在純輝達GPU上煉出的。
然而，圈內人的焦點，大都放在了大模型「推理」和「後訓練」的硬體之上。
殊不知，沒有前沿模型的預訓練，一切皆是「無米之炊」。恰恰這一環節，成為了AI硬體裡最難、最耗資源的一關。
如今，一個不為人知的內幕爆出了：
事實證明，GoogleTPU徹底經受住了這一考驗；
相較之下，自2024年5月GPT-4o誕生之後，OpenAI的預訓練卻毫無進展.....
過去，兩年半的時間，OpenAI沒有真正Scaling預訓練的規模。
GPT的預訓練，或許在GPT-4o之後觸及了天花板，由此也解釋了GPT-5性能未達業界預期的關鍵原因。
有網友表示，那不正是Ilya離開的時候嗎.....
恰在昨天，Ilya最新發文稱，Scaling不會停，但某個重要的東西仍然會缺失。
OpenAI預訓練，大潰敗
還記得去年底，那場鋪天蓋地的「Orion」傳聞嗎？
這一秘密項目，原定以GPT-5面世，但因訓練未達預期，最終被降級為GPT-4.5發佈。
在前沿模型預訓練上，OpenAI的研發似乎陷入了僵局——
如今第五代旗艦模型GPT-5，包括最新GPT-5.1，其「技術根基」本質或仍未突破GPT-4o的範疇。
SemiAnalysis去年底一篇文章，曾對外公開了Orion訓練的困境。
當前，演算法的進步使得模型每年所需的物理計算量減少約三分之一，因此，訓練執行階段間很少超過3個月。
甚至，行業中大多數預訓練通常僅需要1-2個月。
然而，OpenAI的Orion大規模預訓練，卻打破了這一常規，其訓練時間超過了3個月。
另據Information同一時間爆出，Orion不會像前代實現巨大的飛躍，相較於從GPT-3到GPT-4的迭代，改進幅度要小得多。
不僅如此，Orion性能提升也基本侷限在——語言能力上，其程式碼能力甚至不如舊模型，且成本更高。
如今再回看2月，GPT-4.5的誕生，基於代號Orion的模型，OpenAI追求的是：
更強的語言能力+更穩的對話體驗+更大知識庫
情商，成為了GPT-4.5的關鍵詞。程式碼雖有提升，但並非主菜。
這一切的一切，從側面印證了，此前外媒關於「Orion遇挫」爆料的精準性——
LLM有提升，但不大。
GPT-4o，成Scaling主線？
今年8月，GPT-5的那場發佈，奧特曼將其定調為「博士級AI，是通往AGI又一里程碑」。
實則，業界對於GPT-5的反響，唏噓一片。
大家原本以為，GPT-5會是全面超越前代的一次飛躍，但實際發佈後，更像是GPT-4.5的進一步最佳化版，不是「顛覆版」。
但至於GPT-5真正基於那一款GPT打造，還有待證實。
正如之前傳聞的猜測，有可能是GPT-4o，還有Reddit網友稱是GPT-4.1....
但不論是那一款，都證明了GPT-5，沒有在全新前沿模型的大規模預訓練上淬煉。
搞笑的，那個曾將OpenAI三顆🍓🍓🍓「焊在」名字中的大佬，如今改成了三個🍌🍌🍌。
他表示，這已經不是什麼秘密了——
GPT-4.5將預訓練推向極致之後，OpenAI加倍投入了推理範式，主打o系列+RL。
不同的是，Google和Anthropic仍在Scaling預訓練，並增強了強化學習。
OpenAI主動放棄了這一範式，為勁敵讓出了一條速通道。
奧特曼：這事兒瞞不住了！
Gemini 3發佈後，Google和OpenAI攻守之勢易形——
Gemini 3來勢洶洶，而OpenAI這次終於坐不住了！
據洩露的內部備忘錄，奧特曼坦言：「近期， 從各方面來看，Google在大語言模型表現出色」，特別是預訓練。
這番表態標誌OpenAI的重大轉變——它終於承認，一個重新崛起的競爭對手與逐漸降溫的企業需求，已徹底打破了其「天下無敵」的光環。
所謂預訓練，是訓練生成式AI模型（無論是文字還是圖像）過程中的第一階段。在這一階段，研究人員會用網頁等大量資料「投喂」模型，讓它掌握資料之間的各種關聯。
大語言模型（LLM）開發與訓練流程概述：預訓練和後訓練是關鍵
在預訓練領域，Google取得了新突破，給Gemini 3帶來了空前的推理深度。
這讓不少AI研究者頗感意外——
畢竟，OpenAI去年曾屢屢碰壁，而Google自己過去也曾陷入瓶頸。
正因如此，在一段時間內，OpenAI選擇將更多精力轉向另一種新型AI架構——「推理模型」，這種模型雖然計算量更大，但有望輸出更優質的回答。
在推出GPT-5之前，OpenAI團隊曾嘗試對預訓練階段做出一系列調整，這些方法在小模型上有效，一旦模型變大就失效了。
GPT-5發佈第二天，西班牙與波蘭Talan公司AI應用負責人Javier Alba de Alba表示：
(GPT-5）整體觀感頗為失望：
這是個優秀的模型——響應迅捷、價格親民、能力全面，但遠非人們基於OpenAI過往發佈會所預期的代際飛躍。
GPT-5帶來了不少提升——
程式設計能力顯著提升、推理能力進階、幻覺現象減少、醫療領域表現最佳化，甚至免費使用者也享有更長的默認使用時長。此外命名體系全面簡化：GPT-4o/4.1/turbo/mini等繁雜名稱悉數消失，統一更名為GPT-5。
不過，Javier Alba de Alba提醒：「千萬不要被名稱迷惑：GPT-5並非新一代產品。」他解釋道：
技術層面而言，它更像是GPT-4o的功能增強版，即便命名為GPT-4.2也毫不違和。
OpenAI此舉雖完成了必要的名稱統一，但整場發佈會未能達到預期，讓技術社區頗感失落。
GPT-5發佈後，Epoch AI也發現了其中的異常：
相比前代GPT-4.5，GPT-5很可能消耗了更少的訓練算力。
雖然具體數值尚未公開，但GPT-4.5使用的訓練算力極有可能超過GPT-5。
預訓練並未消亡，它依然是勝負關鍵。
在內部會議中，奧特曼鼓舞士氣，稱在未來幾個月，OpenAI將重新奪回優勢。其中關鍵舉措之一，就是打造一款代號為「Shallotpeat」的新一代大語言模型。
據知情人士透露，該模型的設計目標之一，就是專門修復OpenAI在預訓練過程中遇到的種種「疑難雜症」。
OpenAI：內部的風向變了
GPT-5發佈的實質是什麼？
對現有ChatGPT使用者而言，GPT-5是個好消息，但這並未開啟新時代。
它只是進化歷程中的一小步，而非革命性飛躍。
既然更多算力通常意味著更強性能，為何OpenAI會反其道而行？這對未來模型發展意味著什麼？
在與a16z合夥人Martin Casado對話中，OpenAI平台工程負責人Sherwin Wu，深度拆解了OpenAI當前平台架構、定價邏輯與未來方向。
在這次訪談中，他們深入探討了為何開發者往往會長期依賴某個「值得信賴」的模型系列，信任感是如何建立的，以及為什麼行業已經逐步放棄了「一個模型通吃所有任務」的幻想。
Sherwin還講解了從提示詞工程到上下文設計的演變過程，以及企業如何借助OpenAI的微調（fine-tuning）和RFT API，利用自有資料定製模型行為。
共識已變
幾年前，OpenAI內部認為：未來會有一個「統治一切」的超級模型。但現在行業共識已經轉變為「模型的專業化和多樣化」。
雖然會有強大的通用模型，但也需要針對特定任務（如程式設計Codex、視訊Sora）的專用模型。
文字、圖像、視訊背後的技術堆疊各不同。目前，在後台。這些模型往往是分開最佳化的獨立系統，很難簡單地「一鍋燉」。
順便提一句，正是DALL-E 2的出現讓Sherwin決定加入OpenAI，因為那是他第一次感受到AI的魔力。
而微調（Fine-tuning）也悄然進化——
早期的微調，主要用於調整「語氣」或「指令遵循」。 現在的重頭戲，是強化學習微調（Reinforcement Fine-Tuning） 。
這允許企業利用其龐大的專有資料（Data Treasure Troves），將較小的模型在特定領域訓練至SOTA水平。這是解鎖企業資料的關鍵。
也就是說，企業擁有大量內部資料，但與ChatGPT「毫無關係」，對企業專屬AI而言卻是黃金。
他們多次提到AI程式碼編輯器Cursor作為建立在 OpenAI API 之上的成功產品案例，證明了：
即使OpenAI自己有競品，開發者依然可以建立偉大的垂直應用。
Agent開發模式
從第一天起，奧特曼和Greg Brockman就確立了「App+ API」的雙軌戰略。
這樣做是為了儘可能廣泛地分發AGI的利益——
如果只做 API，你就無法觸達普通消費者；如果只做應用，你就無法賦能各行各業的開發者。
在這次對話中，他們重點談論了智能體開發工具「Agent Builder」。
Sherwin認為，智能體（Agent）並非一種全新的模態，而是AI的一種新使用方式。
本質上，智能體是一個能夠代表使用者、在較長的時間跨度（Long Time Horizons）內執行一系列操作並完成任務的AI系統。
OpenAI曾推出了可視化的「Agent Builder」（節點式建構），但發現對於開發者而言，這種方式可能過於受限。
訪談中，Sherwin和Martin將智能體清晰地劃分為兩類，這解釋了為什麼目前市面上的Agent產品形態各異——
- 探索型/非定向工作 (Undirected/Exploratory Work)
- 流程型/SOP導向工作 (Procedural/SOP-oriented Work)
在對話中，第二類Agent開發可能更像傳統的軟體工程或遊戲開發中的NPC（非玩家角色）邏輯。
與其讓模型完全自由發揮，不如通過程式碼給予它明確的邏輯框架和標準操作程序（SOP），特別是在受監管的行業（如客戶支援、金融）。
也就是說，邏輯必須寫死在程式碼裡，而不是提示詞裡。
這就是Agent Builder想要解決的問題：為那些必須控制智能體行為的行業和場景，提供一個簡單、清晰、可驗證的解決方案。
One More Thing
2025年度壓軸大戲，GoogleGemini 3 Pro無疑打了一場勝仗，但OpenAI不會袖手旁觀。
內部已確認，聖誕節前夕，一連串發佈連番轟炸。
據傳，一系列新模型，在路上了——
Image Gen v2
IMO和IOI金牌多模態模型
GPT-5.2 Codex
12月，AI圈一定非常熱鬧。 (新智元)