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
给的空间太大了!阿森纳连丢两记远射,对方射门时都不受干扰

给的空间太大了!阿森纳连丢两记远射,对方射门时都不受干扰

懂球帝
2026-09-19 23:16:27
中国篮球之队发文回应“77-97负于日本男篮”:暴露出攻防多种问题;失利令人心情沉重,全队将深刻总结、调整状态,全力打好接下来的比赛

中国篮球之队发文回应“77-97负于日本男篮”:暴露出攻防多种问题;失利令人心情沉重,全队将深刻总结、调整状态,全力打好接下来的比赛

极目新闻
2026-09-19 00:42:11
姆总!姆巴佩结束与耐克20年合作投奔昂跑,耐克股票暴跌1%昂跑暴涨5%

姆总!姆巴佩结束与耐克20年合作投奔昂跑,耐克股票暴跌1%昂跑暴涨5%

818体育
2026-09-19 11:56:01
不查不知道,一查吓一跳!住北京大豪宅的岳云鹏,私下到底有多壕

不查不知道,一查吓一跳!住北京大豪宅的岳云鹏,私下到底有多壕

晓銊就是我
2026-09-18 23:41:02
《兰香如故》大结局:原来,这才是林锦歧强取豪夺许兰香的真相

《兰香如故》大结局:原来,这才是林锦歧强取豪夺许兰香的真相

情感大头说说
2026-09-20 00:11:08
男单四强出炉:国乒占2席!削球小将横扫法国新星,日本全军覆没

男单四强出炉:国乒占2席!削球小将横扫法国新星,日本全军覆没

乒烧泳球
2026-09-20 00:04:07
为什么今年没人提“消费降级”了?

为什么今年没人提“消费降级”了?

黯泉
2026-05-20 17:47:21
重要升级!交管12123大改版,11月1日起开始!所有车主全部受益

重要升级!交管12123大改版,11月1日起开始!所有车主全部受益

周哥一影视
2026-09-18 11:36:56
FCC正式批准星链手机跨境通信

FCC正式批准星链手机跨境通信

三体引力波
2026-09-18 23:01:57
哇塞!6亿豪阵四巨头!西部超级新贵球队诞生

哇塞!6亿豪阵四巨头!西部超级新贵球队诞生

篮球实战宝典
2026-09-19 20:29:38
烟草系统拉响警报:再这样下去,中国烟草真要出大问题

烟草系统拉响警报:再这样下去,中国烟草真要出大问题

阿振观点
2026-08-25 05:56:32
数名网友称多年前在奥比岛游戏中交易被骗 骗人者目前疑为短剧演员 公司回应:系“达人”私事

数名网友称多年前在奥比岛游戏中交易被骗 骗人者目前疑为短剧演员 公司回应:系“达人”私事

红星新闻
2026-09-19 18:00:20
冲上热搜!多所高校发文“过紧日子”,北大明确禁去21个景区开会,能线上开的会不线下聚

冲上热搜!多所高校发文“过紧日子”,北大明确禁去21个景区开会,能线上开的会不线下聚

南方都市报
2026-09-18 07:58:40
蒋锋任无锡市委书记,能给无锡带来什么改变?

蒋锋任无锡市委书记,能给无锡带来什么改变?

研微社
2026-09-19 19:12:11
2-1!西蒙尼41岁爱徒神了,率队领先巴黎8分登顶法甲,2年已夺5冠

2-1!西蒙尼41岁爱徒神了,率队领先巴黎8分登顶法甲,2年已夺5冠

球场没跑道
2026-09-19 10:37:18
两性关系:发现了没,寿命长的男人,大多都有这五个好习惯

两性关系:发现了没,寿命长的男人,大多都有这五个好习惯

荔子言
2026-09-08 14:55:50
选不上就掀桌子?十月革命后的苏俄,为何没能快速俘获俄国人心

选不上就掀桌子?十月革命后的苏俄,为何没能快速俘获俄国人心

老达子
2026-09-17 06:25:03
西蒙尼:我是穆里尼奥的崇拜者,阿尔瓦雷斯可以出战马德里德比

西蒙尼:我是穆里尼奥的崇拜者,阿尔瓦雷斯可以出战马德里德比

懂球帝
2026-09-19 18:50:39
无视亚马尔姆巴佩!皇马传奇语出惊人!力挺 39 岁梅西拿下金球奖

无视亚马尔姆巴佩!皇马传奇语出惊人!力挺 39 岁梅西拿下金球奖

澜归序
2026-09-19 08:29:47
没有等来养老金上涨的消息,却等来了惊喜

没有等来养老金上涨的消息,却等来了惊喜

白昼说故事
2026-09-19 09:13:21
2026-09-20 01:04:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16227文章数 67076关注度
往期回顾 全部

科技要闻

要走650亿,智谱的理想越来越贵

头条要闻

男子拿10多个西瓜连砸摊主头部 最新进展:赔偿了近7万

头条要闻

男子拿10多个西瓜连砸摊主头部 最新进展:赔偿了近7万

体育要闻

2026亚运会开幕式 胡明轩吴愉担任旗手

娱乐要闻

甜度爆表!许嵩冯禧晒婚纱照官宣结婚

财经要闻

江西首富破产:一张927万商票压垮千亿帝国

汽车要闻

大块头的从容 红旗G919如何兼顾豪华与越野能力

态度原创

游戏
健康
家居
教育
军事航空

玩家称DLSS5"纯粹是来恶心主机的" 主机或迎成本挑战

脑动脉瘤的治疗方法,该选哪一种?

家居要闻

2026建博会(广州) 公装联探展交流活动

教育要闻

刚刚过去的夏天,北大光华MBA把课堂搬去了六个国家

军事要闻

特朗普再称对伊朗战争将很快结束

无障碍浏览 进入关怀版