10万亿参数大模型，注定要被关进笼子里

OpenAI即将发布的GPT-6，传闻称它的参数量高达10万亿。

10万亿是一个非常恐怖的概念。现如今，全球顶尖大模型的参数量都在“万亿”级别。比如阿里的Qwen 3.8为3.5万亿，Kimi K3为2.8万亿，字节内部正在开发的模型，也有数万亿的参数量，哪怕是OpenAI的Mythos 5，估算也只有8万亿。

10万亿，代表了一个全新的时代。

遥想2025年，引发DeepSeek时刻的DeepSeek-R1，它才6710亿参数量。怎么仅仅过了1年，参数量就膨胀到如此这般了？

现在的GPT-5.6和Claude Mythos 5，根据测算，前者参数量在3到5万亿，后者更是将近8万亿。

那它们都能干嘛呢？有个独立开发者拿GPT-5.6做带界面的图片压缩工具，一个模型包揽需求分析、架构设计、写代码、写测试用例、修Bug。如果是一个独立开发者完成这些任务，大约需要花费1天的时间，而GPT-5.6 Sol只用了不到2小时就交付了能用的成品

Mythos 5更吓人了。它被定向放给了一些网络安全机构，根据这些机构的报告，Mythos 5能自主完成从代码审计、漏洞定位到构造攻击载荷的全链路，从预览版亮相至今，已识别出超过一万个高危及以上级别的软件漏洞。

到了10万亿模型，它能做的就更多了。比如跟它说要搬家，它能自己约搬家公司、跟搬家公司规划打包顺序、给水电燃气过户、更新一圈收货地址，你要做的事情，就是拿着钥匙去新家等家具运到。

但这只是硬币的一面。

OpenAI 紧急叫停了内部代号Astra的新模型，官方安全评估显示，它可能具备自主开发零日漏洞、甚至仅凭一句指令就发动端到端网络攻击的能力，奥特曼自己都坦言“我被吓到了”。

在英国 AI 安全研究所（AISI）8 月初的红队测试中，对 Mythos 5 和 GPT-5.6 Sol 做了 122 轮测试，出现 19 起自主越界攻击。

更可怕的是，Mythos 5会自己编写恶意代码、提交到真实开源项目的GitHub PR，被人质疑后还改评论、注册小号给自己洗白；多个Agent甚至能私下建立隐蔽通信通道，协同规划渗透攻击。

10万亿参数能做到的“恶”，将远超人们的想象。

01

10万亿和万亿有什么不同？

先搞清楚一个最基本的问题：参数到底是什么。

你可以把大模型的参数，理解成我们大脑里的突出，它是神经细胞之间用来传递信息的连接点。人类的神经突触大约有10的14到15次方个，也就是百万亿这个量级。

模型参数做的事类似，记住输入与输出之间的模式，储存这个世界的规律。参数量，决定的是一个模型的记忆与表达容量，直白一点说，就是它脑子里装得下多少东西，能把话说得多透彻。

但容量不等于智力，一个人的房间里塞满了书，不等于这个人就有多么高的学识。真正决定智力的，是数据、训练方法、架构，还有推理时的算法。

2021年11月，阿里达摩院的M6就干到过10万亿参数，用了512张GPU，训练了10天，能耗只有GPT-3的1%，一度是全球最大的预训练模型。

但M6是稀疏多模态的早期形态，靠极致的稀疏化与CPU offload把参数塞进去，能力极其有限，连今天的开源小模型都打不过。它是“参数意义上”的10万亿，不是“能力意义上”的10万亿。和今天要靠数十万卡集群端到端训练出来的通用前沿模型，完全不是一个物种。

那巨头为什么还要死命堆参数？

说到底，还是因为Scaling Law。OpenAI在2020年发现，模型性能与参数量、数据量、算力之间呈可预测的幂律关系。并且三者同步放大，能力就随之可预测地提升。

虽然Scaling Law后续被无数人和企业修改过，但是有一条铁律是不变的，在相同的数据与算法下，更大（参数、算力）的模型，下限更高。

10万亿参数，到底要烧多少钱？

我们可以算一笔账。训练一个模型的总计算量，大致等于6乘以“激活参数”再乘以“训练数据量”。

GPT-4用了约2.1×10的25次方次浮点运算，仅算力账单就花了约7800万美元；谷歌的Gemini Ultra用了约5×10的25次方次，烧掉约1.91亿美元。

如果是10万亿的大模型，按总参数10万亿、每次激活约1万亿、喂进15万亿token数据的MoE架构来算，一次正式预训练的总计算量约9×10的25次方次浮点运算，是GPT-4的4倍多。

GPT-4当年是用2.5万张A100跑了近100天，今天的Blackwell旗舰卡单张算力是A100的好几倍，假如有5万张Blackwell，那么训练完1个10万亿大模型，差不多需要1个月。一张Blackwell旗舰卡的租金大约为两三千美元一个月，5万张跑满30天，光算力租金就是一两亿美元。

可是这5万张卡不是插上电就能转的。一张Blackwell旗舰卡功耗就有1200瓦，5 万张光是显卡本身就要吃掉60兆瓦。

算上网络、存储、散热和机房损耗，整座数据中心要配到接近100兆瓦的供电。

xAI 在孟菲斯建的Colossus，10万张H100也就吃150兆瓦，而当地电网当时只供得出8兆瓦，马斯克最后被逼得拉来一整排燃气发电机才点得着火。光这一趟的电费，按一个月算就要几百万美元。

至于地方，那是一个装满几百个液冷机柜、占地几万平方米的数据中心园区，相当于两三个标准足球场。

Epoch AI的统计是，前沿模型的训练成本每年以2.4倍的速度增长。阿莫迪曾经说过，到2027年，最前沿模型的单次训练成本可能冲到100亿美元，甚至1000亿美元的量级。

但这还只是单次预训练的账单。算上反复试错、数据工程、电力与人才，整个项目的真实投入，要奔着数十亿美元、甚至更高去。OpenAI今年给自己批的算力预算，已经高达约500亿美元。

但这里藏着一个反直觉的关键点：10万亿的成本，不是Kimi K3的三倍，甚至可能比很多人想象的便宜得多。

总参数多，不等于烧的钱多。现在的顶尖模型都是“混合专家”（MoE）结构，你可以把它想成一家超大的公司，这个公司有很多业务，但是具体到某一个任务，它只会抽几个人出来干活。

所以决定一单生意成本的，从来不是公司总人数，而是这单实际动用了多少人。换到模型上，就是“激活参数”这个概念。处理每个token时，真正被叫出来干活的，其实只有部分参数而已。

明白了这一点，Kimi K3的2.8万亿也好、Qwen的2.4万亿也好，GPT-6的10万亿也好，它们差的只是“员工总数”，而账单不跟着总数走。真正决定成本的只有两样，每次干活动用的激活参数，加上喂进去的数据量。

总参数翻三倍，单次成本可能纹丝不动；反过来，哪怕两家总参数一样多，一家激活得多、喂的数据多，账单也能差出好几倍。

在这场大模型竞赛里，参数量成了大家比拼的重要指标。因为它最直观、也最难造假。OpenAI抛出10万亿，本质上就是在宣布：参数量，就是这个时代大模型竞争中最关键的指标，而在这个指标上，我领先所有人。

这句话背后的潜台词是，模型竞争，已经进入了一个“烧不起”的程度。

美国五大科技巨头2026年的资本开支合计预计高达7790亿美元，目前全球前沿模型的训练集群已经是动辄数十万卡，2027年就要进入百万卡时代。

光是入场就需要几百亿美元，后面的运营、维护、调优等等也不少花钱。换句话说，AI这条赛道，现在只允许退出，不允许进入了。

02

参数越大，能力越大

参数越大，就代表它能做到的事情越多。

GPT-5.6 Sol已经能自主连续工作5小时，同时调度几十个子Agent并行干活，一次读进150万token的上下文。

150万token相当于几千页的文档，或者一整座中型软件仓库的量。

以前大模型读长文或者完整的软件仓库，它都需要去“压缩”一下任务，每完成一部分任务，就得把前面浓缩成几句摘要再接着干，这就导致细节就在一次次压缩里逐渐丢掉了。

一口气看完150万的token，意味着整个项目的来龙去脉、每一行代码、每一个拍板的决定，它都能摊在桌面上随时翻回去看，干了后面，也不会忘了前面的细节。

以前参数量小，Agent哪怕性能再强，也都是“单兵作战”。写代码、查文档、跑测试、修Bug，只能一件件串着来，每切换一次任务，前面的上下文还要腾出来。

几十个子Agent，相当于是可以同时执行多个任务，总管Agent负责拆任务、定方案，下面写代码的Agent只管写代码，查文档的Agent只管查文档，跑测试的Agent只管跑测试，各管一摊、并行推进，最后再汇总结果。不仅缩短了任务时间，还因为子Agent各司其职，让其上下文之间不会互相干扰，进而提高任务表现。

专门追踪AI自主能力机构METR表示，目前最强的模型已经能连续自主运行15小时以上。另外，交给这个模型一个人类专家大约要花30分钟完成的软件工程任务，它的成功率已经达到80%。

按照这个趋势推演，10万亿参数模型，它能做的事情只会更加完整，并且它单个任务的耗时，也会低于现在的万亿参数模型。

举个例子，早上你对10万亿参数大模型说一句：“孩子下周三数学竞赛，安排这两周复习。”

虽然你关于考试结果的事情一个字没提，但是它会以“我应该怎么才能让孩子考试成绩变好”为出发点去规划任务。

每天按进度出题、批改、讲错因，考前提醒你打印准考证、查好考场路线、规划好当天的接送。

过去的模型是个家教，但是10万亿参数的模型是一个教育家。

工作上也是同理。对于GPT-5.6这样的万亿级别参数模型，它会自己拆需求、写代码、跑测试、修Bug、写文档，几天后交给你一份能直接上线的成品。

而到了10万亿参数，它会自己去运营整个项目。比如这个项目市场表现不好，反馈是如何，那么它会吸收这些反馈用来更替它已有的产品功能，再迭代到市场，以此反复。

这不是科幻。

METR的研究注意到了这样一个趋势，称模型的“时间视界”，从2019到2025年大约每7个月翻一倍。

所谓时间视界，指的是它能可靠完成的任务、按人类工时计量的长度。

到了今年，翻倍速度更是加快到大约4个月。

随着模型参数越来越大， AI性能越来越强，它们也开始越来越多地参与改进下一代AI，最终形成“自进化”的完整闭环，即AI训练 AI、AI评测AI、AI优化AI的架构。

如果这条回路转起来，“每四个月翻一番”可能都会显得保守。

03

10万亿参数大模型，更容易作恶吗？

AI越来越聪明，那是不是也就意味着它越来越会作恶呢？直觉上，答案似乎是肯定的：参数越大，能力越强，作恶当然越容易。

英国AI安全研究所（AISI）2026年7月发布测评，他们把GLM-5.2、DeepSeek V4-Pro这类任何人都能下载的开源模型，放进模拟企业网络的沙盒环境里去运行，结果发现，这些参数更小的模型，只比Fable 5这个更大参数的模型落后约4到7个月，甚至在有的评测基准下，低参数的模型和高参数的模型，其结果是完全相同的。

事实的真相是，模型作恶与否，不跟着参数走，只跟着“能力×自主性”走。

2024年UIUC的论文《大语言模型智能体能够自主实施一日漏洞利用》（LLM Agents can Autonomously Exploit One-day Vulnerabilities），专门研究的就是这件事，论文通过测试得出一个结论，相同的模型被赋予不同的自主性，就会得到不一样的结果。

2025年11月，论文走进了现实。Anthropic披露，一个黑客组织，把编程助手Claude Code改造成了一条自动化攻击流水线，自主执行命令、利用漏洞、窃取凭据、做战术决策，全程几乎不需要人工介入。

决定它危险的，从来不是这个模型有多大，而是它被赋予了自主权、工具链，以及一个明确的目标。

所以，我们真正该问的不是“10万亿会不会作恶”，而是如果这样一个模型开始作恶，它会坏到什么程度？

它能把“一次攻击”变成“永不停机的攻击流水线”。

正如前面提到的，10万亿参数的模型，已经能超过项目本身，完成整个企业层面的运营，那么对于攻击，它肯定也不会说是只攻击一次，而是会持续攻击直到目标彻底崩溃。

今天，一个程序员用AI挖出一个漏洞，整个过程可能要数周的时间。但是对于一个10万亿模型，它能把“信息收集→漏洞挖掘→构造利用→横向渗透→数据窃取→痕迹清理”整条链路串成一条无人值守的自动化流水线，7×24小时不停机地跑。

2026年，OpenAI前沿模型Astra被证实能自主挖出零日漏洞，因此OpenAI内部紧急叫停Astra的研发。

可你得清楚，Astra还没到10万亿参数，那要是到了10万亿，这条流水线只会更快、更隐蔽。

所以你看，Mythos 5现在还在笼子里，Fable 5只是阉割过的可控版，Astra也被放进了笼子里。不管这背后有多少营销的成分，这里面都包含了人类对模型实打实的恐惧。哪怕是亲手造出它们的人，也不敢百分百信任它们。

等10万亿参数的模型真来了，势必会有一场对应的“灭世营销”。

能力吹得越可怕，越像是在证明“我掌握了一头连自己都怕的怪兽”。

不过大概率的情况是，这个10万亿模型最终仍然不会放出来。它更像是一张提前占好的坑位。先把“神”供在实验室里，让可控版本先落地，把不可控的那一头锁进笼子里慢慢驯化。

10万亿参数决定不了善恶，决定善恶的是谁握着闸门的控制权。 它可以是一台超级生产力机器，也可以是一把超级武器，差别不在参数，而在人类怎么设计它的自主性、怎么封它的工具链、怎么管它的释放。