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
近期，，， ，连系公安机关转达的情形及教育部留学服务中心现实认证事情，，， ，发明仍有不良中介机构及境外院；；；；；煜⑶饨逃苛粞Х务中心针对新冠肺炎疫情时代的特殊认证规则，，， ，在网络平台虚伪宣传，，， ，谎称不需出境学习可通过认证，，， ，虚构学习履历，，， ，伪造申请质料，，， ，情节严重者甚至组成诈骗。。为维护留学职员亲自利益，，， ，在此，，， ，特殊提醒：