OpenAI被曝陷入严重技术停滞——其最新发布的GPT-5实质仍是基于GPT-4o架构的优化版本，自2022年GPT-4发布后长达两年半期间未能实现预训练技术的实质性突破。与此同时，谷歌凭借TPUv7在预训练领域突飞猛进，迫使OpenAI紧急启动新模型研发计划以应对技术落后危机。

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。