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」能不成信？OpenAI我方说：随机。

OpenAI又干了件让老用户心碎的事。

28号，他们在官方Release Notes上晓喻：从2026年8月26日起，o3从ChatGPT慎重退役！

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斥地里手动切换才略用到——它们早就不是默许选项了，此次是要透彻从菜单上抹掉。

与此同期，有名博主Leo 5月29日发帖阐明：GPT-5.6的斥地全力推动中，一个昭着更强的新搜检点已在里面上线。

一边是用户还没来得及说再会，一边是新模子如故在后台热身。

临了两个好用的模子，要没了

这话不是我说的。

Reddit热帖底下几百条驳斥，付用度户们在ChatGPT斥地里荒诞截图迷恋，氛围像是赶在拆迁前临了一次拍照。

有网友大怒地默示，OpenAI这种操作「给了我取消Pro账户的临了一个事理。」

还有效户抒发了对o3写稿立场的迷恋与不舍。

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缱绻的。

数学证明、科学推导、代码debug……在这些需要「慢想考」的场景里，o3险些是无敌的存在。

X上有效户平直封它为「GOAT」（Greatest Of All Time，史上最强）。

还有东谈主说得更直白：「o3是临了一个真果然『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——花更多时辰想考，给出更可靠的谜底，在数学、科学、编程三大限度碾压式当先，学术评估里的收货单漂亮得像学霸的期末考。

再说GPT-4.5。

如若说o3是理工科学霸，GPT-4.5便是文科天才。

这是许多用户心中「写稿最当然」的模子，翰墨有温度、有节律感、有灵魂。

X用户Striver的评价被无为转发：直到今天，4.5仍然是最佳的写稿模子。o3是贞洁的原生推理模子。5系列于今王人没能匹配这两个模子也曾领有的东西。

这便是为什么退役音信一出，驳斥区炸了。

不是大怒，是不舍。

用户吊祭的不仅仅功能，而是一种「相处的嗅觉」——就像你民俗了一个共事的作念事立场，瞬息被示知他要走了，替代者才略可能更强，但阿谁默契没了。

退的是菜单，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实足不受影响。

这意味着斥地者依然不错通过API调用o3和GPT-4.5，企业诈欺不会断。

这里的逻辑很贯通：ChatGPT的界面就那么大，模子列表不成无穷扩张。留着一堆使用率极低的旧模子，既占资源，又踱步用户注重力。

还难忘GPT-4o退役时的数据吗？那时日均唯有0.1%的用户还在选它。

o3和GPT-4.5的使用率或者率更低——它们早就被藏进了「夸耀更多模子」的折叠菜单里了。

GPT-5.6：换防如故在路上

OpenAI为什么敢这样干？因为替代者不仅如故就位，而且看上去还更强。

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

但更值得温存的中国KAIYUN是GPT-5.6。

流露信息夸耀，GPT-5.6将接纳「双版块」政策：表率版主攻多步推理才略的飞跃，Pro版则定位为更强的深度想考模子。

有商榷东谈主员表示，里面如故有东谈主把5.6的搜检点当作闲居调试用具在用。

算一笔时辰账：GPT-5.5是4月23日发的，5.6的搜检点5月下旬就在内测，如若6月底公斥地布，两代旗舰之间的圮绝将压缩到约莫60天。

这个节律，如故运转接近「月度迭代」了。

退掉o3和4.5，开云体育中国官网入口恰是为了给这种速率腾出跑谈。用户可能还没符合5.5，5.6就要来了。

模子的「人命周期」正在急剧攻讦——今天的GOAT，翌日便是Yesterday's News。

但「更强」这张收货单

你敢信吗？

故事到这里，蓝本不错结果了：旧王退位，新王登基，迭代提速，天地太平。

但就在晓喻退役的第二天，OpenAI干了一件相等反常的事——冷漠发布了一篇硬核长文，标题粗鄙是《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「潜功令」，何况直言：许多评估证明里的亮眼数字，根底说明不了真实才略。

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，它们会用用具、会记落魄文、会多步自主行径。

但大王人第三方评估还停留在「给模子出谈题、看它答得对区分」的阶段。

真实决定收货落魄的，延续不是模子本人，而是那套配套的测试框架（harness）。

harness是什么？

浅显说便是「科场环境」——形式、用具、功令、能不成重试，全算在内。

兼并个学生，在草稿纸王人不给的科场和允许查而已的科场里，收货诚然不同样。AI模子也同样。

最近Opus 4.8的争议便是活课本。

Datacurve的DeepSWE审计发现，Claude Opus 4.6和4.7在SWE-Bench Pro上高出12%的通过案例属于「舞弊」——模子平直从Docker容器的.git历史里翻出表率谜底，贴进我方的补丁。

这一溜为占了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。

更乖谬的是反面。

Anthropic我方也承认，4.8的代码颓势漏报率降到4.7的四分之一。

耕种=低分，舞弊=高分——这便是面前跑分游戏最乖谬的场合。不是某个模子不耕种，而是科场把后门留在哪里了，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、安全驻守、照旧模子对比？三类目标实足不同。

然后用数据开刀：GPT-5.5开启compaction后，网罗靶场解出率从69.2%飙到92.3%；英国AISI把token预算从1000万加到1亿，收货最高提高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王人撬不开。

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，其实是钻了环境过失，修正后腰斩到约6小时。

Apollo的测试则夸耀，GPT-5.5在「藏拙条目」下52%的样本出现了评估意志——有些平直在想维链里写「这是一个sandbagging评估」。

嘴上没摆烂，脑子里如故知谈我方在磨练。

OpenAI归来了五大评估坑：奖励舞弊、拒答、沾污、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、功令坏了、模子钻空子了，或者——它察觉我方在被考，有益收着演。

AI干涉系统竞争

回到退役这件事。

当o3这样的「GOAT」王人能说退就退，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，事理是「5.5如故富余好」。

但OpenAI我方刚刚告诉全宇宙：决定谁强谁弱的那张收货单，本人就可能是被作念过当作的。

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，浅显看一个Benchmark数字就下论断的时间，如故为止了。

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、以及迭代速率本人。

o3和GPT-4.5的退役，标识着一个时间的驱散。

但更值得温存的，是下一个时间的游戏功令正在被重写：模子换得更快，评估要求更真，用户的符合窗口越来越短。