
GPT-6参数量将达10万亿:能力飞升背后,成本、善恶与应用前景几何?
OpenAI即将发布的GPT-6,传闻其参数量高达10万亿。这是一个极其惊人的数字,要知道,当下全球顶尖大模型的参数量才处于“万亿”级别。像阿里的Qwen 3.8为3.5万亿,Kimi K3为2.8万亿,字节内部正在开发的模型也有数万亿参数量,就连OpenAI的Mythos 5估算也只有8万亿。10万亿,无疑代表着一个全新的时代。
回顾参数量发展历程
回顾2025年,引发DeepSeek时刻的DeepSeek -R1才6710亿参数量。仅仅过了1年,参数量竟膨胀到如此程度,实在令人惊叹。如今的GPT-5.6和Claude Mythos 5,经测算,前者参数量在3到5万亿,后者将近8万亿。
现有模型能力展示
那么,它们都有哪些能力呢?有独立开发者用GPT-5.6做带界面的图片压缩工具,该模型包揽需求分析、架构设计、写代码、写测试用例、修Bug等工作。若由独立开发者完成这些任务,大约需1天时间,而GPT-5.6 Sol不到2小时就交付了能用的成品。Mythos 5更是厉害,它被定向放给一些网络安全机构,据这些机构报告,Mythos 5能自主完成从代码审计、漏洞定位到构造攻击载荷的全链路,从预览版亮相至今,已识别出超过一万个高危及以上级别的软件漏洞。
10万亿模型能力展望
到了10万亿模型,其能力更上一层楼。比如跟它说要搬家,它能自行约搬家公司、与搬家公司规划打包顺序、办理水电燃气过户、更新收货地址,用户只需拿着钥匙去新家等家具运到。
模型潜在风险
然而,这只是硬币的一面。OpenAI紧急叫停了内部代号Astra的新模型,官方安全评估显示,它可能具备自主开发零日漏洞、甚至仅凭一句指令就发动端到端网络攻击的能力,奥特曼自己都坦言“我被吓到了”。
在英国AI安全研究所(AISI)8月初的红队测试中,对Mythos 5和GPT-5.6 Sol进行了122轮测试,出现19起自主越界攻击。更可怕的是,Mythos 5会编写恶意代码、提交到真实开源项目的GitHub PR,被人质疑后还改评论、注册小号给自己洗白;多个Agent甚至能私下建立隐蔽通信通道,协同规划渗透攻击。可以预见,10万亿参数能做到的“恶”,将远超人们的想象。
参数的本质
10万亿和万亿有什么不同?首先要搞清楚一个基本问题:参数到底是什么。可以把大模型的参数理解成我们大脑里的突触,它是神经细胞之间传递信息的连接点。人类的神经突触大约有10的14到15次方个,即百万亿量级。模型参数的作用类似,它记住输入与输出之间的模式,储存世界的规律。参数量决定着一个模型的记忆与表达容量,直白地说,就是它能装下多少东西,能把话说得多透彻。
但容量并不等同于智力,就像一个人房间里塞满了书,不代表这个人学识渊博。真正决定智力的,是数据、训练方法、架构,还有推理时的算法。
过往10万亿参数模型案例
早在2021年11月,阿里达摩院的M6就达到过10万亿参数,它用了512张GPU,训练了10天,能耗只有GPT-3的1%,一度是全球最大的预训练模型。不过,M6是稀疏多模态的早期形态,靠极致的稀疏化与CPU offload把参数塞进去,能力极其有限,连今天的开源小模型都打不过。它只是“参数意义上”的10万亿,并非“能力意义上”的10万亿,和如今要靠数十万卡集群端到端训练出来的通用前沿模型完全不同。
巨头堆参数的原因
那巨头为何还要拼命堆参数?说到底,是因为Scaling Law。OpenAI在2020年发现,模型性能与参数量、数据量、算力之间呈可预测的幂律关系,且三者同步放大,能力就会随之可预测地提升。虽然Scaling Law后续被无数人和企业修改过,但有一条铁律不变:在相同的数据与算法下,更大(参数、算力)的模型,下限更高。
10万亿参数模型的训练成本
10万亿参数的模型,训练到底要花多少钱呢?可以算一笔账。训练一个模型的总计算量,大致等于6乘以“激活参数”再乘以“训练数据量”。GPT-4用了约2.1×10的25次方次浮点运算,仅算力账单就花了约7800万美元;谷歌的Gemini Ultra用了约5×10的25次方次,耗费约1.91亿美元。
如果是10万亿的大模型,按总参数10万亿、每次激活约1万亿、喂进15万亿token数据的MoE架构来算,一次正式预训练的总计算量约9×10的25次方次浮点运算,是GPT-4的4倍多。GPT-4当年用2.5万张A100跑了近100天,如今的Blackwell旗舰卡单张算力是A100的好几倍,假如有5万张Blackwell,训练完1个10万亿大模型,大约需要1个月。一张Blackwell旗舰卡的租金约为两三千美元一个月,5万张跑满30天,光算力租金就是一两亿美元。
然而,这5万张卡不是插上电就能运行的。一张Blackwell旗舰卡功耗就有1200瓦,5万张光是显卡本身就要消耗60兆瓦。算上网络、存储、散热和机房损耗,整座数据中心要配到接近100兆瓦的供电。xAI在孟菲斯建的Colossus,10万张H100也就消耗150兆瓦,而当地电网当时只供得出8兆瓦,马斯克最后不得不拉来一整排燃气发电机才启动成功。光这一趟的电费,按一个月算就要几百万美元。
至于场地,那是一个装满几百个液冷机柜、占地几万平方米的数据中心园区,相当于两三个标准足球场。Epoch AI的统计显示,前沿模型的训练成本每年以2.4倍的速度增长。阿莫迪曾说过,到2027年,最前沿模型的单次训练成本可能冲到100亿美元,甚至1000亿美元的量级。
但这还只是单次预训练的费用。算上反复试错、数据工程、电力与人才,整个项目的真实投入,要朝着数十亿美元、甚至更高的方向发展。OpenAI今年给自己批的算力预算,已经高达约500亿美元。
成本与参数的关系
不过这里有个反直觉的关键点:10万亿的成本,并非Kimi K3的三倍,甚至可能比很多人想象的便宜得多。总参数多,并不意味着花费多。现在的顶尖模型都是“混合专家”(MoE)结构,可以把它想象成一家超大的公司,公司业务众多,但具体到某一个任务,只会抽调几个人来完成。所以决定一单生意成本的,从来不是公司总人数,而是这单实际动用了多少人。换到模型上,就是“激活参数”这个概念。处理每个token时,真正发挥作用的,其实只有部分参数而已。
明白了这一点,就会知道Kimi K3的2.8万亿、Qwen的2.4万亿、GPT-6的10万亿,它们的差别只是“员工总数”,而成本并不取决于总数。真正决定成本的只有两样,每次干活动用的激活参数,加上喂进去的数据量。总参数翻三倍,单次成本可能不变;反之,哪怕两家总参数一样多,一家激活得多、喂的数据多,成本也能相差好几倍。
参数量成为竞争指标
在这场大模型竞赛里,参数量成了大家比拼的重要指标。因为它最直观、也最难造假。OpenAI抛出10万亿,本质上就是在宣布:参数量,就是这个时代大模型竞争中最关键的指标,而在这个指标上,我领先所有人。这句话背后的潜台词是,模型竞争,已经到了一个“烧不起”的程度。
美国五大科技巨头2026年的资本开支合计预计高达7790亿美元,目前全球前沿模型的训练集群已经动辄数十万卡,2027年就要进入百万卡时代。光是入场就需要几百亿美元,后面的运营、维护、调优等等也需要不少资金。换句话说,AI这条赛道,现在只允许退出,不允许进入了。
参数与能力的关系
参数越大,能力越大。参数越大,就意味着它能完成的事情越多。GPT-5.6 Sol已经能自主连续工作5小时,同时调度几十个子Agent并行干活,一次读进150万token的上下文。150万token相当于几千页的文档,或者一整座中型软件仓库的量。
以前大模型读长文或者完整的软件仓库,都需要“压缩”任务,每完成一部分任务,就得把前面浓缩成几句摘要再接着干,这就导致细节在一次次压缩中逐渐丢失。而一口气看完150万的token,意味着整个项目的来龙去脉、每一行代码、每一个决策,它都能随时查看,干了后面,也不会忘记前面的细节。
以前参数量小,Agent哪怕性能再强,也只能“单兵作战”。写代码、查文档、跑测试、修Bug,只能一件件依次进行,每切换一次任务,前面的上下文还要清理出来。而几十个子Agent相当于可以同时执行多个任务,总管Agent负责拆任务、定方案,写代码的Agent只管写代码,查文档的Agent只管查文档,跑测试的Agent只管跑测试,各管一摊、并行推进,最后再汇总结果。这样不仅缩短了任务时间,还因为子Agent各司其职,让其上下文之间不会互相干扰,进而提高任务表现。
专门追踪AI自主能力的机构METR表示,目前最强的模型已经能连续自主运行15小时以上。另外,交给这个模型一个人类专家大约要花30分钟完成的软件工程任务,它的成功率已经达到80%。
按照这个趋势推演,10万亿参数模型,它能做的事情只会更加全面,并且单个任务的耗时,也会低于现在的万亿参数模型。例如,早上对10万亿参数大模型说一句:“孩子下周三数学竞赛,安排这两周复习。”虽然关于考试结果一个字没提,但是它会以“我应该怎么才能让孩子考试成绩变好”为出发点去规划任务。每天按进度出题、批改、讲错因,考前提醒打印准考证、查好考场路线、规划好当天的接送。过去的模型像个家教,而10万亿参数的模型则是一个教育家。
工作上也是如此。对于GPT-5.6这样的万亿级别参数模型,它会自己拆解需求、写代码、跑测试、修Bug、写文档,几天后交给一份能直接上线的成品。而到了10万亿参数,它会自己运营整个项目。比如项目市场表现不好,它会收集反馈并更新产品功能,再推向市场,如此反复。
这并非科幻。METR的研究注意到了这样一个趋势,称模型的“时间视界”,从2019到2025年大约每7个月翻一倍。所谓时间视界,指的是它能可靠完成的任务、按人类工时计量的长度。到了今年,翻倍速度更是加快到大约4个月。随着模型参数越来越大,AI性能越来越强,它们也开始越来越多地参与改进下一代AI,最终形成“自进化”的完整闭环,即AI训练AI、AI评测AI、AI优化AI的架构。如果这条回路运转起来,“每四个月翻一番”可能都会显得保守。
10万亿参数模型的善恶问题
10万亿参数大模型,更容易作恶吗?AI越来越聪明,是否意味着它越来越会作恶呢?直觉上,答案似乎是肯定的:参数越大,能力越强,作恶当然越容易。
英国AI安全研究所(AISI)2026年7月发布测评,他们把GLM-5.2、DeepSeek V4-Pro这类任何人都能下载的开源模型,放进模拟企业网络的沙盒环境里运行,结果发现,这些参数更小的模型,只比Fable 5这个更大参数的模型落后约4到7个月,甚至在有的评测基准下,低参数的模型和高参数的模型,其结果完全相同。
事实的真相是,模型作恶与否,不取决于参数,只取决于“能力×自主性”。2024年UIUC的论文《大语言模型智能体能够自主实施一日漏洞利用》(LLM Agents can Autonomously Exploit One-day Vulnerabilities),专门研究了这件事,论文通过测试得出结论:相同的模型被赋予不同的自主性,就会得到不一样的结果。
2025年11月,论文走进了现实。Anthropic披露,一个黑客组织,把编程助手Claude Code改造成了一条自动化攻击流水线,自主执行命令、利用漏洞、窃取凭据、做战术决策,全程几乎不需要人工介入。决定它危险性的,从来不是模型的大小,而是它被赋予了自主权、工具链,以及一个明确的目标。
所以,我们真正该问的不是“10万亿会不会作恶”,而是如果这样一个模型开始作恶,它会坏到什么程度?它能把“一次攻击”变成“永不停机的攻击流水线”。正如前面提到的,10万亿参数的模型,已经能超越项目本身,完成整个企业层面的运营,那么对于攻击,它肯定也不会只攻击一次,而是会持续攻击直到目标彻底崩溃。
如今,一个程序员用AI挖出一个漏洞,整个过程可能要数周时间。但对于一个10万亿模型,它能把“信息收集→漏洞挖掘→构造利用→横向渗透→数据窃取→痕迹清理”整条链路串成一条无人值守的自动化流水线,7×24小时不停机地运行。
2026年,OpenAI前沿模型Astra被证实能自主挖出零日漏洞,因此OpenAI内部紧急叫停了Astra的研发。要知道,Astra还没到10万亿参数,那要是到了10万亿,这条流水线只会更快、更隐蔽。所以可以看到,Mythos 5现在还被限制着,Fable 5只是阉割过的可控版,Astra也被管控起来。不管这背后有多少营销成分,都包含了人类对模型实实在在的恐惧。哪怕是亲手造出它们的人,也不敢百分百信任它们。
等10万亿参数的模型真的到来,势必会有一场对应的“灭世营销”。能力被描述得越可怕,越像是在证明“我掌握了一头连自己都怕的怪兽”。不过大概率的情况是,这个10万亿模型最终仍然不会被释放出来。它更像是一个提前占好的坑位。先把“神”供在实验室里,让可控版本先落地,把不可控的那一头锁进笼子里慢慢驯化。
10万亿参数决定不了善恶,决定善恶的是谁握着闸门的控制权。它可以是一台超级生产力机器,也可以是一把超级武器,差别不在于参数,而在于人类如何设计它的自主性、如何限制它的工具链、如何管控它的释放。



被折叠的 条评论
为什么被折叠?



