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:从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
四川一卤肉饭大叔闭店前给学生们写信:不要删叔叔,叔叔看你们顺利毕业,幸福过一生,我会偷偷点赞

四川一卤肉饭大叔闭店前给学生们写信:不要删叔叔,叔叔看你们顺利毕业,幸福过一生,我会偷偷点赞

环球网资讯
2026-11-22 15:59:07
亚马逊执行董事长贝索斯:如果不让黄仁勋回英伟达,不要聘用外人

亚马逊执行董事长贝索斯:如果不让黄仁勋回英伟达,不要聘用外人

新浪财经
2026-11-22 11:35:43
网红“东北雨姐”仍潇洒! 参加山东饭局,喝300多一瓶的汾酒,席间倒酒喝酒动作太豪横,一口闷

网红“东北雨姐”仍潇洒! 参加山东饭局,喝300多一瓶的汾酒,席间倒酒喝酒动作太豪横,一口闷

裕丰娱间说
2026-11-21 14:26:14
不出意外,从 2027年起,个人存款超过100 万的,或将面临四个难题

不出意外,从 2027年起,个人存款超过100 万的,或将面临四个难题

巢客HOME
2026-11-22 05:55:06
8万人狂欢!63岁穆帅2次搏命神换人:皇马2-1豪取9连胜 创4年纪录

8万人狂欢!63岁穆帅2次搏命神换人:皇马2-1豪取9连胜 创4年纪录

风过乡
2026-11-22 06:53:50
以泪洗面!西安股民晒351万资产周六彻夜失眠,11月狂亏121万近乎腰斩,单日跌超20万自嘲“金融消费者”

以泪洗面!西安股民晒351万资产周六彻夜失眠,11月狂亏121万近乎腰斩,单日跌超20万自嘲“金融消费者”

王老师你还好吗
2026-11-22 17:35:20
一回到美国,特朗普就说:中国也能生产芯片,要明白,如果我们不卖,他们会自己制造

一回到美国,特朗普就说:中国也能生产芯片,要明白,如果我们不卖,他们会自己制造

互联鱼
2026-11-22 00:10:10
香港艺人方力申刷新吉尼斯世界纪录,8小时半从香港游到澳门

香港艺人方力申刷新吉尼斯世界纪录,8小时半从香港游到澳门

澎湃新闻
2026-11-22 17:32:12
当心,停在路边的车卖苹果,尽量不要买,为什么呢,看下就知道了

当心,停在路边的车卖苹果,尽量不要买,为什么呢,看下就知道了

小鹿姐姐情感说
2026-11-21 01:20:03
突然,全线拉升!美伊局势,传来利好消息

突然,全线拉升!美伊局势,传来利好消息

新浪财经
2026-11-22 10:21:29
黎曼猜想被攻破!国外AI忙着搞科研,造福全人类,国产AI呢?

黎曼猜想被攻破!国外AI忙着搞科研,造福全人类,国产AI呢?

News脑洞
2026-11-22 13:37:42
红果短剧全面下架,彻底失控了

红果短剧全面下架,彻底失控了

李东阳朋友圈
2026-11-20 10:00:35
墨西哥总统迷上八段锦!返程航班还在练

墨西哥总统迷上八段锦!返程航班还在练

看看新闻Knews
2026-11-22 00:38:31
中国灵活就业人数达3.2亿人!占就业人口的44%,太恐惧了!

中国灵活就业人数达3.2亿人!占就业人口的44%,太恐惧了!

廖保平
2026-11-22 09:20:01
CBA杯-北京大胜深圳晋级八强 沃特斯19+6+5三分陈盈骏9中1

CBA杯-北京大胜深圳晋级八强 沃特斯19+6+5三分陈盈骏9中1

醉卧浮生
2026-11-22 17:00:54
外媒:特朗普要求菲律宾停止购买巴西农产品

外媒:特朗普要求菲律宾停止购买巴西农产品

参考消息
2026-11-22 16:52:05
一次爆出黑料超过33年总和!纽约时报发长文痛批黄仁勋:当众折磨当下属成人礼、所有高管都是受害者

一次爆出黑料超过33年总和!纽约时报发长文痛批黄仁勋:当众折磨当下属成人礼、所有高管都是受害者

可达鸭面面观
2026-11-22 00:02:18
停开6年后,“人一生必须坐一次”的K3/4次列车焕新重启,沿途停靠15个站点

停开6年后,“人一生必须坐一次”的K3/4次列车焕新重启,沿途停靠15个站点

红星新闻
2026-11-21 21:40:12
震惊!武亮回母校演讲提出“吃屎的劲头”去奋斗,台下学生反问:要是拼到41岁人没了,一点福都没享到,这份奋斗还有啥意义?

震惊!武亮回母校演讲提出“吃屎的劲头”去奋斗,台下学生反问:要是拼到41岁人没了,一点福都没享到,这份奋斗还有啥意义?

火山詩话
2026-11-22 14:36:55
10亿豪门内讧爆发!头牌拒绝谢场+无视教练,阿隆索下课倒计时!

10亿豪门内讧爆发!头牌拒绝谢场+无视教练,阿隆索下课倒计时!

阿泰希特
2026-11-22 13:44:00
2026-11-22 20:04:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16744文章数 67254关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

头条要闻

女子花2万存脐带血如今公司注销"断联":我的血还在吗

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

本地
旅游
健康
游戏
公开课

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

旅游要闻

喀什旅游的游客因清廷中唯一的维吾尔族妃子的故事而奔赴这里参观

医生眼里"很伤腰"的椅子,很多人天天坐

PC Gamer试玩GTA6百小时:双主角出色但任务重复

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