【深度质问】GPT-5为何“挤牙膏”？揭秘OpenAI创新乏力与 Scaling Law 的瓶颈！

【导读】OpenAI，亟需一场翻身仗！今天，全网最大的爆料：GPT-5基石实为GPT-4o。自4o发布之后，内部预训练屡屡受挫，几乎沦为「弃子」。

OpenAI核心预训练，接连翻车？

传言称，GPT-5的基石仍是GPT-4o，且GPT-4.5之后的预训练版本，都被OpenAI放弃了！

这么说并非空穴来风，核心爆料恰恰来自权威SemiAnalysis的最新一文——

OpenAI顶尖团队自GPT-4o发布之后，迄今尚未完成一次完整的，为下一代前沿模型设计的大规模预训练。

文章中，高级分析师强调：谷歌正手持TPUv7这把利剑，向英伟达王座发起冲锋，或将终结CUDA护城河。

众所周知，OpenAI全栈模型是在纯英伟达GPU上炼出的。

然而，圈内人的焦点，大都放在了大模型「推理」和「后训练」的硬件之上。

殊不知，没有前沿模型的预训练，一切皆是「无米之炊」。恰恰这一环节，成为了AI硬件里最难、最耗资源的一关。

如今，一个不为人知的内幕爆出了：

事实证明，谷歌TPU彻底经受住了这一考验；

相较之下，自2024年5月GPT-4o诞生之后，OpenAI的预训练却毫无进展…

过去，两年半的时间，OpenAI没有真正Scaling预训练的规模。

GPT的预训练，或许在GPT-4o之后触及了天花板，由此也解释了GPT-5性能未达业界预期的关键原因。

有网友表示，那不正是Ilya离开的时候吗…

恰在昨天，Ilya最新发文称，Scaling不会停，但某个重要的东西仍然会缺失。

一、OpenAI预训练，大溃败

还记得去年底，那场铺天盖地的「Orion」传闻吗？

这一秘密项目，原定以GPT-5面世，但因训练未达预期，最终被降级为GPT-4.5发布。

在前沿模型预训练上，OpenAI的研发似乎陷入了僵局——

如今第五代旗舰模型GPT-5，包括最新GPT-5.1，其「技术根基」本质或仍未突破GPT-4o的范畴。

SemiAnalysis去年底一篇文章，曾对外公开了Orion训练的困境。

当前，算法的进步使得模型每年所需的物理计算量减少约三分之一，因此，训练运行时间很少超过3个月。

甚至，行业中大多数预训练通常仅需要1-2个月。

然而，OpenAI的Orion大规模预训练，却打破了这一常规，其训练时间超过了3个月。

另据Information同一时间爆出，Orion不会像前代实现巨大的飞跃，相较于从GPT-3到GPT-4的迭代，改进幅度要小得多。

不仅如此，Orion性能提升也基本局限在——语言能力上，其代码能力甚至不如旧模型，且成本更高。

如今再回看2月，GPT-4.5的诞生，基于代号Orion的模型，OpenAI追求的是：

更强的语言能力+更稳的对话体验+更大知识库

情商，成为了GPT-4.5的关键词。代码虽有提升，但并非主菜。

这一切的一切，从侧面印证了，此前外媒关于「Orion遇挫」爆料的准确性——

LLM有提升，但不大。

二、GPT-4o，成Scaling主线？

今年8月，GPT-5的那场发布，奥特曼将其定调为「博士级AI，是通往AGI又一里程碑」。

实则，业界对于GPT-5的反响，唏嘘一片。

大家原本以为，GPT-5会是全面超越前代的一次飞跃，但实际发布后，更像是GPT-4.5的进一步优化版，不是「颠覆版」。

但至于GPT-5真正基于哪一款GPT打造，还有待证实。

正如之前传闻的猜测，有可能是GPT-4o，还有Reddit网友称是GPT-4.1…

但不论是哪一款，都证明了GPT-5，没有在全新前沿模型的大规模预训练上淬炼。

搞笑的，那个曾将OpenAI三颗🍓🍓🍓「焊在」名字中的大佬，如今改成了三个🍌🍌🍌。

他表示，这已经不是什么秘密了——

GPT-4.5将预训练推向极致之后，OpenAI加倍投入了推理范式，主打o系列+RL。

不同的是，谷歌和Anthropic仍在Scaling预训练，并增强了强化学习。

OpenAI主动放弃了这一范式，为劲敌让出了一条速通道。

三、奥特曼：这事儿瞒不住了！

Gemini 3发布后，谷歌和OpenAI攻守之势易形——

Gemini 3来势汹汹，而OpenAI这次终于坐不住了！

据泄露的内部备忘录，奥特曼坦言：「近期， 从各方面来看，谷歌在大语言模型表现出色」，特别是预训练。

这番表态标志OpenAI的重大转变——它终于承认，一个重新崛起的竞争对手与逐渐降温的企业需求，已彻底打破了其「天下无敌」的光环。

所谓预训练，是训练生成式AI模型（无论是文本还是图像）过程中的第一阶段。在这一阶段，研究人员会用网页等大量数据「投喂」模型，让它掌握数据之间的各种关联。

大语言模型（LLM）开发与训练流程概述：预训练和后训练是关键

在预训练领域，谷歌取得了新突破，给Gemini 3带来了空前的推理深度。

这让不少AI研究者颇感意外——

毕竟，OpenAI去年曾屡屡碰壁，而谷歌自己过去也曾陷入瓶颈。

正因如此，在一段时间内，OpenAI选择将更多精力转向另一种新型AI架构——「推理模型」，这种模型虽然计算量更大，但有望输出更优质的回答。

在推出GPT-5之前，OpenAI团队曾尝试对预训练阶段做出一系列调整，这些方法在小模型上有效，一旦模型变大就失效了。

GPT-5发布第二天，西班牙与波兰Talan公司AI应用负责人Javier Alba de Alba表示：

(GPT-5）整体观感颇为失望：

这是个优秀的模型——响应迅捷、价格亲民、能力全面，但远非人们基于OpenAI过往发布会所预期的代际飞跃。

GPT-5带来了不少提升——

编程能力显著提升、推理能力进阶、幻觉现象减少、医疗领域表现优化，甚至免费用户也享有更长的默认使用时长。此外命名体系全面简化：GPT-4o/4.1/turbo/mini等繁杂名称悉数消失，统一更名为GPT-5。

不过，Javier Alba de Alba提醒：「千万不要被名称迷惑：GPT-5并非新一代产品。」他解释道：

技术层面而言，它更像是GPT-4o的功能增强版，即便命名为GPT-4.2也毫不违和。

OpenAI此举虽完成了必要的名称统一，但整场发布会未能达到预期，让技术社区颇感失落。

GPT-5发布后，Epoch AI也发现了其中的异常：

相比前代GPT-4.5，GPT-5很可能消耗了更少的训练算力。

虽然具体数值尚未公开，但GPT-4.5使用的训练算力极有可能超过GPT-5。

预训练并未消亡，它依然是胜负关键。

上下滑动查看

在内部会议中，奥特曼鼓舞士气，称在未来几个月，OpenAI将重新夺回优势。其中关键举措之一，就是打造一款代号为「Shallotpeat」的新一代大语言模型。

据知情人士透露，该模型的设计目标之一，就是专门修复OpenAI在预训练过程中遇到的种种「疑难杂症」。

四、OpenAI：内部的风向变了

GPT-5发布的实质是什么？

对现有ChatGPT用户而言，GPT-5是个好消息，但这并未开启新时代。

它只是进化历程中的一小步，而非革命性飞跃。

既然更多算力通常意味着更强性能，为何OpenAI会反其道而行？这对未来模型发展意味着什么？

在与a16z合伙人Martin Casado对话中，OpenAI平台工程负责人Sherwin Wu，深度拆解了OpenAI当前平台架构、定价逻辑与未来方向。

在这次访谈中，他们深入探讨了为何开发者往往会长期依赖某个「值得信赖」的模型系列，信任感是如何建立的，以及为什么行业已经逐步放弃了「一个模型通吃所有任务」的幻想。

Sherwin还讲解了从提示词工程到上下文设计的演变过程，以及企业如何借助OpenAI的微调（fine-tuning）和RFT API，利用自有数据定制模型行为。

四、共识已变

几年前，OpenAI内部认为：未来会有一个「统治一切」的超级模型。但现在行业共识已经转变为「模型的专业化和多样化」。

虽然会有强大的通用模型，但也需要针对特定任务（如编程Codex、视频Sora）的专用模型。

文本、图像、视频背后的技术堆栈各不同。目前，在后台。这些模型往往是分开优化的独立系统，很难简单地「一锅炖」。

顺便提一句，正是DALL-E 2的出现让Sherwin决定加入OpenAI，因为那是他第一次感受到AI的魔力。

而微调（Fine-tuning）也悄然进化——

早期的微调，主要用于调整「语气」或「指令遵循」。 现在的重头戏，是强化学习微调（Reinforcement Fine-Tuning） 。

这允许企业利用其庞大的专有数据（Data Treasure Troves），将较小的模型在特定领域训练至SOTA水平。这是解锁企业数据的关键。

也就是说，企业拥有大量内部数据，但与ChatGPT「毫无关系」，对企业专属AI而言却是黄金。

他们多次提到AI代码编辑器Cursor作为建立在 OpenAI API 之上的成功产品案例，证明了：

即使OpenAI自己有竞品，开发者依然可以建立伟大的垂直应用。

五、Agent开发模式

从第一天起，奥特曼和Greg Brockman就确立了「App+ API」的双轨战略。

这样做是为了尽可能广泛地分发AGI的利益——

如果只做 API，你就无法触达普通消费者；如果只做应用，你就无法赋能各行各业的开发者。

在这次对话中，他们重点谈论了智能体开发工具「Agent Builder」。

Sherwin认为，智能体（Agent）并非一种全新的模态，而是AI的一种新使用方式。

本质上，智能体是一个能够代表用户、在较长的时间跨度（Long Time Horizons）内执行一系列操作并完成任务的AI系统。

OpenAI曾推出了可视化的「Agent Builder」（节点式构建），但发现对于开发者而言，这种方式可能过于受限。

访谈中，Sherwin和Martin将智能体清晰地划分为两类，这解释了为什么目前市面上的Agent产品形态各异——

• 探索型/非定向工作 (Undirected/Exploratory Work)
• 流程型/SOP导向工作 (Procedural/SOP-oriented Work)

在对话中，第二类Agent开发可能更像传统的软件工程或游戏开发中的NPC****（非玩家角色）逻辑。

与其让模型完全自由发挥，不如通过代码给予它明确的逻辑框架和标准操作程序（SOP），特别是在受监管的行业（如客户支持、金融）。

也就是说，逻辑必须写死在代码里，而不是提示词里。

这就是Agent Builder想要解决的问题：为那些必须控制智能体行为的行业和场景，提供一个简单、清晰、可验证的解决方案。

六、One More Thing

2025年度压轴大戏，谷歌Gemini 3 Pro无疑打了一场胜仗，但OpenAI不会袖手旁观。

内部已确认，圣诞节前夕，一连串发布连番轰炸。

据传，一系列新模型，在路上了——

Image Gen v2

IMO和IOI金牌多模态模型

GPT-5.2 Codex

12月，AI圈一定非常热闹。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】