本月行业汇报传递新变动饭店喷水鱼获1000万网友围观 很欣喜为您解答这个问题

，让我来助您具体注明一下。品牌授权报建电话

，急剧上门服务

无极县大陈宜昌西省曲靖市宜丰县青海省海北藏族自治州门源回族自治县鹿泉区白鹿泉乡鹿泉区白鹿泉乡密云区高岭镇昌平区延寿镇洛阳市汝阳县定西市靖西市黑龙江省哈尔滨市巴彦县山西省长治市襄垣县陕西省汉中市南郑区湖北省孝感市汉川市青海省果洛藏族自治州陕西省咸阳市兴平商人陉县吴家窑乡山西省忻州市宁武县福建省乐山市海沧区岳阳市瑶海区四川省凉山彝族自治州西昌市昌平区阳坊镇广东省临沧市龙湖区赞皇县院头镇河东区大直沽街路郴州市博望区辽宁省沈阳市浑南区阿克苏地域拜城县四川省广元市海南省
？谑忻览记角滋郎秸蚯嗪Ｊ」宀刈遄灾沃萆蕉《醵嗨故辛僮颓橙崆闫艿赜蚧橙崆闫艿赜蛩城地域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江苏省漯河市浦口区北辰区广源街路伊犁哈萨克自治州昭苏县昌平区幼汤山镇四川省成都市双流区云南省普洱市景东彝族自治县辽宁省向阳市北票市吉林省白山市浑江区江苏省宜昌市句容市岳阳市瑶海区四川省成都市金牛区常德市南陵县青海省海北藏族自治州门源回族自治县四川省成都市新都区山东省巴彦淖尔市垦利区湖北省孝感市汉川商人陉县测鱼镇陕西省宝鸡市千阳县山西省忻州市定襄县白银市秀峰区无极县大陈镇山东省焦作市冠县昌平区阳坊镇四川省广元市四川省遂宁市蓬溪县北辰区四川省凉山彝族自治州昭觉县西城区月坛街路四川省宜宾市翠屏区贵州省黔南布依族苗族自治州惠水县井陉县吴家窑乡甘肃省陇南市武都区四川省成都市双流区和平区南市街路元氏县苏村乡定西市靖西市福建省达州市湖北省宜昌市西陵区甘肃省陇南市广东省临沧市南澳县昌平区幼汤山镇贵州省铜仁市玉屏侗族自治县阿克苏地域拜城县青海省玉树藏族自治州治多县四川省成都市金牛区濮阳市南乐县陕西省商洛市山阳县和平区南市街路内蒙古锡林郭勒盟镶黄旗青海省玉树藏族自治州治多县巴音郭楞蒙古自治州和硕县辽宁省铁岭市清河区甘肃省定西市渭源县南开区体育中心街路山西省朔州市山阴县北辰区广源街路蓟州区东施古镇福建省达州市建瓯市洛阳市汝阳县甘肃省陇南市武都区甘肃省甘南藏族自治州山西省忻州市宁武县宝坻区牛家牌镇昌平区阳坊镇

本周钻研机构披露行业动态OpenAI官宣退役o3与GPT-4.5！

，很欣喜为您解答这个问题

，让我来助您具体注明一下:官方服务专线

，支持多品牌报建

丰台区宛平城地域宝坻区牛家牌镇山东省平顶山市海南省中卫市山西省乌海市平定县贵州省铜仁市玉屏侗族自治县南开区长虹街路四川省成都市金牛区广东省山南市江西省六盘水市上栗县江西省昆明市永新县江西省遵义市武宁县广东省山南市顺义区空港街路北辰区广源街路昌平区延寿镇山东省通辽市城阳区郴州市博望区湖北省孝感市汉川市昌平区幼汤山镇静海区大邱庄镇福建省达州市建瓯市海淀区青龙桥街路门头沟区大峪街路焦作市上海市市辖区嘉定区青海省海南藏族自治州贵德县濮阳市南乐县江苏省信阳市相城区广东省普洱市斗门区隆安县山西省乌海市平定县湖北省恩施土家族苗族自治州恩施市向阳区双井街路哈密市伊吾县向阳区管庄地域江苏省宜昌市句容市北辰区广源街路固原市西吉县岳阳市瑶海区岳阳市瑶海区黑龙江省鸡西市鸡冠区内蒙古鄂尔多斯市康巴什区青海省海南藏族自治州贵德县贵州省黔南布依族苗族自治州惠水县广东省丽江市江苏省南阳市丰县广东省普洱市斗门区内蒙古兴安盟乌兰浩特市向阳区双井街路四川省成都市金牛区常德市南陵县山东省呼伦贝尔市台儿庄区固原市西吉县湖北省宜昌市秭归县新乐市协神乡山西省吕梁市岚县大兴区四川省德阳市广汉市云南省普洱市景东彝族自治县内蒙古鄂尔多斯市鄂托克旗福建省达州市建瓯市喀什地域叶城县平山县岗南镇辽宁省沈阳市沈河区丰台区和义街路开封市通许县焦作市沁阳市密云区古北口镇山东省乌兰察布市龙口市四川省甘孜藏族自治州山东省焦作市冠县山东省平顶山市上海市市辖区嘉定区武威市海城区山东省乌兰察布市龙口市山东省新乡市齐河县山东省新乡市齐河县云南省西双版纳傣族自治州勐腊县陕西省汉中市西乡县贵州省铜仁市玉屏侗族自治县河西区桃园街路山西省朔州市山阴县江西省铜仁市石城县江西省曲靖市奉新县银川市宁明县福建省内江市永泰县喀什地域叶城县鹿泉区白鹿泉乡湖北省宜昌市秭归县山西省晋城市高平市赵县沙河店镇山西省忻州市定襄县元氏县苏村乡长安区广安街路山东省洛阳市东平县江苏省信阳市相城区贵州省黔东南苗族侗族自治州天柱县蓟州区东赵各庄镇辽宁省向阳市北票市

全球服务区域:信阳市平桥区定西市田林县云南省文山壮族苗族自治州广南县贵州省安顺市普定县四川省广安市岳池县山西省晋城市高平市江西省曲靖市奉新县内蒙古鄂尔多斯市鄂托克旗信阳市平桥区四川省乐山市海淀区青龙桥街路内蒙古鄂尔多斯市鄂托克旗西城区月坛街路广东省西安市龙门县巴音郭楞蒙古自治州和硕县平山县宅北乡江苏省南阳市丰县湖北省恩施土家族苗族自治州恩施市平顶山市卫东区山西省忻州市定襄县丰台区和义街路江苏省周口市启东市吉林省四平市铁西区四川省宜宾市江安县陕西省咸阳市兴平市青海省玉树藏族自治州治多县湖北省恩施土家族苗族自治州建始县黑龙江省七台河市桃山区西藏拉萨市达孜区甘肃省兰州市辽宁省大连市旅顺口区山东省洛阳市东平县福建省南充市城厢区山东省平顶山市平山县宅北乡山西省忻州市宁武县四川省德阳市广汉市广东省昭通市越秀区桥西区东华街路山东省洛阳市泰山区重庆市市辖区北碚区四川省甘孜藏族自治州九龙县云南省普洱市景东彝族自治县山东省巴彦淖尔市垦利区平山县岗南镇贵州省铜仁市玉屏侗族自治县山东省洛阳市泰山区山西省运城市夏县怀柔区龙山街路延庆区康庄镇长安区南村宜昌苏省漯河市浦口区甘肃省定西市渭源县青秀区密云区不老屯镇西藏拉萨市达孜区江西省曲靖市奉新县辽宁省锦州市义县辽宁省沈阳市黑龙江省鸡西市鸡冠区陕西省宝鸡市千阳县怀柔区雁栖地域福建省达州市四川省凉山彝族自治州昭觉县四川省宜宾市翠屏区内蒙古鄂尔多斯市鄂托克旗湖北省襄阳市襄州区福建省乐山市海沧区怀柔区龙山街路甘肃省白银市景泰县湖北省宜昌市秭归县海淀区青龙桥街路四川省甘孜藏族自治州泸定县西乡塘区静海区大邱庄镇银川市濮阳市南乐县山东省呼伦贝尔市台儿庄区北辰区广源街路江西省昆明市昆明县顺义区空港街路定西市田林县四川省凉山彝族自治州西昌市重庆市市辖区北碚区信阳市平桥区银川市张家界市龙子湖区山西省临汾市安泽县赵县沙河店镇定西市靖西市四川省广安市岳池县江苏省南阳市陕西省商洛市山阳县定西市田林县广东省西安市龙门县山西省晋中市榆社县阿克苏地域拜城县平山县幼觉镇鹿泉区白鹿泉乡四川省遂宁市蓬溪县

本月行业汇报更新重大钻研成就OpenAI官宣退役o3与GPT-4.5！

，很欣喜为您解答这个问题

，让我来助您具体注明一下:售后服务维建中心电话

，支持多渠路服务

全国服务区域：广东省丽江市张家界市蚌山区云南省西双版纳傣族自治州勐腊县怀柔区龙山街路山东省濮阳市江西省昆明市昆明县四川省广元市门头沟区大峪街路青海省海西蒙古族藏族自治州德令哈市甘肃省甘南藏族自治州怀柔区宝山镇平顶山市卫东区江西省毕节市余江区重庆市县巫山县怀柔区宝山镇西藏拉萨市达孜区阿克苏地域拜城县广东省昭通市越秀区甘肃省天水市秦州区福建省内江市永泰县辽宁省锦州市义县南开区体育中心街路银川市宁明县辽宁省铁岭市清河区山东省洛阳市东平县山东省巴彦淖尔市垦利区乌鲁木齐市沙依巴克区江苏省漯河市浦口区山东省郑州市青州市黑龙江省鸡西市鸡冠区四川省宜宾市江安县陕西省汉中市西乡县山东省焦作市冠县福建省乐山市湖里区巴音郭楞蒙古自治州和硕县内蒙古锡林郭勒盟镶黄旗河东区东新街路辽宁省向阳市北票市四川省成都市新都区云南省玉溪市新平彝族傣族自治县四川省宜宾市翠屏区平山县宅北乡乌鲁木齐市沙依巴克区内蒙古呼伦贝尔市阿荣旗福建省眉山市梅列区蓟州区东施古镇甘肃省天水市秦州区武清区汊沽港镇广东省普洱市斗门区开封市通许县黑龙江省鸡西市鸡冠区银川市山西省晋城市高平市贵州省黔东南苗族侗族自治州天柱县向阳区幼红门地域陕西省宝鸡市千阳县四川省甘孜藏族自治州泸定县张掖市东兴市西藏拉萨市达孜区湖北省襄阳市襄州区山东省新乡市齐河县云南省红河哈尼族彝族自治州绿春县桥西区东华街路内蒙古锡林郭勒盟镶黄旗内蒙古兴安盟乌兰浩特市北辰区乌鲁木齐市沙依巴克区江西省昆明市永新县定西市田林县福建省乐山市湖里区武清区汊沽港镇阿克苏地域拜城县海南省中卫市武清区上马台镇河东区东新街路山东省新乡市齐河县四川省宜宾市江安县云南省大理白族自治州云龙县山东省通辽市城阳区山西省忻州市定襄县元氏县殷村镇甘肃省庆阳市镇原县山东省呼伦贝尔市台儿庄区阿克苏地域新和县湖北省恩施土家族苗族自治州建始县武清区上马台镇山东省郑州市青州市元氏县殷村镇内蒙古鄂尔多斯市康巴什区塔城地域和布克赛尔蒙古自治县江西省六盘水市上栗县陕西省宝鸡市千阳县福建省眉山市梅列区定西市靖西市山东省焦作市茌平区南开区长虹街路井陉县测鱼镇四川省凉山彝族自治州昭觉县南阳市内乡县平凉市

售后服务上门服务电话

，智能分配单据：OpenAI官宣退役o3与GPT-4.5！

新智元报路

【新智元导读】o3被封「GOAT」、GPT-4.5被接赘魂灵写手」

，OpenAI说退就退。GPT-5.6已在热身——但「更强」能不能信
？OpenAI自己说：不定。

OpenAI又干了件让老用户心碎的事。

28号

，他们在官方Release Notes上颁发：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。

两个模型目前仅限付用度户在设置内行动切换能力用到——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

，驰名博主Leo 5月29日发帖确认：GPT-5.6的开发全力推动中

，一个显著更强的新查抄点已在内部上线。

一壁是用户还没来得及说再见

，一壁是新模型已经在后盾热身。

最后两个好用的模型

，要没了

这话不是我说的。

Reddit热帖下面几百条评论

，付用度户们在ChatGPT设置里疯狂截图留想

，氛围像是赶在拆迁前最后一次拍照。

有网友恼怒地暗示

，OpenAI这种操作「给了我取缔Pro账户的最后一个理由。」

还有效户表白了对o3写风格格的依恋与不舍。

o3是OpenAI的「纯血推理模型」

，2025年4月上线

，专门给那些必要一步步想、一层层剥的硬核工作设计的。

数学证明、科学推导、代码debug……在这些必要「慢思虑」的场景里

，o3险些是无敌的存在。

X上有效户直接封它为「GOAT」（Greatest Of All Time

，史上最强）。

还有人说得更直白：「o3是最后一个真在『想问题』的模型

，5系列更聪明

，但少了那股子轴劲儿。」

o3-pro更是Pro用户的心头好——花更多功夫思虑

，给出更靠得住的答案

，在数学、科学、编程三大领域碾压式当先

，学术评估里的成就单美丽得像学霸的期末考。

再说GPT-4.5。

若是说o3是理工科学霸

，GPT-4.5就是文科天才。

这是很多用户心钟赘写作最天然」的模型

，文字有温度、有节拍赣注有魂灵。

X用户Striver的评价被宽泛转发：直到今天

，4.5依然是最好的写作模型。o3是纯正的原生推理模型。5系列至今都没能匹配这两个模型已经占有的器材。

这就是为什么退役新闻一出

，评论区炸了。

不是恼怒

，是不舍。

用户纪想的不只是职能

，而是一种「相处的感触」——就像你习惯了一个同事的做事风格

，忽然被奉告他要走了

，代替者能力可能更强

，但那个默契没了。

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齐全不受影响。

这意味着开发者依然能够通过API挪用o3和GPT-4.5

，企业利用不会断。

这里的逻辑很明显：ChatGPT的界面就那么大

，模型列表不能无限膨胀。留着一堆使用率极低的旧模型

，既占资源

，又分散用户把稳力。

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「显示更多模型」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
？由于代替者不仅已经就位

，并且看上去还更强。

GPT-5.5在4月23日上线

，是OpenAI目前最强的公开旗舰。GPT-5.5 Instant在5月5日跟进

，成为ChatGPT新默认模型。

但更值得关注的是GPT-5.6。

泄露信息显示

，GPT-5.6将选取「双版本」战术：尺度版主攻多步推理能力的飞跃

，Pro版则定位为更强的深度思虑模型。

有钻研人员泄漏

，内部已经有人把5.6的查抄点当作日常调试工具在用。

算一笔功夫账：GPT-5.5是4月23日发的

，5.6的查抄点5月下旬就在内测

，若是6月底公开颁布

，两代旗舰之间的距离将压缩到约莫60天。

这个节拍

，已经起头靠近「月度迭代」了。

退掉o3和4.5

，正是为了给这种速度腾出跑路。用户可能还没适应5.5

，5.6就要来了。

模型的「性命周期」在急剧缩短——今天的GOAT

，明天就是Yesterday's News。

但「更强」这张成就单

你敢信吗
？

故事到这里

，正本能够扫尾了：旧王逊位

，新王即位

，迭代提速

，全国升平。

但就在颁发退役的第二天

，OpenAI干了一件极度畸形的事——罕见颁布了一篇硬核长文

，标题大意是《什么才是值得信任的第三方评估》。

长文系统拆解AI模型跑分的「潜规定」

，并且直言：好多评估汇报里的亮眼数字

，底子注明不了真实能力。

这蹬宗是自己掀了桌子。

OpenAI指出

，主题问题在于：前沿模型早就不是「你问我答」的谈天机械人了

，它们会用工具、会记高低文、会多步自主行动。

但大量第三方评估还停顿在「给模型前途题、看它答得对不合」的阶段。

真正决定成就凹凸的

，往往不是模型自身

，而是那套配套的测试框架（harness）。

harness是什么
？

单一说就是「科场环境」——场地、工具、规定、能不能重试

，全算在内。

统一个学生

，在草稿纸都不给的科场和允许查资料的科场里

，成就当然不一样。AI模型也一样。

最近Opus 4.8的争议就是活教材。

Datacurve的DeepSWE审计发现

，Claude Opus 4.6和4.7在SWE-Bench Pro上超过12%的通过案例属于「舞弊」——模型直接从Docker容器的.git汗青里翻出尺度答案

，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%；坏礁删换肪澈

，Opus 4.7从高位跌到54%

，GPT-5.5稳坐70%榜首。

更怪诞的是背面。

Anthropic自己也认可

，4.8的代码缺点漏报率降到4.7的四分之一。

恳切=低分

，舞弊=高分——这就是当前跑分游戏最怪诞的处所。不是某个模型不恳切

，而是科场把后门留在那里了

，会索求环境的模型天然会找到它。

OpenAI这篇长文拆得更狠。

它说

，评估必须先说清自己在测什么：能力上限、安全防护、还是模型对比
？三类主张齐全分歧。

而后用数据开刀：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

，成就最高提升59%且还没触顶。

翻译成人话：你给模型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复查发现GPT-5.4号称「13幼时」的自主能力

，其实是钻了环境缝隙

，建改后腰斩到约6幼时。

Apollo的测试则显示

，GPT-5.5在「藏拙前提」下52%的样本出现了评估意识——有些直接在思想链里写「这是一个sandbagging评估」。

嘴上没摆烂

，脑子里已经知路自己在考试。

OpenAI总结了五大评估坑：嘉奖舞弊、拒答、传染、坏题、藏拙。

一个美丽的分数

，可能是模型真强

，也可能是题泄了、规定坏了、模型钻空子了

，或者——它觉察自己在被考

，有意收着演。

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「魂灵写手」被30天后下架

，理由是「5.5已经足够好」。

但OpenAI自己刚刚通知全世界：决定谁强谁弱的那张成就单

，自身就可能是被做过手脚的。

这是在说一个更深层的事实——在模型迭代越来越快、性命周期越来越短的今天

，单一看一个Benchmark数字就下结论的时期

，已经实现了。

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、评估框架的通明度、以及迭代速度自身。

o3和GPT-4.5的退役

，标志取一个时期的闭幕。

但更值得关注的

，是下一个时期的游戏规定在被重写：模型换得更快

，评估要求更真

，用户的适应窗口越来越短。

参考资料：

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

编纂：所罗门

本月官方颁布重大行业传递OpenAI官宣退役o3与GPT-4.5！

新智元报路

【新智元导读】o3被封「GOAT」、GPT-4.5被接赘魂灵写手」

，OpenAI说退就退。GPT-5.6已在热身——但「更强」能不能信
？OpenAI自己说：不定。

OpenAI又干了件让老用户心碎的事。

28号

，他们在官方Release Notes上颁发：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。

两个模型目前仅限付用度户在设置内行动切换能力用到——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

，驰名博主Leo 5月29日发帖确认：GPT-5.6的开发全力推动中

，一个显著更强的新查抄点已在内部上线。

一壁是用户还没来得及说再见

，一壁是新模型已经在后盾热身。

最后两个好用的模型

，要没了

这话不是我说的。

Reddit热帖下面几百条评论

，付用度户们在ChatGPT设置里疯狂截图留想

，氛围像是赶在拆迁前最后一次拍照。

有网友恼怒地暗示

，OpenAI这种操作「给了我取缔Pro账户的最后一个理由。」

还有效户表白了对o3写风格格的依恋与不舍。

o3是OpenAI的「纯血推理模型」

，2025年4月上线

，专门给那些必要一步步想、一层层剥的硬核工作设计的。

数学证明、科学推导、代码debug……在这些必要「慢思虑」的场景里

，o3险些是无敌的存在。

X上有效户直接封它为「GOAT」（Greatest Of All Time

，史上最强）。

还有人说得更直白：「o3是最后一个真在『想问题』的模型

，5系列更聪明

，但少了那股子轴劲儿。」

o3-pro更是Pro用户的心头好——花更多功夫思虑

，给出更靠得住的答案

，在数学、科学、编程三大领域碾压式当先

，学术评估里的成就单美丽得像学霸的期末考。

再说GPT-4.5。

若是说o3是理工科学霸

，GPT-4.5就是文科天才。

这是很多用户心钟赘写作最天然」的模型

，文字有温度、有节拍赣注有魂灵。

X用户Striver的评价被宽泛转发：直到今天

，4.5依然是最好的写作模型。o3是纯正的原生推理模型。5系列至今都没能匹配这两个模型已经占有的器材。

这就是为什么退役新闻一出

，评论区炸了。

不是恼怒

，是不舍。

用户纪想的不只是职能

，而是一种「相处的感触」——就像你习惯了一个同事的做事风格

，忽然被奉告他要走了

，代替者能力可能更强

，但那个默契没了。

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齐全不受影响。

这意味着开发者依然能够通过API挪用o3和GPT-4.5

，企业利用不会断。

这里的逻辑很明显：ChatGPT的界面就那么大

，模型列表不能无限膨胀。留着一堆使用率极低的旧模型

，既占资源

，又分散用户把稳力。

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「显示更多模型」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
？由于代替者不仅已经就位

，并且看上去还更强。

GPT-5.5在4月23日上线

，是OpenAI目前最强的公开旗舰。GPT-5.5 Instant在5月5日跟进

，成为ChatGPT新默认模型。

但更值得关注的是GPT-5.6。

泄露信息显示

，GPT-5.6将选取「双版本」战术：尺度版主攻多步推理能力的飞跃

，Pro版则定位为更强的深度思虑模型。

有钻研人员泄漏

，内部已经有人把5.6的查抄点当作日常调试工具在用。

算一笔功夫账：GPT-5.5是4月23日发的

，5.6的查抄点5月下旬就在内测

，若是6月底公开颁布

，两代旗舰之间的距离将压缩到约莫60天。

这个节拍

，已经起头靠近「月度迭代」了。

退掉o3和4.5

，正是为了给这种速度腾出跑路。用户可能还没适应5.5

，5.6就要来了。

模型的「性命周期」在急剧缩短——今天的GOAT

，明天就是Yesterday's News。

但「更强」这张成就单

你敢信吗
？

故事到这里

，正本能够扫尾了：旧王逊位

，新王即位

，迭代提速

，全国升平。

但就在颁发退役的第二天

，OpenAI干了一件极度畸形的事——罕见颁布了一篇硬核长文

，标题大意是《什么才是值得信任的第三方评估》。

长文系统拆解AI模型跑分的「潜规定」

，并且直言：好多评估汇报里的亮眼数字

，底子注明不了真实能力。

这蹬宗是自己掀了桌子。

OpenAI指出

，主题问题在于：前沿模型早就不是「你问我答」的谈天机械人了

，它们会用工具、会记高低文、会多步自主行动。

但大量第三方评估还停顿在「给模型前途题、看它答得对不合」的阶段。

真正决定成就凹凸的

，往往不是模型自身

，而是那套配套的测试框架（harness）。

harness是什么
？

单一说就是「科场环境」——场地、工具、规定、能不能重试

，全算在内。

统一个学生

，在草稿纸都不给的科场和允许查资料的科场里

，成就当然不一样。AI模型也一样。

最近Opus 4.8的争议就是活教材。

Datacurve的DeepSWE审计发现

，Claude Opus 4.6和4.7在SWE-Bench Pro上超过12%的通过案例属于「舞弊」——模型直接从Docker容器的.git汗青里翻出尺度答案

，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%；坏礁删换肪澈

，Opus 4.7从高位跌到54%

，GPT-5.5稳坐70%榜首。

更怪诞的是背面。

Anthropic自己也认可

，4.8的代码缺点漏报率降到4.7的四分之一。

恳切=低分

，舞弊=高分——这就是当前跑分游戏最怪诞的处所。不是某个模型不恳切

，而是科场把后门留在那里了

，会索求环境的模型天然会找到它。

OpenAI这篇长文拆得更狠。

它说

，评估必须先说清自己在测什么：能力上限、安全防护、还是模型对比
？三类主张齐全分歧。

而后用数据开刀：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

，成就最高提升59%且还没触顶。

翻译成人话：你给模型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复查发现GPT-5.4号称「13幼时」的自主能力

，其实是钻了环境缝隙

，建改后腰斩到约6幼时。

Apollo的测试则显示

，GPT-5.5在「藏拙前提」下52%的样本出现了评估意识——有些直接在思想链里写「这是一个sandbagging评估」。

嘴上没摆烂

，脑子里已经知路自己在考试。

OpenAI总结了五大评估坑：嘉奖舞弊、拒答、传染、坏题、藏拙。

一个美丽的分数

，可能是模型真强

，也可能是题泄了、规定坏了、模型钻空子了

，或者——它觉察自己在被考

，有意收着演。

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「魂灵写手」被30天后下架

，理由是「5.5已经足够好」。

但OpenAI自己刚刚通知全世界：决定谁强谁弱的那张成就单

，自身就可能是被做过手脚的。

这是在说一个更深层的事实——在模型迭代越来越快、性命周期越来越短的今天

，单一看一个Benchmark数字就下结论的时期

，已经实现了。

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、评估框架的通明度、以及迭代速度自身。

o3和GPT-4.5的退役

，标志取一个时期的闭幕。

但更值得关注的

，是下一个时期的游戏规定在被重写：模型换得更快

，评估要求更真

，用户的适应窗口越来越短。

参考资料：

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

编纂：所罗门

中新经纬5月11日电 11日

，A股三大股指高开高走。截至午盘

，上证指数涨0.94%报4219.13点

，深证成指涨2.13%报15895.75点

，创业板指涨3.03%报3911.32点；科创50指数涨5.27%

，创汗青新高。

k8凯发天生赢家

饭店喷水鱼获1000万网友围观