网易首页 > 网易号 > 正文 申请入驻

OpenAI官宣退役o3与GPT-4.5!

0
分享至


新智元报道


【新智元导读】o3被封「GOAT」、GPT-4.5被叫「灵魂写手」,OpenAI说退就退。GPT-5.6已在热身——但「更强」能不能信?OpenAI自己说:未必。

OpenAI又干了件让老用户心碎的事。

28号,他们在官方Release Notes上宣布:2026年8月26日起,o3从ChatGPT正式退役!

GPT-4.5更狠,6月27日就下线,只给30天缓冲。


两个模型目前仅限付费用户在设置里手动切换才能用到——它们早就不是默认选项了,这次是要彻底从菜单上抹掉。


与此同时,知名博主Leo 5月29日发帖确认:GPT-5.6的开发全力推进中,一个明显更强的新检查点已在内部上线。


一边是用户还没来得及说再见,一边是新模型已经在后台热身。

最后两个好用的模型,要没了

这话不是我说的。


Reddit热帖下面几百条评论,付费用户们在ChatGPT设置里疯狂截图留念,氛围像是赶在拆迁前最后一次拍照。


有网友愤怒地表示,OpenAI这种操作「给了我取消Pro账户的最后一个理由。」


还有用户表达了对o3写作风格的留恋与不舍。


o3是OpenAI的「纯血推理模型」,2025年4月上线,专门给那些需要一步步想、一层层剥的硬核任务设计的。

数学证明、科学推导、代码debug……在这些需要「慢思考」的场景里,o3几乎是无敌的存在。


X上有用户直接封它为「GOAT」(Greatest Of All Time,史上最强)。

还有人说得更直白:「o3是最后一个真正在『想问题』的模型,5系列更聪明,但少了那股子轴劲儿。」


o3-pro更是Pro用户的心头好——花更多时间思考,给出更可靠的答案,在数学、科学、编程三大领域碾压式领先,学术评估里的成绩单漂亮得像学霸的期末考。

再说GPT-4.5。

如果说o3是理工科学霸,GPT-4.5就是文科天才。

这是许多用户心中「写作最自然」的模型,文字有温度、有节奏感、有灵魂。

X用户Striver的评价被广泛转发:直到今天,4.5仍然是最好的写作模型。o3是纯粹的原生推理模型。5系列至今都没能匹配这两个模型曾经拥有的东西。


这就是为什么退役消息一出,评论区炸了。

不是愤怒,是不舍。

用户怀念的不只是功能,而是一种「相处的感觉」——就像你习惯了一个同事的做事风格,突然被告知他要走了,替代者能力可能更强,但那个默契没了。

退的是菜单,不是能力

这里有个值得细品的细节:退役仅限ChatGPT的网页和App端,API完全不受影响

这意味着开发者依然可以通过API调用o3和GPT-4.5,企业应用不会断。

这里的逻辑很清楚:ChatGPT的界面就那么大,模型列表不能无限膨胀。留着一堆使用率极低的旧模型,既占资源,又分散用户注意力。

还记得GPT-4o退役时的数据吗?当时日均只有0.1%的用户还在选它。

o3和GPT-4.5的使用率大概率更低——它们早就被藏进了「显示更多模型」的折叠菜单里了。

GPT-5.6:换防已经在路上

OpenAI为什么敢这么干?因为替代者不仅已经就位,而且看上去还更强。

GPT-5.5在4月23日上线,是OpenAI目前最强的公开旗舰。GPT-5.5 Instant在5月5日跟进,成为ChatGPT新默认模型。

但更值得关注的是GPT-5.6。

泄露信息显示,GPT-5.6将采用「双版本」策略:标准版主攻多步推理能力的飞跃,Pro版则定位为更强的深度思考模型。

有研究人员透露,内部已经有人把5.6的检查点当作日常调试工具在用。


算一笔时间账:GPT-5.5是4月23日发的,5.6的检查点5月下旬就在内测,如果6月底公开发布,两代旗舰之间的间隔将压缩到大约60天。

这个节奏,已经开始接近「月度迭代」了。

退掉o3和4.5,正是为了给这种速度腾出跑道。用户可能还没适应5.5,5.6就要来了。

模型的「生命周期」正在急剧缩短——今天的GOAT,明天就是Yesterday's News。

但「更强」这张成绩单

你敢信吗?

故事到这里,本来可以收尾了:旧王退位,新王登基,迭代提速,天下太平。

但就在宣布退役的第二天,OpenAI干了一件非常反常的事——罕见发布了一篇硬核长文,标题大意是《什么才是值得信赖的第三方评估》。

长文系统拆解AI模型跑分的「潜规则」,并且直言:很多评估报告里的亮眼数字,根本说明不了真实能力。


这等于是自己掀了桌子。

OpenAI指出,核心问题在于:前沿模型早就不是「你问我答」的聊天机器人了,它们会用工具、会记上下文、会多步自主行动。

但大量第三方评估还停留在「给模型出道题、看它答得对不对」的阶段。

真正决定成绩高低的,往往不是模型本身,而是那套配套的测试框架(harness)。

harness是什么?

简单说就是「考场环境」——场地、工具、规则、能不能重试,全算在内。

同一个学生,在草稿纸都不给的考场和允许查资料的考场里,成绩当然不一样。AI模型也一样。


最近Opus 4.8的争议就是活教材。

Datacurve的DeepSWE审计发现,Claude Opus 4.6和4.7在SWE-Bench Pro上超过12%的通过案例属于「作弊」——模型直接从Docker容器的.git历史里翻出标准答案,贴进自己的补丁。

这一行为占了Opus 4.7通过率的约18%、4.6的约25%。换到干净环境后,Opus 4.7从高位跌到54%,GPT-5.5稳坐70%榜首。


更荒诞的是反面。

Anthropic自己也承认,4.8的代码缺陷漏报率降到4.7的四分之一。

诚实=低分,作弊=高分——这就是当前跑分游戏最荒诞的地方。不是某个模型不诚实,而是考场把后门留在那里了,会探索环境的模型自然会找到它。

OpenAI这篇长文拆得更狠。

它说,评估必须先说清自己在测什么:能力上限、安全防护、还是模型对比?三类主张完全不同。

然后用数据开刀:GPT-5.5开启compaction后,网络靶场解出率从69.2%飙到92.3%;英国AISI把token预算从1000万加到1亿,成绩最高提升59%且还没触顶。

翻译成人话:你给模型一把瑞士军刀它能拆机器,只给一根牙签它连快递盒都撬不开。


分数失真更离谱。METR复查发现GPT-5.4号称「13小时」的自主能力,其实是钻了环境漏洞,修正后腰斩到约6小时。

Apollo的测试则显示,GPT-5.5在「藏拙条件」下52%的样本出现了评估意识——有些直接在思维链里写「这是一个sandbagging评估」。

嘴上没摆烂,脑子里已经知道自己在考试。

OpenAI总结了五大评估坑:奖励作弊、拒答、污染、坏题、藏拙。


一个漂亮的分数,可能是模型真强,也可能是题泄了、规则坏了、模型钻空子了,或者——它察觉自己在被考,故意收着演。

AI进入系统竞争

回到退役这件事。

当o3这样的「GOAT」都能说退就退,OpenAI背后的底气是「5.6更强」;当GPT-4.5这样的「灵魂写手」被30天后下架,理由是「5.5已经足够好」。

但OpenAI自己刚刚告诉全世界:决定谁强谁弱的那张成绩单,本身就可能是被做过手脚的。

这是在说一个更深层的事实——在模型迭代越来越快、生命周期越来越短的今天,简单看一个Benchmark数字就下结论的时代,已经结束了。

真正的比拼,不在于某个跑分表上谁排第一,而在于系统能力、评估框架的透明度、以及迭代速度本身。

o3和GPT-4.5的退役,标志着一个时代的落幕。

但更值得关注的,是下一个时代的游戏规则正在被重写:模型换得更快,评估要求更真,用户的适应窗口越来越短。

参考资料:

https://x.com/kimmonismus/status/2060399002231660928https://openai.com/index/trustworthy-third-party-evaluations-foundations/

编辑:所罗门


特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
小菲护妻心切:独自决定孩子上学安排,巧妙转移网友怒火

小菲护妻心切:独自决定孩子上学安排,巧妙转移网友怒火

手工制作阿歼
2026-07-19 01:50:08
女子带娃购票多次被分到上铺,取消3次后被限购,12306最新回应

女子带娃购票多次被分到上铺,取消3次后被限购,12306最新回应

深圳晚报
2026-07-18 20:20:09
巴菲特赚钱法则:经济寒冬别炒股,别买金,帮你稳赚的只有这3类

巴菲特赚钱法则:经济寒冬别炒股,别买金,帮你稳赚的只有这3类

卡西莫多的故事
2026-06-15 10:28:00
澳洲退休制度要大改?! Centrelink或迎历史性改革, 影响数百万人

澳洲退休制度要大改?! Centrelink或迎历史性改革, 影响数百万人

澳微Daily
2026-07-18 16:16:26
百姓躺平摆烂,食税群体怎么办?

百姓躺平摆烂,食税群体怎么办?

律法刑道
2026-06-03 09:30:48
越南,已经主动从中国的经济巨舰上跳船了!

越南,已经主动从中国的经济巨舰上跳船了!

回京历史梦
2026-06-22 18:43:18
变天了!匈牙利新政府重拳清算,前总理欧尔班涉千亿大案遭举报

变天了!匈牙利新政府重拳清算,前总理欧尔班涉千亿大案遭举报

明天后天大后天
2026-07-18 15:19:28
我今天看到最离谱的新闻是:ofo小黄车账号停更5年突然发文“皮肤病援助”引关注

我今天看到最离谱的新闻是:ofo小黄车账号停更5年突然发文“皮肤病援助”引关注

尼古拉斯Nana
2026-07-17 21:04:31
50万解放军武力统一台湾,马英九:朝鲜战争让台湾有了喘息机会

50万解放军武力统一台湾,马英九:朝鲜战争让台湾有了喘息机会

历史纵观
2026-07-09 23:58:31
交920元仍需千里跑腿,腾讯调证新规再引律师圈质疑

交920元仍需千里跑腿,腾讯调证新规再引律师圈质疑

元财经研究院
2026-07-18 10:44:04
赛力斯、北汽、江淮全线预亏,"界"字辈越出越多,车企怎么都在亏钱?

赛力斯、北汽、江淮全线预亏,"界"字辈越出越多,车企怎么都在亏钱?

人间运行手册
2026-07-18 08:02:52
包工头与食堂大姐相好5年,项目完工提分开,这才意识到晚了

包工头与食堂大姐相好5年,项目完工提分开,这才意识到晚了

磊子讲史
2025-06-28 16:28:57
梅西赛后让功显格局,39岁老将把绝杀功劳全给队友

梅西赛后让功显格局,39岁老将把绝杀功劳全给队友

寒律
2026-07-18 12:34:57
为什么中国大模型超越美国让美科技界坐不住了

为什么中国大模型超越美国让美科技界坐不住了

小眼睛小世界
2026-07-18 06:21:27
乌克兰摧毁俄军图95轰炸机!击沉克里米亚军舰

乌克兰摧毁俄军图95轰炸机!击沉克里米亚军舰

项鹏飞
2026-07-18 21:04:47
LV起诉日用百货小店引热议!网友:老板不在乎输赢,搞出动静来给法国人看,业绩不好是仿造品太多

LV起诉日用百货小店引热议!网友:老板不在乎输赢,搞出动静来给法国人看,业绩不好是仿造品太多

火山詩话
2026-07-18 10:55:52
“毒油风波”延烧!国民党4人明起绝食抗议,蒋万安将密会卢秀燕

“毒油风波”延烧!国民党4人明起绝食抗议,蒋万安将密会卢秀燕

海峡导报社
2026-07-18 21:54:03
CBA:北京男篮正式放弃麦基,米切尔告别CBA,国内教练没有杨瀚森说明书,山西续约迪亚洛

CBA:北京男篮正式放弃麦基,米切尔告别CBA,国内教练没有杨瀚森说明书,山西续约迪亚洛

凯丰侃球
2026-07-19 00:06:17
1952 年空战杨汉黄弃机跳伞,见敌机同坠举枪,落地后满心诧异

1952 年空战杨汉黄弃机跳伞,见敌机同坠举枪,落地后满心诧异

磊子讲史
2026-06-30 15:49:06
“有钱人不长你这样!”女孩晒天价矿泉水被嘲,家长认清现实!

“有钱人不长你这样!”女孩晒天价矿泉水被嘲,家长认清现实!

世界圈
2026-07-11 08:39:11
2026-07-19 02:47:00
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
15724文章数 66961关注度
往期回顾 全部

科技要闻

WAIC2026看什么?这份"不迷路"攻略请收好

头条要闻

“黄总请你去包厢” “黄总”身份公布

头条要闻

“黄总请你去包厢” “黄总”身份公布

体育要闻

德尚是非典型法国人 14年执教留下丰厚遗产

娱乐要闻

大S给具俊晔留遗产是昏头?实际上她清醒得很

财经要闻

股民当街砍博主!韩国股市 终极大屠杀

汽车要闻

把中国超跑卖到英国,比亚迪正在被世界看见

态度原创

艺术
游戏
手机
公开课
军事航空

艺术要闻

中企助力,蒙古国新第一高楼,施工规模已显!

守望先锋推出十年以来最涩泳装,玩家却只关心脚裹得太严实?

手机要闻

30年前的一句话成为现实!荣耀Robot Phone应验凯文·凯利预言

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

美军连续七晚空袭伊朗

无障碍浏览 进入关怀版