OpenAI旗舰新模型对齐工作尚未完成，年内至少一款新模型将发布

据《The Information》援引知情人士的说法，OpenAI今年年底前大概率会发布一至两款新模型。然而，公司目前正在全力推进的下一代旗舰模型是否能赶上这一节点，目前仍不明朗。该旗舰模型尚需完成对齐工作，以确保模型目标与OpenAI研究人员及客户的预期保持一致，同时公司还需完善围绕该模型的测试基础设施，方可推进后续流程。

这款旗舰模型采用了循环Transformer技术，与OpenAI现有顶级模型Astra所使用的技术路线相同，在内部被称为「Recurrent Depth」。该技术的核心在于：模型在输出下一个词之前，会将同一个token多次循环通过相同的Transformer层，而非仅通过一次。这种方式能够显著提升数学和编程任务的表现，并允许规模较小的模型实现超出其体量的性能，从而降低整体运行成本。

然而，循环推理也带来了安全监控方面的挑战。由于部分推理过程被转移至人类无法直接读取的内部数值表示层，安全研究人员依赖链式思维监控来追踪模型推理过程、识别异常行为的方式受到削弱。OpenAI首席科学家Jakub Pachocki此前已公开承认，链式思维监控正变得越来越「脆弱」，并警告业界不应竞相开发缺乏可读推理过程的模型。为此，OpenAI在Astra中刻意限制了循环次数，以保持其链式思维的可读性。

在安全投入方面，据知情人士透露，OpenAI在Hugging Face事件发生后，将约10%的总算力转向对齐与安全工作。《The Information》报道称，这相当于数百兆瓦的数据中心容量，按市场价折算每年成本高达数十亿美元。AI研究员Noam Brown也在9月中旬的一档播客中表示，其团队约有10%的成员专注于安全与保障工作。

微软的一次意外泄露，让外界得以窥见OpenAI循环推理技术的具体实现方式。作为OpenAI的主要投资方，微软在一篇关于GPT-6.1 Sol的技术文档中描述了该模型使用「循环推理」的细节，并提到其「使用与GPT-6 Sol相同的基础模型权重，但采用两次推理通道而非三次」。这段内容随后被删除，但已被《The Information》从缓存页面中获取。一位直接知情人士确认，该文档内容与OpenAI私下告知微软的信息相符。

在监管层面，根据特朗普总统签署的行政令，OpenAI须在向外部合作伙伴开放新模型前至少30天，将其提交美国政府进行评估，公开发布前的等待期则更长。这一合规要求进一步增加了旗舰模型发布时间表的不确定性。尽管如此，OpenAI员工仍对年内至少发布一款新模型持乐观态度。

要点

• OpenAI年底前预计发布一至两款新模型，但下一代旗舰模型因对齐工作尚未完成，能否按时推出仍存变数
• 旗舰模型采用循环Transformer技术（Recurrent Depth），可提升数学与编程性能并降低成本，但同时削弱了链式思维安全监控能力
• OpenAI在Hugging Face事件后将约10%总算力转向对齐与安全，按市场价折算每年成本达数十亿美元
• 微软意外在公开页面披露了GPT-6.1 Sol的循环推理技术细节，随后删除相关内容，但信息已被媒体获取
• 根据特朗普行政令，OpenAI须在公开发布前将新模型提前至少30天提交美国政府审查，增加了发布时间表的不确定性