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
浙江女子以190万把房子卖给租客,租客觉得贵拒绝了,随后女子170万卖给他人,租客知道后起诉女子,要求赔偿20万!法院判了

浙江女子以190万把房子卖给租客,租客觉得贵拒绝了,随后女子170万卖给他人,租客知道后起诉女子,要求赔偿20万!法院判了

犀利强哥
2026-05-31 21:15:20
郝劭文回台湾定居原因曝光,直播带货曾月赚近亿元,会赚更会做人

郝劭文回台湾定居原因曝光,直播带货曾月赚近亿元,会赚更会做人

以茶带书
2026-05-29 15:26:31
比亚迪版“帕拉梅拉”,续航达2000km,拥有50万的档次仅售15万多

比亚迪版“帕拉梅拉”,续航达2000km,拥有50万的档次仅售15万多

隔壁说车老王
2026-05-28 07:56:52
一包卫生巾牵扯出惊天大案,而破获大案的警察被女死刑犯影响一生

一包卫生巾牵扯出惊天大案,而破获大案的警察被女死刑犯影响一生

莫地方
2026-06-03 01:25:03
入夏,少买黄瓜茄子,多买3样“碱性菜”鲜嫩多汁,夏天吃正合适

入夏,少买黄瓜茄子,多买3样“碱性菜”鲜嫩多汁,夏天吃正合适

江江食研社
2026-06-02 19:48:10
两性关系:55-65岁这十年,惜命最好的方式,不是锻炼,做好这6点

两性关系:55-65岁这十年,惜命最好的方式,不是锻炼,做好这6点

三农老历
2026-04-13 17:10:06
黄仁勋致敬乔布斯,从牛仔裤中掏显卡,感谢马斯克在需要时伸援手

黄仁勋致敬乔布斯,从牛仔裤中掏显卡,感谢马斯克在需要时伸援手

译言
2026-06-02 08:09:32
你经历过最恐怖的事是啥?网友:这年头,变态都是成群结队的

你经历过最恐怖的事是啥?网友:这年头,变态都是成群结队的

带你感受人间冷暖
2026-05-02 11:26:30
这个习惯并非“高素质”!多地已叫停

这个习惯并非“高素质”!多地已叫停

大象新闻
2026-05-29 11:51:09
上海一租客签订合同当日,卧室、卫生间爬出大量蜈蚣,床底都是蜈蚣尸体,吓到不敢住,房东拒绝退还押金,法院判了

上海一租客签订合同当日,卧室、卫生间爬出大量蜈蚣,床底都是蜈蚣尸体,吓到不敢住,房东拒绝退还押金,法院判了

洪观新闻
2026-06-01 11:39:35
扬科维奇上任不到一个月下课?媒体人:礼彬回归长春喜都执教

扬科维奇上任不到一个月下课?媒体人:礼彬回归长春喜都执教

懂球帝
2026-06-02 18:21:09
上海金融女博士罕见发声:如果接下来迎来牛市,建议死啃2560战法

上海金融女博士罕见发声:如果接下来迎来牛市,建议死啃2560战法

股经纵横谈
2026-06-02 20:55:03
北大医学生司力嘉去世,年仅24岁,河南父亲曝死因,就差毕业典礼

北大医学生司力嘉去世,年仅24岁,河南父亲曝死因,就差毕业典礼

阿讯说天下
2026-06-03 03:08:54
1950年我军抓获女匪首,她袖口补丁藏着的布条,老政委看后摔茶缸

1950年我军抓获女匪首,她袖口补丁藏着的布条,老政委看后摔茶缸

磊子讲史
2026-03-18 11:38:06
法网女单太残酷了:随着斯维托丽娜1-2出局,世界前十仅剩2人

法网女单太残酷了:随着斯维托丽娜1-2出局,世界前十仅剩2人

侧身凌空斩
2026-06-02 20:28:22
奚梦瑶的家庭背景如何

奚梦瑶的家庭背景如何

动物奇奇怪怪
2026-06-02 19:43:39
董路再封神!足球小将点球5-4英超劲旅 7战全胜夺意大利杯冠军

董路再封神!足球小将点球5-4英超劲旅 7战全胜夺意大利杯冠军

念洲
2026-06-02 18:43:11
女学霸发明“咯噔字体”,老师低分警告:别用个性挑战考试底线

女学霸发明“咯噔字体”,老师低分警告:别用个性挑战考试底线

蝴蝶花雨话教育
2026-05-07 00:05:04
广厦赢球仍存致命短板:首发99分替补仅2分 超负荷用人能撑住吗

广厦赢球仍存致命短板:首发99分替补仅2分 超负荷用人能撑住吗

醉卧浮生
2026-06-02 22:06:30
郑丽文如愿以偿,闭门会谈1小时,大陆讲出一句话,给出4点建议

郑丽文如愿以偿,闭门会谈1小时,大陆讲出一句话,给出4点建议

福建睿平
2026-04-12 08:17:53
2026-06-03 03:56:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
15369文章数 66896关注度
往期回顾 全部

科技要闻

烧掉千亿后,美团、阿里、京东谁先止血?

头条要闻

演员魏宗万去世 曾在94版《三国演义》中饰演"司马懿"

头条要闻

演员魏宗万去世 曾在94版《三国演义》中饰演"司马懿"

体育要闻

1米74的业余联赛替补,在英超踢中卫

娱乐要闻

奚梦瑶何猷君补办婚礼超幸福

财经要闻

智元和宇树的“暗战”愈演愈烈

汽车要闻

星途神秘新车轮廓曝光 又一款性能SUV要来了?

态度原创

游戏
家居
艺术
本地
公开课

离发售不远了!《寂静岭》系列新作已公开游戏评级

家居要闻

流线型轮廓 包容多元身形

艺术要闻

抖音砸60个亿,要盖一座“不像医院”的医院?

本地新闻

用剪纸的方式,打开江苏扬州

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版