一场被"暂停"又"强行"的发布
2026年8月10日，AI 内幕记者 ChrisGPT 在 X 平台抛出一枚重磅炸弹：即使顶着政府安全审查的压力，OpenAI 代号 Astra 的 GPT-6 仍将在本月强行发布。而就在前一天，这个模型才刚刚被 OpenAI 紧急按下暂停键。一天之内，从"紧急暂停"到"强行发布"，两种截然相反的信号交替出现，本身就是一个耐人寻味的注脚——它说明在 OpenAI 内部，推迟发布所承担的竞争风险，已经被认定高于提前发布所承担的监管风险。
把时间线拉长看，这条爆料并非孤立事件。9个月前，OpenAI 开始重新分配计算资源，把重心压向预训练；几乎同一时期，业界传出 OpenAI 正在训练采用全新预训练基础、规模约 10T token、上下文可能达到 1.5M token 的新模型。8月的 Astra 与年底的 Doug，只是这场战略转向最终浮出水面的两个节点。
10 万亿参数：一笔可以估算的算力账
10 万亿是什么概念？据业界估计，GPT-4 的参数约为 1.8 万亿，若 Astra 的参数确为 10 万亿，那就是 GPT-4 的 5 倍以上，是 OpenAI 自成立以来规模最大的一次预训练。更关键的是，参数翻 5 倍并非线性问题。以公开的 Chinchilla 最优法则粗略估算：训练一个 10T 参数的稠密模型，若按最优 token 比（约 20:1 至 30:1）配比，需要 200 万亿到 300 万亿 token 的训练数据，对应的计算量约在 1e27 FLOPs 量级，是 GPT-4 训练算力（约 2e25 FLOPs）的 50 倍以上。
这笔账折算成真金白银更为直观。以单卡约 1e15 FLOPs/s 的当代旗舰加速卡计算，完成一次这样的预训练需要数万卡持续运行数月。仅电力与硬件折旧，单次训练成本就可能达到数十亿美元量级，这还不包括失败重训的风险敞口。四年前 GPT-4 在 8月8日完成训练，四年后 Astra 的参数规模在数量级上完成跃升，OpenAI 押上的不仅是技术，更是整个公司的现金流与算力采购能力。
9 个月的"换发动机"：被逼出来的战略转向
为什么 OpenAI 要在这个时间点豪赌预训练？因为过去两年，它的"发动机"其实一直没换。自从 2024 年 5 月发布 GPT-4o 以来，OpenAI 超过两年没有完成下一代前沿模型的全规模预训练，o1、o3、GPT-5 到 GPT-5.5，本质上都是在 GPT-4o 时代的底座上做后训练、强化学习与推理计算。预训练瓶颈曾让 Orion 等项目因表现不及预期而被降级——这是被大量报道验证过的事实。
9个月前的那次资源再分配，正是对这一困境的正面回应。据传，谷歌 Gemini 3 的发布让奥特曼下定决心"换发动机"；紧接着代号 Garlic 的新预训练模型浮出水面，首席研究官 Mark Chen 告诉团队已解决预训练中的关键问题。Garlic 更像一次验证实验，而 Doug 才是放大到更大规模后的真正产物。这个时间轴透露出一个清晰的技术推演：OpenAI 大概率突破了此前困扰业界的"性能退化"瓶颈，搞定了万卡甚至十万卡集群的稳定性，才敢把规模推到 10T 参数以上。换言之，Astra 不仅是产品，更是对 Scaling Laws 的一次公开赌注——只要算力和数据跟得上，预训练维度的规模效应依然成立。
规模竞赛：田忌赛马与年底的"史诗级巨兽"
OpenAI 的紧迫感直接来自 Anthropic。9个月前重新分配算力，说明高层当时已经判断 Anthropic 在预训练上领先。如今 Anthropic 手握 Fable 5，还准备在 8 月发布定价持平的 Fable 5.1 直接对标 Astra，被外界解读为"田忌赛马"：Opus 5 发布时故意留力，把 Fable 5.1 当作伏兵，等 GPT-6 一亮相就立刻截击。
面对这套打法，OpenAI 选择了双卡布局：8 月用 10 万亿的 Astra 炸场、抢占用户心智；年底再甩出代号 Doug 的"史诗级巨兽"——它不仅是 OpenAI 迄今规模最庞大的预训练模型，据传还使用英伟达尚未全面铺开的下一代 Vera Rubin 芯片训练，并宣称能让 Fable 显得像"原始产物"。Doug 需要先完成预训练，再进行大量网络安全测试，最迟可能在 11 月前发布。值得注意的是，SemiAnalysis 此前也曾提及 Doug 的名字，说明这并非孤立的坊间传言。
而在这场双雄对决中，曾经的第三极正在掉队：8月5日，谷歌首席科学家 Jeff Dean 与三位核心研究员出走创业，哈萨比斯卸任 DeepMind CEO，Alphabet 股价当日跌超 4%。发明 Transformer 的地方开始向对手输送顶尖研究员，硅谷的 ASI 竞赛事实上只剩下 OpenAI 与 Anthropic 两家。
豪赌的涟漪：算力、成本与安全审查
这场预训练豪赌的代价，正在向整个行业传导。算力层面，10T 参数预训练对电力供给、互联带宽与集群调度提出了近乎苛刻的要求，Anthropic 近期因算力短缺限制 Fable 5 用量，已证明硬件而非软件才是当前真正的瓶颈；成本层面，单次预训练数十亿美元的投入意味着资本门槛被进一步抬高，中小实验室几乎被挤出前沿竞赛，行业会加速向"巨头寡头化"收敛；安全审查层面，预训练规模越大，安全评测周期越长——Doug 需进行大量网络安全测试，Astra 被政府要求限时发布，Anthropic 的 Fable 5 曾遭 18 天停运，都预示着监管介入将从"事后追责"变成"发布节奏的前置变量"。
回到那个核心问题：OpenAI 能在监管与竞争的双重压力下，把这张 10 万亿参数的牌打好，并最终在年底的 Doug 上兑现预训练的规模红利吗？答案取决于两个未知数：一是 10T 参数能否真正涌现出可感知的能力跃迁，而不只是参数的数字游戏；二是安全审查是否会演变为长期约束，改变"先发布、后修补"的行业惯例。无论如何，8 月的这场发布，已经为预训练规模竞赛按下加速键——而这场赌局的最终清算，恐怕要等到年底 Doug 亮牌的那一刻。
*本文仅代表作者个人观点（仅供参考）* 来源：创客OPC原创整理📰 本文信息综合整理自公开报道，仅供参考。
