两个模型今朝仅限付费用户在设置内行动切换才能用到——它们早就不是默认选项了，此次是要彻底从菜单上抹掉落。
与此同时，有名博主Leo 5月29日发帖确认：GPT-5.6的开辟全力推动中，一个明显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会，一边是新模型已经在后台热身。
最后两个好用的模型，要没了
这话不是我说的。
OpenAI为什么敢这么干？因为替代者不仅已经就位，并且看上去还更强。
Reddit热帖下面几百条评论，付费用户们在ChatGPT设置里猖狂截图留念，氛围像是赶在拆迁前最后一次摄影。
有网友末路怒地表示，OpenAI这种操作“给了我撤消Pro账户的最后一个来由。”
o3是OpenAI的“纯血推理模型”，2025年4月上线，专门给那些须要一步步想、一层层剥的硬核义务设计的。
数学证实、科学推导、代码debug……在这些须要“慢思虑”的场景里，o3几乎是无敌的存在。
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是最后一个真正在『想问题』的模型，5系列更聪慧，但少了那股子轴劲儿。”
o3-pro更是Pro用户的心头好——花更多时光思虑，给出更靠得住的谜底，在数学、科学、编程三大年夜范畴碾压式领先，学术评估里的成就单漂亮得像学霸的期末考。
再说GPT-4.5。
假如说o3是理工科学霸，GPT-4.5就是文科天才。
这是很多用户心中“写作最天然”的模型，文字有温度、有节拍感、有魂魄。
X用户Striver的评价被广泛转发：直到今天，4.5仍然是最好的写作模型。o3是纯粹的原生推理模型。5系列至今都没能匹配这两个模型曾经拥有的器械。
这就是为什么退役消息一出，评论区炸了。
不是末路怒，是不舍。
用户怀念的不只是功能，而是一种“相处的感到”——就像你习惯了一个同事的干事风格，忽然被告诉他要走了，替代者才能可能更强，但那个默契没了。
退的是菜单，不是才能
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。
这意味着开辟者依然可以经由过程API调用o3和GPT-4.5，企业应用不会断。
这里的逻辑很清楚：ChatGPT的界面就那么大年夜，模型列表不克不及无穷膨胀。留着一堆应用率极低的旧模型，既占资本，又分散用户留意力。
这是在说一个更深层的事实——在模型迭代越来越快、生命周期越来越短的今天，简单看一个Benchmark数字就下结论的时代，已经停止了。
还记得GPT-4o退役时的数据吗？当时日均只有0.1%的用户还在选它。
GPT-5.6：换防已经在路上
GPT-5.5在4月23日上线，是OpenAI今朝最强的公开旗舰。GPT-5.5 Instant在5月5日跟进，成为ChatGPT新默认模型。
但更值得存眷的是GPT-5.6。
泄漏信息显示，GPT-5.6将采取“双版本”策略：标准版主攻多步推理才能的飞跃，Pro版则定位为更强的深度思虑模型。
有研究人员泄漏，内部已经有人把5.6的检查点算作日常调试对象在用。
算一笔时光账：GPT-5.5是4月23日发的，5.6的检查点5月下旬就在内测，假如6月底公开宣布，两代旗舰之间的距离将紧缩到大年夜约60天。
这个节拍，已经开端接近“月度迭代”了。
退掉落o3和4.5，恰是为了给这种速度腾出跑道。用户可能还没适应5.5，5.6就要来了。
模型的“生命周期”正在急剧缩短——今天的GOAT，明天就是Yesterday's News。
但“更强”这张成就单
你敢信吗？
故事到这里，本来可以收尾了：旧王退位，新王即位，迭代提速，世界宁靖。
长文体系拆解AI模型跑分的“潜规矩”，并且直言：很多评估申报里的亮眼数字，根本解释不了真实才能。
这等于是本身掀了桌子。
OpenAI指出，核心问题在于：前沿模型早就不是“你问我答”的聊天机械人了，它们会用对象、会记高低文、会多步自立行动。
但大年夜量第三方评估还逗留在“给模型出道题、看它答得对纰谬”的阶段。
真正决定成就高低的，往往不是模型本身，而是那套配套的测试框架（harness）。
harness是什么？
简单说就是“考场情况”——场地、对象、规矩、能不克不及重试，全算在内。
同一个学生，在草稿纸都不给的考场和许可查材料的考场里，成就当然不一样。AI模型也一样。
还有效户表达了对o3写作风格的留恋与不舍。
比来Opus 4.8的争议就是活教材。
Datacurve的DeepSWE审计发明，Claude Opus 4.6和4.7在SWE-Bench Pro上跨越12%的经由过程案例属于“作弊”——模型直接从Docker容器的.git汗青里翻出标准谜底，贴进本身的补丁。
这一行动占了Opus 4.7经由过程率的约18%、4.6的约25%。换到干净情况后，Opus 4.7从高位跌到54%，GPT-5.5稳坐70%榜首。
更荒诞的是不和。
Anthropic本身也承认，4.8的代码缺点漏报率降到4.7的四分之一。
诚实=低分，作弊=高分——这就是当前跑分游戏最荒诞的处所。不是某个模型不诚实，而是考场把后门留在那边了，会摸索情况的模型天然会找到它。
OpenAI这篇长文拆得更狠。
它说，评估必须先说清本身在测什么：才能上限、安然防护、照样模型比较？三类主意完全不合。
然后用数据开刀：GPT-5.5开启compaction后，收集靶场解出率从69.2%飙到92.3%；英国AISI把token预算从1000万加到1亿，成就最高晋升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。
分数掉真更离谱。METR复查发明GPT-5.4号称“13小时”的自立才能，其实是钻了情况马脚，修改后腰斩到约6小时。
o3和GPT-4.5的应用率大年夜概率更低——它们早就被藏进了“显示更多模型”的折叠菜单里了。
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——有些直接在思维链里写“这是一个sandbagging评估”。
嘴上没摆烂，脑筋里已经知道本身在测验。
但就在宣布退役的第二天，OpenAI干了一件异常反常的事——罕有宣布了一篇硬核长文，标题大年夜意是《什么才是值得信赖的第三方评估》。
一个漂亮的分数，可能是模型真强，也可能是题泄了、规矩坏了、模型钻空子了，或者——它察觉本身在被考，有意收着演。
AI进入体系竞争
回到退役这件事。
当o3如许的“GOAT”都能说退就退，OpenAI背后的底气是“5.6更强”；当GPT-4.5如许的“魂魄写手”被30天后下架，来由是“5.5已经足够好”。
但OpenAI本身方才告诉全世界：决定谁强谁弱的那张成就单，本身就可能是被做过四肢举动的。
OpenAI总结了五大年夜评估坑：嘉奖作弊、拒答、污染、坏题、藏拙。
真正的比拼，不在于某个跑分表上谁排第一，而在于体系才能、评估框架的透明度、以及迭代速度本身。
o3和GPT-4.5的退役，标记住一个时代的落幕。
但更值得存眷的，是下一个时代的游戏规矩正在被重写：模型换得更快，评估请求更真，用户的适应窗口越来越短。
发表评论 取消回复