「【新智元导读】OpenAI，亟需一场翻身仗！今天，全网最大的爆料：GPT-5 基石实为 GPT-4o。自 4o 发布之后，内部预训练屡屡受挫，几乎沦为「弃子」。」
OpenAI 核心预训练，接连翻车？
传言称，GPT-5 的基石仍是 GPT-4o，且 GPT-4.5 之后的预训练版本，都被 OpenAI 放弃了！
这么说并非空穴来风，核心爆料恰恰来自权威 SemiAnalysis 的最新一文------
OpenAI 顶尖团队自 GPT-4o 发布之后，迄今尚未完成一次完整的，为下一代前沿模型设计的大规模预训练。
文章中，高级分析师强调：谷歌正手持 TPUv7 这把利剑，向英伟达王座发起冲锋，或将终结 CUDA 护城河。
众所周知，OpenAI 全栈模型是在纯英伟达 GPU 上炼出的。
然而，圈内人的焦点，大都放在了大模型「推理」和「后训练」的硬件之上。
殊不知，没有前沿模型的预训练，一切皆是「无米之炊」。恰恰这一环节，成为了 AI 硬件里最难、最耗资源的一关。
如今，一个不为人知的内幕爆出了：
事实证明，谷歌 TPU 彻底经受住了这一考验；
相较之下，自 2024 年 5 月 GPT-4o 诞生之后，OpenAI 的预训练却毫无进展.....
过去，两年半的时间，OpenAI 没有真正 Scaling 预训练的规模。
GPT 的预训练，或许在 GPT-4o 之后触及了天花板，由此也解释了 GPT-5 性能未达业界预期的关键原因。
有网友表示，那不正是 Ilya 离开的时候吗.....
恰在昨天，Ilya 最新发文称，Scaling 不会停，但某个重要的东西仍然会缺失。
「OpenAI 预训练，大溃败」
还记得去年底，那场铺天盖地的「Orion」传闻吗？
这一秘密项目，原定以 GPT-5 面世，但因训练未达预期，最终被降级为 GPT-4.5 发布。
在前沿模型预训练上，OpenAI 的研发似乎陷入了僵局------
如今第五代旗舰模型 GPT-5，包括最新 GPT-5.1，其「技术根基」本质或仍未突破 GPT-4o 的范畴。
SemiAnalysis 去年底一篇文章，曾对外公开了 Orion 训练的困境。
当前，算法的进步使得模型每年所需的物理计算量减少约三分之一，因此，训练运行时间很少超过 3 个月。
甚至，行业中大多数预训练通常仅需要 1-2 个月。
然而，OpenAI 的 Orion 大规模预训练，却打破了这一常规，其训练时间超过了 3 个月。
另据 Information 同一时间爆出，Orion 不会像前代实现巨大的飞跃，相较于从 GPT-3 到 GPT-4 的迭代，改进幅度要小得多。
不仅如此，Orion 性能提升也基本局限在------语言能力上，其代码能力甚至不如旧模型，且成本更高。
如今再回看 2 月，GPT-4.5 的诞生，基于代号 Orion 的模型，OpenAI 追求的是：
更强的语言能力 + 更稳的对话体验 + 更大知识库
情商，成为了 GPT-4.5 的关键词。代码虽有提升，但并非主菜。
这一切的一切，从侧面印证了，此前外媒关于「Orion 遇挫」爆料的准确性------
「LLM 有提升，但不大。」
「
」
「GPT-4o，成 Scaling 主线？」
今年 8 月，GPT-5 的那场发布，奥特曼将其定调为「博士级 AI，是通往 AGI 又一里程碑」。
实则，业界对于 GPT-5 的反响，唏嘘一片。
大家原本以为，GPT-5 会是全面超越前代的一次飞跃，但实际发布后，更像是 GPT-4.5 的进一步优化版，不是「颠覆版」。
但至于 GPT-5 真正基于哪一款 GPT 打造，还有待证实。
正如之前传闻的猜测，有可能是 GPT-4o，还有 Reddit 网友称是 GPT-4.1....
但不论是哪一款，都证明了 GPT-5，没有在全新前沿模型的大规模预训练上淬炼。
搞笑的，那个曾将 OpenAI 三颗🍓🍓🍓「焊在」名字中的大佬，如今改成了三个🍌🍌🍌。
他表示，这已经不是什么秘密了------
GPT-4.5 将预训练推向极致之后，OpenAI 加倍投入了推理范式，主打 o 系列 + RL。
不同的是，谷歌和 Anthropic 仍在 Scaling 预训练，并增强了强化学习。
OpenAI 主动放弃了这一范式，为劲敌让出了一条速通道。
「奥特曼：这事儿瞒不住了！」
Gemini 3 发布后，谷歌和 OpenAI 攻守之势易形------
Gemini 3 来势汹汹，而 OpenAI 这次终于坐不住了！
据泄露的内部备忘录，奥特曼坦言：「近期， 从各方面来看，谷歌在大语言模型表现出色」，特别是预训练。
这番表态标志 OpenAI 的重大转变------它终于承认，一个重新崛起的竞争对手与逐渐降温的企业需求，已彻底打破了其「天下无敌」的光环。
所谓预训练，是训练生成式 AI 模型（无论是文本还是图像）过程中的第一阶段。在这一阶段，研究人员会用网页等大量数据「投喂」模型，让它掌握数据之间的各种关联。
大语言模型（LLM）开发与训练流程概述：预训练和后训练是关键
在预训练领域，谷歌取得了新突破，给 Gemini 3 带来了空前的推理深度。
这让不少 AI 研究者颇感意外------
毕竟，OpenAI 去年曾屡屡碰壁，而谷歌自己过去也曾陷入瓶颈。
正因如此，在一段时间内，OpenAI 选择将更多精力转向另一种新型 AI 架构------「推理模型」，这种模型虽然计算量更大，但有望输出更优质的回答。
在推出 GPT-5 之前，OpenAI 团队曾尝试对预训练阶段做出一系列调整，这些方法在小模型上有效，一旦模型变大就失效了。
GPT-5 发布第二天，西班牙与波兰 Talan 公司 AI 应用负责人 Javier Alba de Alba 表示：
(GPT-5）整体观感颇为失望：
这是个优秀的模型------响应迅捷、价格亲民、能力全面，但远非人们基于 OpenAI 过往发布会所预期的代际飞跃。
GPT-5 带来了不少提升------
编程能力显著提升、推理能力进阶、幻觉现象减少、医疗领域表现优化，甚至免费用户也享有更长的默认使用时长。此外命名体系全面简化：GPT-4o/4.1/turbo/mini 等繁杂名称悉数消失，统一更名为 GPT-5。
不过，Javier Alba de Alba 提醒：「千万不要被名称迷惑：GPT-5 并非新一代产品。」他解释道：
技术层面而言，它更像是 GPT-4o 的功能增强版，即便命名为 GPT-4.2 也毫不违和。
OpenAI 此举虽完成了必要的名称统一，但整场发布会未能达到预期，让技术社区颇感失落。
GPT-5 发布后，Epoch AI 也发现了其中的异常：
相比前代 GPT-4.5，GPT-5 很可能消耗了更少的训练算力。
虽然具体数值尚未公开，但 GPT-4.5 使用的训练算力极有可能超过 GPT-5。
预训练并未消亡，它依然是胜负关键。
上下滑动查看
在内部会议中，奥特曼鼓舞士气，称在未来几个月，OpenAI 将重新夺回优势。其中关键举措之一，就是打造一款代号为「Shallotpeat」的新一代大语言模型。
据知情人士透露，该模型的设计目标之一，就是专门修复 OpenAI 在预训练过程中遇到的种种「疑难杂症」。
「OpenAI：内部的风向变了」
GPT-5 发布的实质是什么？
对现有 ChatGPT 用户而言，GPT-5 是个好消息，但这并未开启新时代。
它只是进化历程中的一小步，而非革命性飞跃。
既然更多算力通常意味着更强性能，为何 OpenAI 会反其道而行？这对未来模型发展意味着什么？
在与 a16z 合伙人 Martin Casado 对话中，OpenAI 平台工程负责人 Sherwin Wu，深度拆解了 OpenAI 当前平台架构、定价逻辑与未来方向。
在这次访谈中，他们深入探讨了为何开发者往往会长期依赖某个「值得信赖」的模型系列，信任感是如何建立的，以及为什么行业已经逐步放弃了「一个模型通吃所有任务」的幻想。
Sherwin 还讲解了从提示词工程到上下文设计的演变过程，以及企业如何借助 OpenAI 的微调（fine-tuning）和 RFT API，利用自有数据定制模型行为。
「」
「共识已变」
几年前，OpenAI 内部认为：未来会有一个「统治一切」的超级模型。但现在行业共识已经转变为「模型的专业化和多样化」。
虽然会有强大的通用模型，但也需要针对特定任务（如编程 Codex、视频 Sora）的专用模型。
文本、图像、视频背后的技术堆栈各不同。目前，在后台。这些模型往往是分开优化的独立系统，很难简单地「一锅炖」。
顺便提一句，正是 DALL-E 2 的出现让 Sherwin 决定加入 OpenAI，因为那是他第一次感受到 AI 的魔力。
「而微调（Fine-tuning）也悄然进化------」
早期的微调，主要用于调整「语气」或「指令遵循」。 现在的重头戏，是强化学习微调（Reinforcement Fine-Tuning） 。
这允许企业利用其庞大的专有数据（Data Treasure Troves），将较小的模型在特定领域训练至 SOTA 水平。这是解锁企业数据的关键。
也就是说，企业拥有大量内部数据，但与 ChatGPT「毫无关系」，对企业专属 AI 而言却是黄金。
他们多次提到 AI 代码编辑器 Cursor 作为建立在 OpenAI API 之上的成功产品案例，证明了：
即使 OpenAI 自己有竞品，开发者依然可以建立伟大的垂直应用。
「」
「Agent 开发模式」
从第一天起，奥特曼和 Greg Brockman 就确立了「App+ API」的双轨战略。
这样做是为了尽可能广泛地分发 AGI 的利益------
如果只做 API，你就无法触达普通消费者；如果只做应用，你就无法赋能各行各业的开发者。
在这次对话中，他们重点谈论了智能体开发工具「Agent Builder」。
Sherwin 认为，智能体（Agent）并非一种全新的模态，而是 AI 的一种新使用方式。
本质上，智能体是一个能够代表用户、在**「较长的时间跨度」**（Long Time Horizons）内执行一系列操作并完成任务的 AI 系统。
OpenAI 曾推出了可视化的「Agent Builder」（节点式构建），但发现对于开发者而言，这种方式可能过于受限。
访谈中，Sherwin 和 Martin 将智能体清晰地划分为两类，这解释了为什么目前市面上的 Agent 产品形态各异------
- 探索型 / 非定向工作 (Undirected/Exploratory Work)
- 流程型 / SOP 导向工作 (Procedural/SOP-oriented Work)
「在对话中，第二类」 Agent 开发可能更像传统的软件工程或游戏开发中的 「NPC」****（ 「「非玩家角色」 」）逻辑。
与其让模型完全自由发挥，不如通过代码给予它明确的逻辑框架和标准操作程序（SOP），特别是在受监管的行业（如客户支持、金融）。
也就是说，「逻辑必须写死在代码里，而不是提示词里。」
这就是 Agent Builder 想要解决的问题：为那些必须控制智能体行为的行业和场景，提供一个简单、清晰、可验证的解决方案。
「One More Thing」
2025 年度压轴大戏，谷歌 Gemini 3 Pro 无疑打了一场胜仗，但 OpenAI 不会袖手旁观。
内部已确认，圣诞节前夕，一连串发布连番轰炸。
据传，一系列新模型，在路上了------
Image Gen v2
IMO 和 IOI 金牌多模态模型
GPT-5.2 Codex
12 月，AI 圈一定非常热闹。
参考资料：
www.newsbreak.com/winbuzzer-c...