这是我的第485篇Ai笔记，本篇2527、累计笔记8460359
彩蛋：彩蛋提示文末给你准备了《大模型深度逼问提示词》，记得取！
最近一条爆料，直接把整个 AI 圈给炸醒了。
OpenAI 的下一代大模型GPT-6，内部代号 Astra，据传参数量高达十万亿。
你没听错，不是一千亿，不是一万亿，是十万亿。是外界估算的 GPT-4 参数量的五倍以上，上下文窗口更是直奔一百五十万 Token。
一个多月前，DeepSeek 刚把价格打到地板价，还在头条上飘着。这边 OpenAI 直接换了一个维度的战场，连声招呼都不打。
更戏剧性的是，就在爆料前一天，OpenAI 刚刚宣布暂停了 Astra 的部分研发工作。
原因是内部安全评估显示，这个模型在智能体编程和网络安全方面的能力进展太大了，无法排除它已经达到“关键级”风险的可能。
这是 OpenAI准备框架下第一个按关键级管理的模型。门槛是什么？模型能在无人介入的情况下，自主识别并利用零日漏洞，对真实关键系统发起复杂网络攻击。
一边是紧急刹车，一边是强行发布。说实话，这已经不是正常的产品发布节奏了，这是有人在拿安全换窗口。
为什么说这波不简单？
大家注意一个细节：自从 2024 年 5 月发布 GPT-4o 以来，o1、o3、GPT-5、GPT-5.5，全部都是在同一个 GPT-4o 底座上做后训练和微调优化。
预训练底座，整整两年没有真正换代过。
GPT-6，是 OpenAI 两年以来第一次完成从底座开始的全新预训练。
这意味着什么？意味着你即将看到的能力跃迁，不是修修补补，是整个地基重浇了一遍。
换地基这种事，从来都是大动静。而这次，动静大到连 OpenAI 自己都有点不敢踩油门。
十万亿参数到底什么水平？咱们直接把它放到台面上拆开算账。
01 | 十万亿，到底是个什么概念
当前市面上最强的几个模型，参数量大致是这样的：
DeepSeek V4-Pro：1.6 万亿
Kimi K3：2.8 万亿
Claude Fable 5：外界估计 5 万亿上下
Anthropic Mythos：8 万亿
GPT-6：直接跳到 10 万亿
如果这些数字让你有点麻木，那换个角度：训练一次十万亿参数的模型，即便用最先进的混合专家架构压缩计算量，总浮点运算次数大约是 GPT-4 的四倍多。
用五万张英伟达 Blackwell 旗舰卡不间断地跑，大约需要一个月。只算算力租金，一次正式预训练的花费，大概在一到两亿美元。
一个亿到两个亿美元，跑一次。万一跑崩了，重来；万一有个参数没调好，再重来。
这个实验成本，全世界只有一只手数得过来的公司玩得起。
02 | 参数大，就一定强吗？
这个道理在两年前可能还是反直觉的，但到了今天，早被对手们验证了无数遍。
DeepSeek V4-Pro 的参数只有 Mythos 的五分之一，但在多项基准测试里表现相当。
英国 AI 安全研究所七月的最新测评显示，参数更小的开源模型和参数大了好几倍的闭源前沿模型，差距只有大约四到七个月，某些测试里结果完全一样。
再提醒大家一个关键点：现在所有顶级模型全都在用混合专家架构（MoE），十万亿总参数，每次推理实际激活的只有其中一部分，大概在一万亿左右。
总参数翻三倍，单次调用的成本和速度可能纹丝不动。真正决定能力的，从来不是你挂了多大的招牌，而是训练数据的质量、训练方法的创新、以及架构效率的提升。
再说一个很有意思的对照：字节跳动也在训练一个十万亿参数的模型，预计最早今年底或明年初发布；而阿里达摩院 2021 年就做过一个十万亿参数的 M6，但那是稀疏架构，实际能力相当有限。
十万亿这个数字本身不是护城河，把十万亿做出十万亿该有的能力，才是。
03 | 真正值得期待的是什么？
既然参数不代表一切，那 GPT-6 真正让人兴奋的东西在哪？我总结了三件事。
第一，它能不能真的装上自主能力。
OpenAI 自己泄露的安全评估提到，Astra 在智能体编程方面进展显著。智能体编程不是一个会写代码的聊天机器人，而是你说要一款什么样的产品，它自己拆需求、写代码、调试、部署、测试、修复，整个链条跑通，你在旁边看着就行。
如果 GPT-6 把这扇门推开，AI 从工具到同事的转变，会比所有人预期的都快。
第二，被强行踩下的安全刹车，能不能补回来。
一边强行发布一边紧急暂停，这种撕裂姿态本身就说明了很多问题。一个被内部评估为可能具备自主攻击能力的模型，在安全机制还没完全到位的情况下推向公众，OpenAI 选择的是对冲。
第三，Anthropic 会怎么接招。
已经有消息说，Anthropic 计划在八月同期发布 Fable 5.1，定价和 Fable 5 持平，用田忌赛马式的拦截策略——用我的中等马打你的上等马。
而且别忘了，OpenAI 年底还藏着一个代号 Doug 的更大项目，号称史上最大规模的预训练。十万亿的 Astra 在八月掀桌子，Doug 在年底等着收桌子。这个节奏，不是在竞赛，是在加速某种终局。
夸完这波大动作，作为大家的老友，我也得泼点冷水。
第一，别被“十万亿”这个数字吓住。
它更多是营销上的心理战。混合专家架构下，你实际用到的可能只有一万亿左右，参数翻三倍，体验不一定翻三倍。
第二，安全这关真的还没过。
连 OpenAI 内部都无法排除关键级风险，说明这个体量的模型一旦失控，后果是没人兜得住的。我们普通人可能感受不到，但这场赌注的筹码，其实压在我们所有人身上。
第三，发布会离落地还有距离。
就算八月真发布了，普通人短期内感受到的，大概率只是 API 里多了个选项、ChatGPT 付费墙里多了个入口。别急着为它掏钱，先让子弹飞一会儿。
最后，老规矩，用三句话总结：
1. GPT-6 是 OpenAI 两年以来第一次底座级的全新预训练，十万亿参数背后，是整个行业赛道被重新划线。
2. 参数不等于能力，真正决定差距的是数据、方法和架构；这个数字更像是竖给对手看的旗，不是给我们的答案。
3. 最厉害的模型永远在下一个，我们真正该关心的，不是参数涨了多少，而是它能不能帮你把明天那份报告写得更好、把活干得更漂亮。
考虑到 GPT-6 发布在即，为了让大家第一时间看懂、用上，我把压箱底的干货给大家准备好了：
《大模型深度逼问提示词》：发布后第一时间榨干它。
老规矩，点赞+在看，扫码回复关键词【GPT6】，我把这份干货发给你！