杂谈

GPT-6 还没玩明白，OpenAI 高管：八九成研究已押向 GPT-7、GPT-8！— Power 详解"先做强再蒸馏"路线

⭐ **OpenAI 应用研究负责人 Boris Power 透露**：⭐ **80-90% 的研究已押向 GPT-7、GPT-8 等下一代模型** ⭐ —— ⭐ **GPT-6 家族（Astra 10 月 / Sol + Luna 9-22）继续补短板 ⭐ 但长期赌注已转下代**。⭐ **两个核心问题**：⭐ **1. 为何优化现有模型 + 2. 为何同时做更便宜的版本**。⭐ **现有模型优化**：⭐ **Power 自己说部分优化是"极度短视" ⭐ —— ⭐ 今天补的短板 ⭐ 下一代一来可能自动消失** ⭐ —— ⭐ 但用户现在就要用 ⭐ 眼前该补还得补**。

#OpenAI#GPT-6#GPT-7#GPT-8#GPT-6 Astra#GPT-6Sol#GPT-6Luna#Boris Power#应用研究#80% 90% 研究#下一代模型#模型蒸馏#Distillation#GPT-4o mini#Codex#Agent 协作#优化现有模型#极度短视#深度 vs 便宜#工具调用

一句话总结

⭐ OpenAI 应用研究负责人 Boris Power 透露：⭐ 80-90% 的研究已押向 GPT-7、GPT-8 等下一代模型 ⭐ —— ⭐ GPT-6 家族（Astra 10 月 / Sol + Luna 9-22）继续补短板 ⭐ 但长期赌注已转下代。⭐ 两个核心问题：⭐ 1. 为何优化现有模型 + 2. 为何同时做更便宜的版本。⭐ 现有模型优化：⭐ Power 自己说部分优化是”极度短视” ⭐ —— ⭐ 今天补的短板 ⭐ 下一代一来可能自动消失 ⭐ —— ⭐ 但用户现在就要用 ⭐ 眼前该补还得补**。⭐ 蒸馏路线：⭐ 先练强通用模型 ⭐ 再让它当老师 ⭐ 教会更小更专的版本（GPT-4o mini 案例 ⭐ 蒸馏后准确率 64.79% ⭐ ⭐ 接近 GPT-4o 的 79.67%）。⭐ 大小模型分工：⭐ 大模型啃难题 + 小模型接日常。⭐ 人的角色进化：⭐ GPT-4 ⭐ 精心设计提示词 ⭐ ⭐ ⭐ ⭐ GPT-5 ⭐ 反馈纠偏 ⭐ ⭐ ⭐ ⭐ GPT-6 ⭐ 像”能接目标往前干的同事” ⭐ —— ⭐ 未来 GPT-7/8 看能否从”工具”真正变”同事” ⭐ —— ⭐ 考验 AI 自主推进任务 / 持续扛活 / 何时请人拍板 ⭐ ⭐ ⭐ 三能力。

一、⭐ 关键事实 ⭐

⭐ OpenAI 应用研究负责人 Boris Power 透露：

“公司大约 80% 到 90% 的研究 ⭐ 已经聚焦 GPT-7、GPT-8 ⭐ 以及更新代际的模型。”

时间事件
⭐ 2026-10⭐ GPT-6 Astra 上线（⭐ 主打能力上限**）**
2026-09-22⭐ GPT-6 Sol + Luna 上线（⭐ 更快、更实惠**）**
⭐ 当前⭐ 80-90% 研究押向 GPT-7、GPT-8 等下一代

二、⭐ 两个核心问题 ⭐

#问题答案
⭐ 1⭐ 既然 OpenAI 把研究重心押在下一代 ⭐ —— ⭐ 为什么还要不断优化现有模型？⭐ **Power 自答 ⭐ ** ⭐ 用户现在就要用 ⭐ 眼前该补还得补 ⭐ —— ⭐ 优化是”必要的” ⭐ 但也是”极度短视”的 ⭐ ⭐ 部分优化内部被视为”极度短视”
⭐ 2⭐ 既然要把大模型越练越强 ⭐ —— ⭐ 为什么同时还要做更小、更便宜的版本？⭐ “先做强 ⭐ 再蒸馏”路线 ⭐ —— ⭐ 强模型当老师 ⭐ 教会小模型

三、⭐ 优化现有模型：⭐ 必要性 vs 极度短视 ⭐

⭐ Power 的核心论述：

“部分针对现有模型的优化投入 ⭐ 在 OpenAI 内部甚至被视为”极度短视”。”

⭐ 为什么？

“当下一代模型一来 ⭐ 今天费劲补的短板 ⭐ 可能就不再是问题了。”

“新一代模型会让许多事情变得更容易。”

“模型进化得越快 ⭐ 有些方案的价值就越需要重新掂量。”

⭐ 但 Power 也没否定”现在做”的必要性 ⭐

“明天可能过时 ⭐ 不代表今天不值得做。”

“用户现在就要用产品 ⭐ 眼前的短板 ⭐ 该补还得补。”

⭐ 例 ⭐ ：⭐ 工具调用报错 ⭐

“模型现在调用工具容易报错 ⭐ 团队就收集数据、调整训练 ⭐ 把这个窟窿补上。”

“每修好一个问题 ⭐ 产品就更好用一点 ⭐ 团队也多积累一份经验 ⭐ —— ⭐ 这是必要的。”

四、⭐ 蒸馏路线：⭐ 先做强 ⭐ ⭐ 再蒸馏小模型 ⭐

⭐ Power 的清晰阐述 ⭐ ：⭐ 大 / 小模型不是对立 ⭐ —— ⭐ 而是一体两面 ⭐ ⭐ ⭐ ⭐ ⭐ “先做强 ⭐ 再蒸馏” ⭐ ⭐ ⭐ ⭐ ⭐ ：

“先练出一个能力很强的通用模型 ⭐ 再让它当老师 ⭐ 教会更小、更专的模型。”

“它们既能自己下场解难题 ⭐ 也能成为下一批小模型的老师 ⭐ 让部分能力进入更便宜的产品。”

⭐ 蒸馏示例 ⭐ ：⭐ GPT-4o → GPT-4o mini ⭐ ⭐

⭐ 任务 ⭐ ⭐ ⭐ 葡萄酒信息判断葡萄品种 ⭐ ⭐ ⭐ 300 条验证数据：

模型蒸馏前蒸馏后
⭐ GPT-4o mini⭐ 64.67%⭐ 79.33% ⭐ ⭐ ↑ 14.66pp
⭐ GPT-4o（老师）—⭐ 79.67% ⭐ ⭐ （接近）**

⭐ 结论 ⭐ ⭐ ⭐ 蒸馏可让小模型在某任务上接近老师 ⭐ —— ⭐ 但不是全面追平。

⭐ 蒸馏方法 ⭐

“先让强模型生成示范 ⭐ 筛选出高质量输出 ⭐ 再用这些数据训练更轻量的小模型。”

⭐ OpenAI 驾轻就熟 ⭐ —— ⭐ 2025-03 ⭐ 发布新一代音频模型时** ⭐ 官方披露 ⭐ ⭐ ⭐ 通过蒸馏把大型音频模型的知识传递给更小、更高效的模型。

五、⭐ 大小模型分工 ⭐

⭐ Power 的核心判断：

“不是所有任务 ⭐ 都必须用最顶级的模型。”

“一份工作里 ⭐ 有些环节需要深度判断 ⭐ 有些只是把已经明确的要求执行到位。”

“让大小模型各接一部分活 ⭐ 才有机会把钱花在刀刃上。”

⭐ 项目汇报案例 ⭐

阶段⭐ 用谁⭐ 原因
⭐ 梳理逻辑 ⭐ ⭐ 找矛盾 ⭐ ⭐ 指出证据缺口 ⭐ ⭐ 搭框架⭐ 强模型⭐ 深度判断
⭐ 材料核实 + 方向确定后⭐ 小模型⭐ 执行到位
⭐ 新材料无法解释 / 需要重新判断⭐ 强模型⭐ 回头啃难题

⭐ 经济账 ⭐

“便宜的账单 ⭐ 不能靠用户多打一份”管理 AI”的工来换。”

⭐ 算总成本 ⭐ = ⭐ **模型费 ⭐ ⭐ ** + ⭐ ⭐ 人花在解释 / 检查 / 收尾上的时间。

六、⭐ 人的角色进化 ⭐

⭐ Power 的判断 ⭐ ：⭐ GPT 代际 ⭐ ⭐ —— ⭐ 人机协作模式在变：

阶段⭐ ⭐ 用户角色
⭐ GPT-4⭐ 精心设计提示词
⭐ GPT-5⭐ 不断反馈纠偏
⭐ GPT-6⭐ 能接下目标 ⭐ 往前干的”同事”
⭐ GPT-7 / GPT-8⭐ 从”工具” ⭐ 真正变”同事”

⭐ GPT-6 Codex 的 3 个变化 ⭐

“Astra 可以向用户提问 ⭐ 同时继续处理不依赖回答的工作 ⭐ —— ⭐ 遇到重要决定 ⭐ 则等待用户输入。”

“它能在接收新要求时 ⭐ 更好地记住原来的目标和约束。”

“这些变化没有跑分那么直观 ⭐ 却直接关系到 AI 能不能从”工具”走向”同事”。”

⭐ ⭐ 三能力考验 ⭐ ⭐

“AI 自主推进任务 ⭐ 持续扛活儿的能力 ⭐ ：”

  1. ⭐ 要记得住目标
  2. ⭐ 能把工作往前推
  3. ⭐ 知道哪些决定必须请人拍板

七、⭐ 给 Sam 的启示 ⭐

#启示落地
⭐ 1⭐ “先做强 ⭐ 再蒸馏”是 AI 工业的 ⭐ 标准打法⭐ Sam 的 Hermes Agent ⭐ —— ⭐ 强模型（M3）做”思考 ⭐ ⭐ 决策 ⭐ ⭐ 创意” ⭐ —— ⭐ 弱模型（M2.7-highspeed）做”执行 ⭐ ⭐ 摘要 ⭐ ⭐ 检索” ⭐ ⭐ —— 这条路在 SOUL.md 的”Capability vs cost” 已经铺好 ⭐ ⭐ ⭐ 继续按这思路
⭐ 2⭐ 优化现有模型 ⭐ ≠ 极度短视⭐ Sam 现在可 ⭐ 以 ⭐ 同时 ⭐ 做 ⭐ ⭐ ⭐ ⭐ ⭐ ：(a)** ⭐ 保持 OpenClaw 当前能力 ⭐ (b) ⭐ 建 ⭐ 立”下一 ⭐ ⭐ ⭐ ⭐ ⭐ 代”路线图（⭐ Hermes Skill Marketplace 长期形态**）**
⭐ 3⭐ **GPT-6 → ⭐ “接目标的同事” ⭐ ⭐ 是 ⭐ **当前 ⭐ ** ⭐ ⭐ Agent 协作 ⭐ 基线⭐ **OpenClaw 的 <persistent_tasks> 已经朝这方向走 ⭐ —— ⭐ ⭐ ⭐ GTP-7/8 看能否从 ⭐ “自动 ⭐ 接 ⭐ ⭐ ⭐ ⭐ **目标 ⭐ ⭐ 扛活 ⭐ 知何时 ⭐ 问” ⭐ ⭐ 三 ⭐ ⭐ ⭐ ⭐ ⭐ ** ⭐ **更 ⭐ ⭐ ⭐ ⭐ 彻底 ⭐ —— 目标是”同事” ⭐ ⭐ 不是”更聪明的工具” ⭐ ⭐ ⭐ ⭐ ** ⭐ ⭐ ⭐ ⭐ ⭐ **

配图

OpenAI 80-90% 研究押 GPT-7 / GPT-8

图 1：OpenAI 应用研究负责人 Boris Power ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ ⭐ 80-90% 研究押 GPT-7/8 ⭐ ⭐ 先做强再蒸馏（新智元 · 2026-10-06）

来源