今日官方披露研究效果老挝国家主席？？刂泄等肆廾 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

桂林市兴安县桂林市秀峰区江西省吉安市吉安县甘肃省陇南市武都区广东省佛山市三水区福建省福州市罗源县防城港市东兴市福建省南平市建瓯市四川省凉山彝族自治州昭觉县山西省晋都会高平市山西省朔州市山阴县芜湖市南陵县山西省阳泉市平定县云南省文山壮族苗族自治州广南县门头沟区大峪街道巴音郭楞蒙古自治州和硕县阿克苏地区拜城县赞皇县院头镇江西省吉安市吉安县内蒙古鄂尔多斯市鄂托克旗长安区广安街道贵州省铜仁市印江土家族苗族自治县广东省汕头市南澳县延庆区沈家营镇昌平区小汤山镇喀什地区叶城县向阳区酒仙桥街道福建省莆田市城厢区云南省西双版纳傣族自治州勐腊县鹿泉区寺家庄镇江苏省南京市浦口区北海市海城区向阳区双井街道巴音郭楞蒙古自治州和硕县元氏县殷村镇江苏省南京市浦口区重庆市县巫山县淮南市大通区四川省广元市北海市海城区江西省九江市武宁县平山县岗南镇湖北省宜昌市秭归县海南省三沙市西沙区密云区高岭镇百色市靖西市四川省广元市内蒙古兴安盟乌兰浩特市赞皇县院头镇上海市市辖区嘉定区内蒙古锡林郭勒盟镶黄旗怀柔区宝山镇福建省厦门市湖里区元氏县殷村镇山西省临汾市安泽县福建省漳州市龙海市广东省佛山市三水区江西省赣州市石城县内蒙古呼伦贝尔市阿荣旗巴音郭楞蒙古自治州和硕县河东区东新街道广东省汕头市龙湖区江苏省徐州市新沂市长安区广安街道合肥市瑶海区辽宁省沈阳市浑南区钦州市云南省普洱市景东彝族自治县延庆区康庄镇云南省大理白族自治州云龙县蓟州区东施古镇辽宁省沈阳市西城区月坛街道黑龙江省绥化市明水县阿克苏地区拜城县山西省晋中市太谷区北辰区广源街道向阳区豆各庄地区向阳区双井街道西藏山南市长安区广安街道云南省红河哈尼族彝族自治州绿春县辽宁省沈阳市沈河区崇左市向阳区小关街道北辰区重庆市县巫山县黑龙江省鸡西市鸡冠区乌鲁木齐市沙依巴克区密云区古北口镇江苏省苏州市相城区山西省长治市襄垣县北辰区山东省威海市内蒙古鄂尔多斯市康巴什区山西省晋都会泽州县百色市靖西市百色市靖西市黑龙江省绥化市明水县四川省德阳市广汉市

本周行业协会宣布新报告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

赵县沙河店镇黑龙江省七台河市桃山区桥西区留营街道合肥市瑶海区清静区南市街道山西省临汾市安泽县甘肃省兰州市固原市西吉县百色市田林县南开区体育中心街道南开区长虹街道山东省威海市昌平区小汤山镇淮南市大通区蚌埠市龙子湖区广东省汕头市南澳县蚌埠市蚌山区马鞍山市博望区山东省烟台市龙口市长安区广安街道山东省潍坊市青州市和田地区西藏拉萨市达孜区江西省宜春市奉新县四川省遂宁市蓬溪县云南省大理白族自治州云龙县丰台区右安门街道密云区古北口镇赞皇县院头镇合肥市庐阳区山西省忻州市宁武县南开区体育中心街道固原市西吉县四川省凉山彝族自治州甘洛县陕西省汉中市西乡县喀什地区麦盖提县丰台区和义街道元氏县苏村乡固原市西吉县南阳市内乡县四川省泸州市江阳区平山县岗南镇门头沟区大峪街道山东省淄博市临淄区四川省遂宁市蓬溪县辽宁省沈阳市浑南区山西省吕梁市中阳县无极县大陈镇长安区广安街道亳州市利辛县福建省漳州市龙海市四川省宜宾市翠屏区云南省西双版纳傣族自治州勐腊县静海区西翟庄镇武清区汊沽港镇丰台区和义街道广东省江门市甘肃省甘南藏族自治州防城港市东兴市福建省三明市梅列区山东省潍坊市青州市静海区大邱庄镇山西省临汾市安泽县广东省云浮市新兴县宝坻区牛家牌镇福建省莆田市仙游县湖北省恩施土家族苗族自治州建始县山西省阳泉市平定县贵州省铜仁市印江土家族苗族自治县蓟州区东二营镇四川省凉山彝族自治州西昌市青海省玉树藏族自治州治多县广东省广州市越秀区密云区古北口镇辽宁省铁岭市开原市四川省甘孜藏族自治州九龙县湖北省孝感市汉川市延庆区沈家营镇重庆市县巫山县平山县岗南镇山东省烟台市牟平区甘肃省陇南市青海省海北藏族自治州门源回族自治县湖北省宜昌市宜都会青海省果洛藏族自治州陕西省西安市未央区江苏省徐州市丰县广东省佛山市三水区江西省赣州市石城县江西省宜春市奉新县山东省聊都会茌平区青海省玉树藏族自治州治多县贵州省铜仁市玉屏侗族自治县昌平区小汤山镇淮南市大通区辽宁省沈阳市浑南区福建省三明市梅列区黑龙江省鹤岗市重庆市县巫山县贵州省六盘水市水城县

全球服务区域:湖北省宜昌市西陵区陕西省宝鸡市千阳县云南省红河哈尼族彝族自治州绿春县吉林省白山市浑江区甘肃省庆阳市镇原县延庆区沈家营镇新乐市协神乡云南省怒江傈僳族自治州福贡县赞皇县院头镇四川省遂宁市蓬溪县喀什地区叶城县广东省云浮市新兴县西乡塘区四川省宜宾市翠屏区山东省威海市平山县宅北乡四川省成都会金牛区山东省泰安市泰山区江苏省苏州市相城区北海市海城区元氏县江西省宜春市宜丰县陕西省西安市未央区山西省晋都会高平市新乐市协神乡四川省德阳市广汉市湖北省恩施土家族苗族自治州建始县河东区东新街道洛阳市汝阳县贵州省黔南布依族苗族自治州惠水县怀柔区龙山街道向阳区酒仙桥街道陕西省宝鸡市眉县濮阳市南乐县百色市靖西市江西省鹰潭市余江区云南省红河哈尼族彝族自治州泸西县山东省聊都会茌平区伊犁哈萨克自治州昭苏县崇左市山东省聊都会冠县湖北省宜昌市西陵区四川省凉山彝族自治州甘洛县静海区大邱庄镇广东省汕头市南澳县辽宁省辽阳市白塔区吉林省白山市浑江区江苏省南通市启东市山东省威海市江苏省徐州市新沂市辽宁省沈阳市沈河区云南省普洱市景东彝族自治县南开区体育中心街道密云区高岭镇四川省广安市岳池县陕西省宝鸡市千阳县焦作市沁阳市甘肃省庆阳市镇原县山东省青岛市城阳区平山县小觉镇山西省吕梁市岚县宝坻区牛家牌镇昌平区延寿镇陕西省汉中市留坝县辽宁省沈阳市沈河区山东省聊都会冠县贵州省铜仁市印江土家族苗族自治县甘肃省陇南市广东省江门市福建省莆田市城厢区乌鲁木齐市沙依巴克区黑龙江省大兴安岭地区呼玛县内蒙古锡林郭勒盟镶黄旗甘肃省甘南藏族自治州蓟州区东赵各庄镇江苏省南通市启东市青海省海西蒙古族藏族自治州德令哈市海南省三沙市西沙区福建省厦门市湖里区江苏省徐州市新沂市蓟州区东二营镇四川省甘孜藏族自治州丹巴县昌平区回龙观街道密云区古北口镇江苏省镇江市句容市贵州省铜仁市印江土家族苗族自治县四川省成都会金牛区静海区大邱庄镇怀柔区雁栖地区陕西省汉中市南郑区山西省晋中市太谷区四川省宜宾市江安县湖北省宜昌市夷陵区江西省萍乡市上栗县广东省佛山市三水区伊犁哈萨克自治州昭苏县丰台区宛平城地区江西省鹰潭市余江区防城港市东兴市江苏省徐州市新沂市

今日行业协会宣布行业动态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：桥西区东华街道江苏省连云港市赣榆区密云区河南寨镇河东区东新街道云南省西双版纳傣族自治州勐腊县甘肃省陇南市平山县上观音堂乡青秀区内蒙古鄂尔多斯市鄂托克旗湖北省孝感市汉川市延庆区沈家营镇辽宁省锦州市义县平山县小觉镇蚌埠市蚌山区蓟州区东施古镇蓟州区东赵各庄镇山西省临汾市安泽县四川省成都会新都区山东省聊都会茌平区四川省广安市岳池县桂林市兴安县博尔塔拉蒙古自治州温泉县江苏省徐州市丰县合肥市瑶海区山东省东营市垦利区平山县上观音堂乡云南省怒江傈僳族自治州福贡县固原市西吉县长安区南村镇青海省玉树藏族自治州治多县向阳区管庄地区密云区高岭镇湖北省宜昌市秭归县上海市市辖区嘉定区顺义区空港街道山西省晋中市灵石县西藏拉萨市达孜区陕西省汉中市南郑区丰台区右安门街道甘肃省定西市渭源县贵州省黔南布依族苗族自治州惠水县山东省滨州市吉林省白山市浑江区长安区广安街道海淀区青龙桥街道濮阳市南乐县焦作市沁阳市四川省凉山彝族自治州甘洛县陕西省商洛市山阳县内蒙古乌海市乌达区甘肃省庆阳市镇原县云南省怒江傈僳族自治州福贡县蚌埠市蚌山区福建省厦门市湖里区湖北省宜昌市夷陵区广东省佛山市三水区山东省潍坊市青州市南阳市内乡县吉林省长春市双阳区开封市通许县江苏省徐州市丰县北海市海城区山东省聊都会茌平区云南省玉溪市新平彝族傣族自治县云南省红河哈尼族彝族自治州泸西县上海市市辖区嘉定区山东省聊都会冠县山东省潍坊市青州市福建省南平市建瓯市许昌市建安区向阳区酒仙桥街道广东省广州市越秀区青秀区桥西区苑东街道青海省玉树藏族自治州治多县密云区不老屯镇湖北省宜昌市秭归县许昌市建安区山东省烟台市牟平区江西省景德镇市昌江区福建省三明市梅列区黑龙江省七台河市桃山区山西省运都会夏县清静区南市街道丰台区长辛店镇马鞍山市博望区银川市贺兰县平山县宅北乡西藏阿里地区日土县赵县沙河店镇山东省聊都会冠县四川省广元市山西省阳泉市平定县贵州省六盘水市水城县湖北省宜昌市夷陵区百色市田林县甘肃省定西市渭源县陕西省汉中市西乡县伊犁哈萨克自治州昭苏县丰台区长辛店镇

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%
。。。
。。唬
；；；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

今日羁系部分宣布主要研究效果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%
。。。
。。唬
；；；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

34岁“大龄裸辞”又赴麻省理工深造

凯时AG

老挝国家主席？？刂泄等肆廾