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%
。。。。；；；；坏角褰嗲樾魏螅，，，，，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