OpenAI核心预训练，接连翻车？
传言称，GPT-5的基石仍是GPT-4o，且GPT-4.5之后的预训练版本，都被OpenAI放弃了！
这么说并非空穴来风，核心爆料恰恰来自权威SemiAnalysis的最新一文——
OpenAI顶尖团队自GPT-4o发布之后，迄今尚未完成一次完整的，为下一代前沿模型设计的大规模预训练。
文章中，高级分析师强调：谷歌正手持TPUv7这把利剑，向英伟达王座发起冲锋，或将终结CUDA护城河。
众所周知，OpenAI全栈模型是在纯英伟达GPU上炼出的。
然而，圈内人的焦点，大都放在了大模型「推理」和「后训练」的硬件之上。
殊不知，没有前沿模型的预训练，一切皆是「无米之炊」。恰恰这一环节，成为了AI硬件里最难、最耗资源的一关。
如今，一个不为人知的内幕爆出了：
事实证明，谷歌TPU彻底经受住了这一考验；
相较之下，自2024年5月GPT-4o诞生之后，OpenAI的预训练却毫无进展.....
过去，两年半的时间，OpenAI没有真正Scaling预训练的规模。
GPT的预训练，或许在GPT-4o之后触及了天花板，由此也解释了GPT-5性能未达业界预期的关键原因。
有网友表示，那不正是Ilya离开的时候吗.....
恰在昨天，Ilya最新发文称，Scaling不会停，但某个重要的东西仍然会缺失。
OpenAI预训练，大溃败
还记得去年底，那场铺天盖地的「Orion」传闻吗？
这一秘密项目，原定以GPT-5面世，但因训练未达预期，最终被降级为GPT-4.5发布。
在前沿模型预训练上，OpenAI的研发似乎陷入了僵局——
如今第五代旗舰模型GPT-5，包括最新GPT-5.1，其「技术根基」本质或仍未突破GPT-4o的范畴。
SemiAnalysis去年底一篇文章，曾对外公开了Orion训练的困境。
当前，算法的进步使得模型每年所需的物理计算量减少约三分之一，因此，训练运行时间很少超过3个月。
甚至，行业中大多数预训练通常仅需要1-2个月。
然而，OpenAI的Orion大规模预训练，却打破了这一常规，其训练时间超过了3个月。
另据Information同一时间爆出，Orion不会像前代实现巨大的飞跃，相较于从GPT-3到GPT-4的迭代，改进幅度要小得多。
不仅如此，Orion性能提升也基本局限在——语言能力上，其代码能力甚至不如旧模型，且成本更高。
如今再回看2月，GPT-4.5的诞生，基于代号Orion的模型，OpenAI追求的是：
更强的语言能力+更稳的对话体验+更大知识库
情商，成为了GPT-4.5的关键词。代码虽有提升，但并非主菜。
这一切的一切，从侧面印证了，此前外媒关于「Orion遇挫」爆料的准确性——
LLM有提升，但不大。
GPT-4o，成Scaling主线？
今年8月，GPT-5的那场发布，奥特曼将其定调为「博士级AI，是通往AGI又一里程碑」。
实则，业界对于GPT-5的反响，唏嘘一片。
大家原本以为，GPT-5会是全面超越前代的一次飞跃，但实际发布后，更像是GPT-4.5的进一步优化版，不是「颠覆版」。
但至于GPT-5真正基于哪一款GPT打造，还有待证实。
正如之前传闻的猜测，有可能是GPT-4o，还有Reddit网友称是GPT-4.1....
但不论是哪一款，都证明了GPT-5，没有在全新前沿模型的大规模预训练上淬炼。
搞笑的，那个曾将OpenAI三颗????????????「焊在」名字中的大佬，如今改成了三个????????????。
他表示，这已经不是什么秘密了——
GPT-4.5将预训练推向极致之后，OpenAI加倍投入了推理范式，主打o系列+RL。
不同的是，谷歌和Anthropic仍在Scaling预训练，并增强了强化学习。
OpenAI主动放弃了这一范式，为劲敌让出了一条速通道。
奥特曼：这事儿瞒不住了！
Gemini 3发布后，谷歌和OpenAI攻守之势易形——
Gemini 3来势汹汹，而OpenAI这次终于坐不住了！
据泄露的内部备忘录，奥特曼坦言：「近期， 从各方面来看，谷歌在大语言模型表现出色」，特别是预训练。
这番表态标志OpenAI的重大转变——它终于承认，一个重新崛起的竞争对手与逐渐降温的企业需求，已彻底打破了其「天下无敌」的光环。
所谓预训练，是训练生成式AI模型（无论是文本还是图像）过程中的第一阶段。在这一阶段，研究人员会用网页等大量数据「投喂」模型，让它掌握数据之间的各种关联。
大语言模型（LLM）开发与训练流程概述：预训练和后训练是关键
在预训练领域，谷歌取得了新突破，给Gemini 3带来了空前的推理深度。
这让不少AI研究者颇感意外——
毕竟，OpenAI去年曾屡屡碰壁，而谷歌自己过去也曾陷入瓶颈。
正因如此，在一段时间内，OpenAI选择将更多精力转向另一种新型AI架构——「推理模型」，这种模型虽然计算量更大，但有望输出更优质的回答。
在推出GPT-5之前，OpenAI团队曾尝试对预训练阶段做出一系列调整，这些方法在小模型上有效，一旦模型变大就失效了。
GPT-5发布第二天，西班牙与波兰Talan公司AI应用负责人Javier Alba de Alba表示：
(GPT-5）整体观感颇为失望：
这是个优秀的模型——响应迅捷、价格亲民、能力全面，但远非人们基于OpenAI过往发布会所预期的代际飞跃。
GPT-5带来了不少提升——
编程能力显著提升、推理能力进阶、幻觉现象减少、医疗领域表现优化，甚至免费用户也享有更长的默认使用时长。此外命名体系全面简化：GPT-4o/4.1/turbo/mini等繁杂名称悉数消失，统一更名为GPT-5。
不过，Javier Alba de Alba提醒：「千万不要被名称迷惑：GPT-5并非新一代产品。」他解释道：
技术层面而言，它更像是GPT-4o的功能增强版，即便命名为GPT-4.2也毫不违和。
OpenAI此举虽完成了必要的名称统一，但整场发布会未能达到预期，让技术社区颇感失落。
GPT-5发布后，Epoch AI也发现了其中的异常：
相比前代GPT-4.5，GPT-5很可能消耗了更少的训练算力。
虽然具体数值尚未公开，但GPT-4.5使用的训练算力极有可能超过GPT-5。
预训练并未消亡，它依然是胜负关键。
在内部会议中，奥特曼鼓舞士气，称在未来几个月，OpenAI将重新夺回优势。其中关键举措之一，就是打造一款代号为「Shallotpeat」的新一代大语言模型。
据知情人士透露，该模型的设计目标之一，就是专门修复OpenAI在预训练过程中遇到的种种「疑难杂症」。
OpenAI：内部的风向变了
GPT-5发布的实质是什么？
对现有ChatGPT用户而言，GPT-5是个好消息，但这并未开启新时代。
它只是进化历程中的一小步，而非革命性飞跃。
既然更多算力通常意味着更强性能，为何OpenAI会反其道而行？这对未来模型发展意味着什么？
在与a16z合伙人Martin Casado对话中，OpenAI平台工程负责人Sherwin Wu，深度拆解了OpenAI当前平台架构、定价逻辑与未来方向。
在这次访谈中，他们深入探讨了为何开发者往往会长期依赖某个「值得信赖」的模型系列，信任感是如何建立的，以及为什么行业已经逐步放弃了「一个模型通吃所有任务」的幻想。
Sherwin还讲解了从提示词工程到上下文设计的演变过程，以及企业如何借助OpenAI的微调（fine-tuning）和RFT API，利用自有数据定制模型行为。
共识已变
几年前，OpenAI内部认为：未来会有一个「统治一切」的超级模型。但现在行业共识已经转变为「模型的专业化和多样化」。
虽然会有强大的通用模型，但也需要针对特定任务（如编程Codex、视频Sora）的专用模型。
文本、图像、视频背后的技术堆栈各不同。目前，在后台。这些模型往往是分开优化的独立系统，很难简单地「一锅炖」。
顺便提一句，正是DALL-E 2的出现让Sherwin决定加入OpenAI，因为那是他第一次感受到AI的魔力。
而微调（Fine-tuning）也悄然进化——
早期的微调，主要用于调整「语气」或「指令遵循」。 现在的重头戏，是强化学习微调（Reinforcement Fine-Tuning） 。
这允许企业利用其庞大的专有数据（Data Treasure Troves），将较小的模型在特定领域训练至SOTA水平。这是解锁企业数据的关键。
也就是说，企业拥有大量内部数据，但与ChatGPT「毫无关系」，对企业专属AI而言却是黄金。
他们多次提到AI代码编辑器Cursor作为建立在 OpenAI API 之上的成功产品案例，证明了：
即使OpenAI自己有竞品，开发者依然可以建立伟大的垂直应用。
Agent开发模式
从第一天起，奥特曼和Greg Brockman就确立了「App+ API」的双轨战略。
这样做是为了尽可能广泛地分发AGI的利益——
如果只做 API，你就无法触达普通消费者；如果只做应用，你就无法赋能各行各业的开发者。
在这次对话中，他们重点谈论了智能体开发工具「Agent Builder」。
Sherwin认为，智能体（Agent）并非一种全新的模态，而是AI的一种新使用方式。
本质上，智能体是一个能够代表用户、在较长的时间跨度（Long Time Horizons）内执行一系列操作并完成任务的AI系统。
OpenAI曾推出了可视化的「Agent Builder」（节点式构建），但发现对于开发者而言，这种方式可能过于受限。
访谈中，Sherwin和Martin将智能体清晰地划分为两类，这解释了为什么目前市面上的Agent产品形态各异——
-
探索型/非定向工作 (Undirected/Exploratory Work)
-
流程型/SOP导向工作 (Procedural/SOP-oriented Work)
在对话中，第二类Agent开发可能更像传统的软件工程或游戏开发中的NPC（非玩家角色）逻辑。
与其让模型完全自由发挥，不如通过代码给予它明确的逻辑框架和标准操作程序（SOP），特别是在受监管的行业（如客户支持、金融）。
也就是说，逻辑必须写死在代码里，而不是提示词里。
这就是Agent Builder想要解决的问题：为那些必须控制智能体行为的行业和场景，提供一个简单、清晰、可验证的解决方案。
One More Thing
2025年度压轴大戏，谷歌Gemini 3 Pro无疑打了一场胜仗，但OpenAI不会袖手旁观。
内部已确认，圣诞节前夕，一连串发布连番轰炸。
据传，一系列新模型，在路上了——
Image Gen v2
IMO和IOI金牌多模态模型
GPT-5.2 Codex
12月，AI圈一定非常热闹。
来源：新智元
