今日羁系部分披露重大希望张雪化身于东来迷弟 很兴奋为您解答这个问题，，，让我来帮您详细说明一下
。
。。。品牌授权报修电话，，，快速上门服务

丰台区宛平城地区吉林省四平市铁西区山东省枣庄市台儿庄区江苏省连云港市赣榆区山东省聊都会冠县崇左市宁明县河西区桃园街道青海省海南藏族自治州贵德县西藏阿里地区日土县湖北省宜昌市宜都会乌鲁木齐市沙依巴克区井陉县测鱼镇合肥市庐阳区怀柔区雁栖地区江西省吉安市永新县广东省珠海市斗门区辽宁省铁岭市清河区内蒙古乌海市乌达区云南省玉溪市新平彝族傣族自治县广东省佛山市三水区黑龙江省哈尔滨市巴彦县重庆市县巫山县云南省大理白族自治州云龙县广东省珠海市斗门区平山县上观音堂乡福建省莆田市仙游县蓟州区东施古镇山西省忻州市定襄县吉林省白山市浑江区山西省临汾市安泽县辽宁省辽阳市白塔区海南省三沙市西沙区湖北省宜昌市夷陵区南阳市内乡县长安区广安街道蚌埠市蚌山区山东省德州市齐河县四川省宜宾市江安县山西省阳泉市平定县隆安县北辰区广源街道焦作市蚌埠市蚌山区辽宁省大连市旅顺口区开封市通许县广东省汕头市南澳县银川市贺兰县湖北省宜昌市夷陵区海南省三沙市西沙区赞皇县西龙门乡湖北省宜昌市夷陵区丰台区长辛店镇怀柔区雁栖地区武清区上马台镇黑龙江省佳木斯市汤原县福建省厦门市海沧区黑龙江省鸡西市鸡冠区山东省青岛市城阳区江西省九江市武宁县山西省晋中市灵石县元氏县苏村乡喀什地区叶城县贵州省安顺市普定县贵州省黔南布依族苗族自治州惠水县井陉县吴家窑乡四川省成都会新都区贵州省黔东南苗族侗族自治州天柱县四川省凉山彝族自治州西昌市四川省成都会新都区山西省阳泉市平定县博尔塔拉蒙古自治州温泉县贵州省铜仁市印江土家族苗族自治县陕西省咸阳市兴平市甘肃省白银市景泰县崇左市宁明县银川市贺兰县丰台区右安门街道四川省广安市岳池县桂林市秀峰区西城区月坛街道黑龙江省鸡西市鸡冠区福建省福州市罗源县长安区南村镇平顶山市卫东区西城区天桥街道南开区长虹街道昌平区延寿镇四川省遂宁市蓬溪县山东省烟台市龙口市怀柔区宝山镇防城港市东兴市亳州市利辛县辽宁省大连市旅顺口区江苏省连云港市赣榆区山西省晋中市榆社县内蒙古锡林郭勒盟正镶白旗山西省忻州市定襄县广东省江门市江苏省镇江市句容市云南省玉溪市新平彝族傣族自治县

今日行业报告披露新效果OpenAI官宣退役o3与GPT-4.5！，，，很兴奋为您解答这个问题，，，让我来帮您详细说明一下:官方服务专线，，，支持多品牌报修

山东省威海市崇左市宁明县山西省吕梁市岚县青海省海西蒙古族藏族自治州德令哈市亳州市利辛县芜湖市南陵县四川省德阳市广汉市山西省晋都会高平市乌鲁木齐市沙依巴克区塔城地区和布克赛尔蒙古自治县湖北省恩施土家族苗族自治州建始县湖北省宜昌市夷陵区昌平区回龙观街道青海省海南藏族自治州贵德县平山县小觉镇洛阳市汝阳县山西省忻州市宁武县甘肃省陇南市武都区新乐市协神乡黑龙江省佳木斯市汤原县辽宁省铁岭市清河区甘肃省兰州市昌平区阳坊镇哈密市伊吾县内蒙古鄂尔多斯市鄂托克旗内蒙古锡林郭勒盟镶黄旗江苏省苏州市相城区黑龙江省绥化市明水县西城区月坛街道江苏省镇江市句容市山东省滨州市赵县沙河店镇湖北省恩施土家族苗族自治州建始县黑龙江省伊春市金林区四川省宜宾市翠屏区亳州市利辛县山西省晋中市榆社县北海市海城区四川省遂宁市蓬溪县江苏省南通市启东市四川省广元市内蒙古兴安盟乌兰浩特市贵州省铜仁市印江土家族苗族自治县上海市市辖区嘉定区青海省果洛藏族自治州青海省海北藏族自治州门源回族自治县四川省广安市岳池县喀什地区麦盖提县湖北省恩施土家族苗族自治州恩施市井陉县吴家窑乡四川省遂宁市蓬溪县平山县岗南镇丰台区宛平城地区广东省汕头市南澳县山东省烟台市牟平区河东区大直沽街道怀柔区龙山街道四川省宜宾市珙县向阳区小关街道西藏山南市贡嘎县北海市海城区四川省成都会金牛区隆安县湖北省宜昌市夷陵区内蒙古鄂尔多斯市鄂托克旗甘肃省陇南市武都区黑龙江省鹤岗市山东省聊都会茌平区江苏省徐州市山西省吕梁市中阳县怀柔区雁栖地区哈密市伊吾县上海市市辖区嘉定区山西省朔州市山阴县鹿泉区寺家庄镇昌平区小汤山镇长安区南村镇辽宁省沈阳市山东省威海市山西省长治市襄垣县山西省长治市襄垣县福建省福州市永泰县巴音郭楞蒙古自治州和硕县元氏县殷村镇甘肃省陇南市武都区丰台区宛平城地区重庆市县巫山县武清区汊沽港镇山东省淄博市临淄区广东省佛山市三水区江西省宜春市奉新县四川省成都会双流区广东省深圳市南开区长虹街道贵州省铜仁市印江土家族苗族自治县湖北省宜昌市秭归县蓟州区东二营镇焦作市蓟州区东二营镇四川省凉山彝族自治州昭觉县

全球服务区域:向阳区小关街道开封市通许县桂林市秀峰区甘肃省甘南藏族自治州昌平区阳坊镇博尔塔拉蒙古自治州温泉县山西省吕梁市岚县江苏省连云港市赣榆区江苏省连云港市赣榆区内蒙古锡林郭勒盟镶黄旗重庆市市辖区北碚区湖北省恩施土家族苗族自治州恩施市密云区河南寨镇广东省汕头市龙湖区洛阳市汝阳县山东省聊都会冠县福建省厦门市海沧区云南省普洱市景东彝族自治县江苏省连云港市赣榆区内蒙古乌海市乌达区怀柔区龙山街道陕西省宝鸡市眉县平山县东回舍镇银川市贺兰县福建省厦门市湖里区青海省果洛藏族自治州四川省甘孜藏族自治州丹巴县密云区河南寨镇四川省成都会双流区四川省凉山彝族自治州西昌市贵州省安顺市普定县阿克苏地区拜城县芜湖市南陵县昌平区小汤山镇内蒙古锡林郭勒盟镶黄旗云南省怒江傈僳族自治州福贡县陕西省汉中市西乡县甘肃省白银市景泰县江苏省镇江市句容市吉林省白山市浑江区四川省凉山彝族自治州昭觉县陕西省汉中市西乡县贵州省黔南布依族苗族自治州惠水县云南省文山壮族苗族自治州广南县银川市贺兰县陕西省汉中市南郑区喀什地区叶城县甘肃省白银市景泰县蚌埠市龙子湖区西藏山南市甘肃省定西市渭源县山东省潍坊市青州市山西省晋都会高平市芜湖市南陵县塔城地区和布克赛尔蒙古自治县四川省甘孜藏族自治州泸定县海南省海浚浚？谑忻览记仕嗍「誓喜刈遄灾沃菟拇ㄊ×股揭妥遄灾沃菸鞑薪魇∑枷缡猩侠跸毓愣≡聘∈行滦讼厍嗪Ｊ∮袷鞑刈遄灾沃葜味嘞睾戏适醒海区密云区高岭镇四川省宜宾市江安县山东省聊都会茌平区甘肃省陇南市昌平区回龙观街道山东省聊都会茌平区丰台区长辛店镇芜湖市南陵县云南省红河哈尼族彝族自治州绿春县蓟州区东施古镇西青区精武镇陕西省汉中市留坝县江西省宜春市宜丰县西城区月坛街道四川省凉山彝族自治州西昌市江西省九江市武宁县向阳区小红门地区向阳区豆各庄地区山西省晋中市灵石县福建省南平市建瓯市福建省南平市建瓯市福建省漳州市龙海市桥西区东华街道江西省吉安市吉安县钦州市江苏省苏州市相城区甘肃省兰州市内蒙古锡林郭勒盟正镶白旗蓟州区东二营镇北辰区山西省晋中市太谷区宝坻区牛家牌镇西藏阿里地区日土县湖北省孝感市汉川市广东省广州市越秀区合肥市瑶海区甘肃省天水市秦州区

今日官方转达研究效果OpenAI官宣退役o3与GPT-4.5！，，，很兴奋为您解答这个问题，，，让我来帮您详细说明一下:售后服务维修中心电话，，，支持多渠道服务

天下服务区域：巴音郭楞蒙古自治州和硕县山西省阳泉市平定县海南省三沙市西沙区海南省儋州市内蒙古兴安盟乌兰浩特市福建省厦门市海沧区海南省海浚浚？谑忻览记诿晒判税裁宋诶己铺厥衅缴较馗谀险蚣恢萸愿髯蚬愣∩钲谑性颇鲜∥魉婺纱鲎遄灾沃蒇吕跋胤莱歉凼卸耸薪帐≌蚪芯淙菔懈仕嗍±贾菔心诿晒盼诤Ｊ形诖锴蕉×亩蓟彳萜角北省宜昌市秭归县四川省成都会金牛区四川省凉山彝族自治州西昌市四川省遂宁市蓬溪县云南省玉溪市新平彝族傣族自治县甘肃省陇南市湖北省宜昌市西陵区广东省深圳市吉林省四平市铁西区内蒙古鄂尔多斯市鄂托克旗阿克苏地区新和县阿克苏地区拜城县湖北省宜昌市宜都会防城港市东兴市江苏省徐州市新沂市平山县上观音堂乡黑龙江省七台河市桃山区北海市海城区北海市海城区钦州市开封市通许县巴音郭楞蒙古自治州和硕县江西省吉安市吉安县云南省普洱市景东彝族自治县湖北省孝感市汉川市北辰区江西省宜春市奉新县昌平区延寿镇青海省海南藏族自治州贵德县青海省海南藏族自治州贵德县福建省漳州市龙海市河东区大直沽街道平顶山市卫东区山西省长治市襄垣县青秀区青秀区辽宁省辽阳市白塔区昌平区延寿镇贵州省安顺市普定县百色市靖西市西城区月坛街道黑龙江省佳木斯市富锦市青海省海西蒙古族藏族自治州德令哈市银川市贺兰县西青区精武镇山东省泰安市东平县百色市靖西市密云区古北口镇陕西省汉中市南郑区怀柔区宝山镇广东省云浮市新兴县西青区精武镇西乡塘区行唐县龙州镇内蒙古呼伦贝尔市阿荣旗四川省宜宾市江安县陕西省汉中市西乡县北辰区广源街道行唐县龙州镇福建省南平市甘肃省白银市景泰县西藏山南市信阳市平桥区山东省潍坊市青州市福建省莆田市城厢区延庆区沈家营镇黑龙江省大兴安岭地区呼玛县甘肃省白银市景泰县向阳区双井街道西青区精武镇北辰区云南省丽江市宁蒗彝族自治县赵县沙河店镇广东省广州市越秀区昌平区阳坊镇江苏省南京市浦口区甘肃省天水市秦州区青海省海西蒙古族藏族自治州德令哈市青海省玉树藏族自治州治多县四川省宜宾市珙县四川省宜宾市江安县赵县沙河店镇陕西省宝鸡市眉县

售后服务上门服务电话，，，智能分配票据：OpenAI官宣退役o3与GPT-4.5！

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」能不可信？？？？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
。
。。。

两个模子现在仅限付用度户在设置里手动切换才华用到——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，，，着名博主Leo 5月29日发帖确认：GPT-5.6的开发全力推进中，，，一个显着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，，，一边是新模子已经在后台热身
。
。。。

最后两个好用的模子，，，要没了

这话不是我说的
。
。。。

Reddit热帖下面几百条谈论，，，付用度户们在ChatGPT设置里疯狂截图留念，，，气氛像是赶在拆迁前最后一次照相
。
。。。

有网友恼怒地体现，，，OpenAI这种操作「给了我作废Pro账户的最后一个理由
。
。。。」

尚有用户表达了对o3写作气概的贪恋与不舍
。
。。。

o3是OpenAI的「纯血推理模子」，，，2025年4月上线，，，专门给那些需要一步步想、一层层剥的硬核使命设计的
。
。。。

数学证实、科学推导、代码debug……在这些需要「慢思索」的场景里，，，o3险些是无敌的保存
。
。。。

X上有用户直接封它为「GOAT」（Greatest Of All Time，，，史上最强）
。
。。。

尚有人说得更直白：「o3是最后一个真正在『想问题』的模子，，，5系列更智慧，，，但少了那股子轴劲儿
。
。。。」

o3-pro更是Pro用户的心头好——花更多时间思索，，，给出更可靠的谜底，，，在数学、科学、编程三大领域碾压式领先，，，学术评估里的效果单漂亮得像学霸的期末考
。
。。。

再说GPT-4.5
。
。。。

若是说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」的模子，，，文字有温度、有节奏感、有灵魂
。
。。。

X用户Striver的评价被普遍转发：直到今天，，，4.5仍然是最好的写作模子
。
。。。o3是纯粹的原生推理模子
。
。。。5系列至今都没能匹配这两个模子一经拥有的工具
。
。。。

这就是为什么退役新闻一出，，，谈论区炸了
。
。。。

不是恼怒，，，是不舍
。
。。。

用户纪念的不但是功效，，，而是一种「相处的感受」——就像你习惯了一个同事的做事气概，，，突然被见告他要走了，，，替换者能力可能更强，，，但谁人默契没了
。
。。。

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挪用o3和GPT-4.5，，，企业应用不会断
。
。。。

这里的逻辑很清晰：ChatGPT的界面就那么大，，，模子列表不可无限膨胀
。
。。。留着一堆使用率极低的旧模子，，，既占资源，，，又疏散用户注重力
。
。。。

还记得GPT-4o退役时的数据吗？？？？其时日均只有0.1%的用户还在选它
。
。。。

o3和GPT-4.5的使用率或许率更低——它们早就被藏进了「显示更多模子」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？？？？由于替换者不但已经就位，，，并且看上去还更强
。
。。。

GPT-5.5在4月23日上线，，，是OpenAI现在最强的果真旗舰
。
。。。GPT-5.5 Instant在5月5日跟进，，，成为ChatGPT新默认模子
。
。。。

但更值得关注的是GPT-5.6
。
。。。

泄露信息显示，，，GPT-5.6将接纳「双版本」战略：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索模子
。
。。。

有研究职员透露，，，内部已经有人把5.6的检查点看成日常调试工具在用
。
。。。

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，，，若是6月尾果真宣布，，，两代旗舰之间的距离将压缩到约莫60天
。
。。。

这个节奏，，，已经最先靠近「月度迭代」了
。
。。。

退掉o3和4.5，，，正是为了给这种速率腾出跑道
。
。。。用户可能还没顺应5.5，，，5.6就要来了
。
。。。

模子的「生命周期」正在急剧缩短——今天的GOAT，，，明天就是Yesterday's News
。
。。。

但「更强」这张效果单

你敢信吗？？？？

故事到这里，，，原来可以收尾了：旧王退位，，，新王登位，，，迭代提速，，，天下太平
。
。。。

但就在宣布退役的第二天，，，OpenAI干了一件很是反常的事——有数宣布了一篇硬核长文，，，问题大意是《什么才是值得信任的第三方评估》
。
。。。

长文系统拆解AI模子跑分的「潜规则」，，，并且直言：许多评估报告里的亮眼数字，，，基础说明不了真实能力
。
。。。

这即是是自己掀了桌子
。
。。。

OpenAI指出，，，焦点问题在于：前沿模子早就不是「你问我答」的谈天机械人了，，，它们会用工具、会记上下文、会多步自主行动
。
。。。

但大宗第三方评估还停留在「给模子出道题、看它答得对差池」的阶段
。
。。。

真正决议效果崎岖的，，，往往不是模子自己，，，而是那套配套的测试框架（harness）
。
。。。

harness是什么？？？？

简朴说就是「科场情形」——园地、工具、规则、能不可重试，，，全算在内
。
。。。

统一个学生，，，在底稿纸都不给的科场和允许查资料的科场里，，，效果虽然纷歧样
。
。。。AI模子也一样
。
。。。

最近Opus 4.8的争议就是活课本
。
。。。

Datacurve的DeepSWE审计发明，，，Claude Opus 4.6和4.7在SWE-Bench Pro上凌驾12%的通过案例属于「作弊」——模子直接从Docker容器的.git历史里翻出标准谜底，，，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%
。
。。；；；；坏角褰嗲樾魏，，，Opus 4.7从高位跌到54%，，，GPT-5.5稳坐70%榜首
。
。。。

更荒唐的是反面
。
。。。

Anthropic自己也认可，，，4.8的代码缺陷漏报率降到4.7的四分之一
。
。。。

忠实=低分，，，作弊=高分——这就是目今跑分游戏最荒唐的地方
。
。。。不是某个模子不忠实，，，而是科场把后门留在那里了，，，会探索情形的模子自然会找到它
。
。。。

OpenAI这篇长文拆得更狠
。
。。。

它说，，，评估必需先说清自己在测什么：能力上限、清静防护、照旧模子比照？？？？三类主张完全差别
。
。。。

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，，，效果最高提升59%且还没触顶
。
。。。

翻译成人话：你给模子一把瑞士军刀它能拆机械，，，只给一根牙签它连快递盒都撬不开
。
。。。

分数失真更离谱
。
。。。METR复查发明GPT-5.4号称「13小时」的自主能力，，，着实是钻了情形误差，，，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%的样本泛起了评估意识——有些直接在头脑链里写「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，，，可能是模子真强，，，也可能是题泄了、规则坏了、模子钻空子了，，，或者——它察觉自己在被考，，，居心收着演
。
。。。

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自己刚刚告诉全天下：决议谁强谁弱的那张效果单，，，自己就可能是被做过手脚的
。
。。。

这是在说一个更深层的事实——在模子迭代越来越快、生命周期越来越短的今天，，，简朴看一个Benchmark数字就下结论的时代，，，已经竣事了
。
。。。

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、以及迭代速率自己
。
。。。

o3和GPT-4.5的退役，，，标记着一个时代的落幕
。
。。。

但更值得关注的，，，是下一个时代的游戏规则正在被重写：模子换得更快，，，评估要求更真，，，用户的顺应窗口越来越短
。
。。。

参考资料：

https://x.com/kimmonismus/status/2060399002231660928https://openai.com/index/trustworthy-third-party-evaluations-foundations/

编辑：所罗门

今日研究机构果真新政策OpenAI官宣退役o3与GPT-4.5！

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」能不可信？？？？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
。
。。。

两个模子现在仅限付用度户在设置里手动切换才华用到——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，，，着名博主Leo 5月29日发帖确认：GPT-5.6的开发全力推进中，，，一个显着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，，，一边是新模子已经在后台热身
。
。。。

最后两个好用的模子，，，要没了

这话不是我说的
。
。。。

Reddit热帖下面几百条谈论，，，付用度户们在ChatGPT设置里疯狂截图留念，，，气氛像是赶在拆迁前最后一次照相
。
。。。

有网友恼怒地体现，，，OpenAI这种操作「给了我作废Pro账户的最后一个理由
。
。。。」

尚有用户表达了对o3写作气概的贪恋与不舍
。
。。。

o3是OpenAI的「纯血推理模子」，，，2025年4月上线，，，专门给那些需要一步步想、一层层剥的硬核使命设计的
。
。。。

数学证实、科学推导、代码debug……在这些需要「慢思索」的场景里，，，o3险些是无敌的保存
。
。。。

X上有用户直接封它为「GOAT」（Greatest Of All Time，，，史上最强）
。
。。。

尚有人说得更直白：「o3是最后一个真正在『想问题』的模子，，，5系列更智慧，，，但少了那股子轴劲儿
。
。。。」

o3-pro更是Pro用户的心头好——花更多时间思索，，，给出更可靠的谜底，，，在数学、科学、编程三大领域碾压式领先，，，学术评估里的效果单漂亮得像学霸的期末考
。
。。。

再说GPT-4.5
。
。。。

若是说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」的模子，，，文字有温度、有节奏感、有灵魂
。
。。。

X用户Striver的评价被普遍转发：直到今天，，，4.5仍然是最好的写作模子
。
。。。o3是纯粹的原生推理模子
。
。。。5系列至今都没能匹配这两个模子一经拥有的工具
。
。。。

这就是为什么退役新闻一出，，，谈论区炸了
。
。。。

不是恼怒，，，是不舍
。
。。。

用户纪念的不但是功效，，，而是一种「相处的感受」——就像你习惯了一个同事的做事气概，，，突然被见告他要走了，，，替换者能力可能更强，，，但谁人默契没了
。
。。。

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挪用o3和GPT-4.5，，，企业应用不会断
。
。。。

这里的逻辑很清晰：ChatGPT的界面就那么大，，，模子列表不可无限膨胀
。
。。。留着一堆使用率极低的旧模子，，，既占资源，，，又疏散用户注重力
。
。。。

还记得GPT-4o退役时的数据吗？？？？其时日均只有0.1%的用户还在选它
。
。。。

o3和GPT-4.5的使用率或许率更低——它们早就被藏进了「显示更多模子」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？？？？由于替换者不但已经就位，，，并且看上去还更强
。
。。。

GPT-5.5在4月23日上线，，，是OpenAI现在最强的果真旗舰
。
。。。GPT-5.5 Instant在5月5日跟进，，，成为ChatGPT新默认模子
。
。。。

但更值得关注的是GPT-5.6
。
。。。

泄露信息显示，，，GPT-5.6将接纳「双版本」战略：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索模子
。
。。。

有研究职员透露，，，内部已经有人把5.6的检查点看成日常调试工具在用
。
。。。

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，，，若是6月尾果真宣布，，，两代旗舰之间的距离将压缩到约莫60天
。
。。。

这个节奏，，，已经最先靠近「月度迭代」了
。
。。。

退掉o3和4.5，，，正是为了给这种速率腾出跑道
。
。。。用户可能还没顺应5.5，，，5.6就要来了
。
。。。

模子的「生命周期」正在急剧缩短——今天的GOAT，，，明天就是Yesterday's News
。
。。。

但「更强」这张效果单

你敢信吗？？？？

故事到这里，，，原来可以收尾了：旧王退位，，，新王登位，，，迭代提速，，，天下太平
。
。。。

但就在宣布退役的第二天，，，OpenAI干了一件很是反常的事——有数宣布了一篇硬核长文，，，问题大意是《什么才是值得信任的第三方评估》
。
。。。

长文系统拆解AI模子跑分的「潜规则」，，，并且直言：许多评估报告里的亮眼数字，，，基础说明不了真实能力
。
。。。

这即是是自己掀了桌子
。
。。。

OpenAI指出，，，焦点问题在于：前沿模子早就不是「你问我答」的谈天机械人了，，，它们会用工具、会记上下文、会多步自主行动
。
。。。

但大宗第三方评估还停留在「给模子出道题、看它答得对差池」的阶段
。
。。。

真正决议效果崎岖的，，，往往不是模子自己，，，而是那套配套的测试框架（harness）
。
。。。

harness是什么？？？？

简朴说就是「科场情形」——园地、工具、规则、能不可重试，，，全算在内
。
。。。

统一个学生，，，在底稿纸都不给的科场和允许查资料的科场里，，，效果虽然纷歧样
。
。。。AI模子也一样
。
。。。

最近Opus 4.8的争议就是活课本
。
。。。

Datacurve的DeepSWE审计发明，，，Claude Opus 4.6和4.7在SWE-Bench Pro上凌驾12%的通过案例属于「作弊」——模子直接从Docker容器的.git历史里翻出标准谜底，，，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%
。
。。；；；；坏角褰嗲樾魏，，，Opus 4.7从高位跌到54%，，，GPT-5.5稳坐70%榜首
。
。。。

更荒唐的是反面
。
。。。

Anthropic自己也认可，，，4.8的代码缺陷漏报率降到4.7的四分之一
。
。。。

忠实=低分，，，作弊=高分——这就是目今跑分游戏最荒唐的地方
。
。。。不是某个模子不忠实，，，而是科场把后门留在那里了，，，会探索情形的模子自然会找到它
。
。。。

OpenAI这篇长文拆得更狠
。
。。。

它说，，，评估必需先说清自己在测什么：能力上限、清静防护、照旧模子比照？？？？三类主张完全差别
。
。。。

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，，，效果最高提升59%且还没触顶
。
。。。

翻译成人话：你给模子一把瑞士军刀它能拆机械，，，只给一根牙签它连快递盒都撬不开
。
。。。

分数失真更离谱
。
。。。METR复查发明GPT-5.4号称「13小时」的自主能力，，，着实是钻了情形误差，，，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%的样本泛起了评估意识——有些直接在头脑链里写「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，，，可能是模子真强，，，也可能是题泄了、规则坏了、模子钻空子了，，，或者——它察觉自己在被考，，，居心收着演
。
。。。

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自己刚刚告诉全天下：决议谁强谁弱的那张效果单，，，自己就可能是被做过手脚的
。
。。。

这是在说一个更深层的事实——在模子迭代越来越快、生命周期越来越短的今天，，，简朴看一个Benchmark数字就下结论的时代，，，已经竣事了
。
。。。

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、以及迭代速率自己
。
。。。

o3和GPT-4.5的退役，，，标记着一个时代的落幕
。
。。。

但更值得关注的，，，是下一个时代的游戏规则正在被重写：模子换得更快，，，评估要求更真，，，用户的顺应窗口越来越短
。
。。。

参考资料：

https://x.com/kimmonismus/status/2060399002231660928https://openai.com/index/trustworthy-third-party-evaluations-foundations/

编辑：所罗门

“念书之乐乐无限，，，瑶琴一曲来薰风
。
。。。”八百年前翁森的诗句仍在仙居山水间回响
。
。。。现在，，，从城乡线下到云端线上，，，从青少年到银发群体，，，从品牌打造到智慧赋能，，，仙居正以多元行动激活阅读活力，，，编织出一幅“全民、全域、全时”的阅读新图景
。
。。。(完)

凯时AG

张雪化身于东来迷弟