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」能不真是？OpenAI我方说：偶然。

OpenAI又干了件让老用户心碎的事。

28号，他们在官方Release Notes上布告：从2026年8月26日起，o3从ChatGPT讲求退役！

GPT-4.5更狠，6月27日就下线，只给30天缓冲。

两个模子当今仅限付用度户在建立里手动切换才智用到——它们早就不是默许选项了，此次是要透顶从菜单上抹掉。

与此同期，盛名博主Leo 5月29日发帖阐明：GPT-5.6的拓荒全力推动中，一个赫然更强的新检查点已在里面上线。

一边是用户还没来得及说邂逅，一边是新模子照旧在后台热身。

临了两个好用的模子，要没了

这话不是我说的。

Reddit热帖底下几百条批驳，付用度户们在ChatGPT建立里荒诞截图贪恋，氛围像是赶在拆迁前临了一次拍照。

有网友震怒地暗意，OpenAI这种操作「给了我取消Pro账户的临了一个原理。」

还灵验户抒发了对o3写稿作风的贪恋与不舍。

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、一层层剥的硬核任务筹算的。

数学线路、科学推导、代码debug……在这些需要「慢念念考」的场景里，o3险些是无敌的存在。

X上灵验户径直封它为「GOAT」（Greatest Of All Time，史上最强）。

还有东谈主说得更直白：「o3是临了一个真实在『想问题』的模子，5系列更灵巧，但少了那股子轴劲儿。」

o3-pro更是Pro用户的心头好——花更多本事念念考，给出更可靠的谜底，在数学、科学、编程三大范畴碾压式当先，学术评估里的收货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即是文科天才。

这是许多用户心中「写稿最当然」的模子，笔墨有温度、有节律感、有灵魂。

X用户Striver的评价被平淡转发：直到今天，4.5仍然是最佳的写稿模子。o3是纯正的原生推理模子。5系列于今皆没能匹配这两个模子也曾领有的东西。

这即是为什么退役音问一出，批驳区炸了。

不是震怒，是不舍。

用户吊祭的不仅仅功能，而是一种「相处的嗅觉」——就像你习尚了一个共事的作念事作风，斯须被奉告他要走了，替代者才略可能更强，但阿谁默契没了。

退的是菜单，2026美加墨世界杯中国认证平台不是才略

这里有个值得细品的细节：退役仅限ChatGPT的网页和App端，API统共不受影响。

这意味着拓荒者依然不错通过API调用o3和GPT-4.5，企业行使不会断。

这里的逻辑很领略：ChatGPT的界面就那么大，模子列表不可无穷扩张。留着一堆使用率极低的旧模子，既占资源，又溜达用户堤防力。

还铭刻GPT-4o退役时的数据吗？那时日均唯一0.1%的用户还在选它。

o3和GPT-4.5的使用率大要率更低——它们早就被藏进了「自大更多模子」的折叠菜单里了。

GPT-5.6：换防照旧在路上

OpenAI为什么敢这样干？因为替代者不仅照旧就位，而且看上去还更强。

GPT-5.5在4月23日上线，是OpenAI当今最强的公开旗舰。GPT-5.5 Instant在5月5日跟进，成为ChatGPT新默许模子。

但更值得缓和的皇冠体育(CrownSports)官网是GPT-5.6。

透露信息自大，GPT-5.6将收受「双版块」战略：挨次版主攻多步推理才略的飞跃，Pro版则定位为更强的深度念念考模子。

有研讨东谈主员显现，里面照旧有东谈主把5.6的检查点当作日常调试器具在用。

算一笔本事账：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月底公拓荒布，两代旗舰之间的间隔将压缩到简短60天。

这个节律，照旧运行接近「月度迭代」了。

退掉o3和4.5，皇冠体育(CrownSports)恰是为了给这种速率腾出跑谈。用户可能还没顺应5.5，5.6就要来了。

模子的「人命周期」正在急剧镌汰——今天的GOAT，未来即是Yesterday's News。

但「更强」这张收货单

你敢信吗？

故事到这里，蓝本不错隔断了：旧王退位，新王登基，迭代提速，世界太平。

但就在布告退役的第二天，OpenAI干了一件止境反常的事——萧疏发布了一篇硬核长文，标题莽撞是《什么才是值得相信的第三方评估》。

长文系统拆解AI模子跑分的「潜限定」，而且直言：许多评估陈诉里的亮眼数字，根蒂说明不了真实才略。

这等于是我方掀了桌子。

OpenAI指出，中枢问题在于：前沿模子早就不是「你问我答」的聊天机器东谈主了，它们会用器具、会记荆棘文、会多步自主行动。

但无数第三方评估还停留在「给模子出谈题、看它答得对不合」的阶段。

真实决定收货荆棘的，经常不是模子自己，而是那套配套的测试框架（harness）。

harness是什么？

陋劣说即是「科场环境」——形状、器具、限定、能不可重试，全算在内。

并吞个学生，在草稿纸皆不给的科场和允许查贵寓的科场里，收货固然不相通。AI模子也相通。

最近Opus 4.8的争议即是活讲义。

Datacurve的DeepSWE审计发现，Claude Opus 4.6和4.7在SWE-Bench Pro上进步12%的通过案例属于「舞弊」——模子径直从Docker容器的.git历史里翻出挨次谜底，贴进我方的补丁。

这一滑为占了Opus 4.7通过率的约18%、4.6的约25%。换到干净环境后，Opus 4.7从高位跌到54%，GPT-5.5稳坐70%榜首。

更豪恣的是反面。

Anthropic我方也承认，4.8的代码过错漏报率降到4.7的四分之一。

解释=低分，舞弊=高分——这即是现时跑分游戏最豪恣的地点。不是某个模子不解释，而是科场把后门留在那儿了，会探索环境的模子当然会找到它。

OpenAI这篇长文拆得更狠。

它说，评估必须先说清我方在测什么：才略上限、安全防御、如故模子对比？三类认识统共不同。

然后用数据开刀：GPT-5.5开启compaction后，集聚靶场解出率从69.2%飙到92.3%；英国AISI把token预算从1000万加到1亿，收货最高进步59%且还没触顶。

翻译成东谈主话：你给模子一把瑞士军刀它能拆机器，只给一根牙签它连快递盒皆撬不开。

分数失真更离谱。METR复查发现GPT-5.4堪称「13小时」的自主才略，其实是钻了环境马虎，修正后腰斩到约6小时。

Apollo的测试则自大，GPT-5.5在「藏拙条款」下52%的样本出现了评估相识——有些径直在念念维链里写「这是一个sandbagging评估」。

嘴上没摆烂，脑子里照旧知谈我方在实验。

OpenAI追思了五大评估坑：奖励舞弊、拒答、欺侮、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、限定坏了、模子钻空子了，或者——它察觉我方在被考，特意收着演。

AI参预系统竞争

回到退役这件事。

当o3这样的「GOAT」皆能说退就退，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，原理是「5.5照旧填塞好」。

但OpenAI我方刚刚告诉全世界：决定谁强谁弱的那张收货单，自己就可能是被作念过看成的。

这是在说一个更深层的事实——在模子迭代越来越快、人命周期越来越短的今天，陋劣看一个Benchmark数字就下论断的时期，照旧阻挡了。

真实的比拼，不在于某个跑分表上谁排第一，而在于系统才略、评估框架的透明度、以及迭代速率自己。

o3和GPT-4.5的退役，秀雅着一个时期的隔断。

但更值得缓和的，是下一个时期的游戏限定正在被重写：模子换得更快，评估要求更真，用户的顺应窗口越来越短。