GPT-6.2推迟发布:OpenAI把安全排在了发布前面
OpenAI也终于活成了2022年谷歌的样子
OpenAI如今的样子,和2022年的谷歌越来越像了。
henry发自 凹非寺 量子位 | 公众号QbitAI
同样是承诺一个接一个、预告一轮又一轮,可新模型就是不见落地,
GPT-6.2更是一再往后拖。说到底,核心原因还是那两个字——安全。
网上流传着一则已经被删掉的帖子,发帖人是OpenAI工程师Joe,他在里面爆料:
OpenAI现在就是一家安全公司,已经成了全球最看重安全的公司之一。
这话的意思很直白:在OpenAI内部,对安全的焦虑已经排到了第一位,发新模型反倒退居其次。
这么看,还真有点谷歌当年的味道。2022年的谷歌手里攥着领先的技术,却因为担心安全和品牌声誉,迟迟不敢把产品放出来,结果生成式AI的先发优势被OpenAI抢了去。
就在刚刚,AI爆料博主Token Gremlin又给出了更具体的说法:OpenAI的新一代模型因为安全与对齐问题推迟发布,延期已经持续数周。
他点名的还不只是按顺序该接棒的GPT-6.2,GPT-6.5也被一同提及。他指出OpenAI眼下碰上一个棘手的问题:怎么把超过10万亿参数的预训练成果,变成公众真正能用上的产品。
这一爆料目前在社区里已经吵开了,相关话题也冲上了推特热榜。
这事之所以受关注,是因为11月初社区里就陆续有人称,自己已经被灰度到了GPT-6.2。
The Information也在11月4号透露过,OpenAI的新Sol、Astra和cyber模型最快可能在当周五,也就是11月6日推出。
结果半个月过去,新Astra没等到,其他型号也是一鸽再鸽。
另一边,好兄弟Anthropic倒是在11月9号接连发布了Claude Fable 5.2和Mythos 5.2~
难不成OpenAI真就在安全问题上画地为牢了,厉娜!
还是说……奥特曼打算等到19日A社上市,再找机会狙击一手?
GPT-6.2还在路上
按Token Gremlin最新的说法,奥特曼送给达里奥的这份上市大礼包,恐怕要因为安全对齐问题延期了。除了延期数周,他还给了一个更悲观的判断:这些问题短时间内很难解决,模型的发布节奏也难以迅速恢复。
就算GPT-6.2近期能上线,大概率也得套着一堆限制才能放出来,其余版本仍要往后拖。
不过就在一天前,Gremlin还晒过一个拿GPT-6.2 Astra做游戏的例子。
[图片没有可用地址]
没人清楚是哪条消息让Gremlin突然改了口风。可就在一周多以前,他对OpenAI这款新模型的态度要乐观得多。
11月7日,Token Gremlin说,GPT-6.2 Astra和Sol没能按预期亮相,原因是收尾阶段查出了严重的安全与对齐问题,需要额外修补。
他当时的估计是,再打磨几天,新模型就该和大家见面了。
差不多同一时间,OpenAI的Sebastian Sanso也在引用回复里表了态:
多花几天把安全做扎实是划算的。别急,好模型很快就到。
可到现在,并没有新模型被放出来,OpenAI官方也没再就此事作进一步回应。
Gremlin的说法,也从“再等几天”变成了多代模型接连卡壳。
那OpenAI为什么眼看着A社继续高歌猛进,自己却一点动静都没有?
在另一条帖子里,Token Gremlin直接点了Joe的帖子。
他把帖中关于内部安全文化变化的说法,跟GPT-6.2的延期挂上了钩,认为Hugging Face事件之后,OpenAI放行新模型变得格外小心。
这话说得有点云里雾里,但安全问题拖住研发和发布,在OpenAI身上确实有过先例。
早前OpenAI就因模型的越界行为叫停过部分训练,又因安全与对齐不达标,撤掉了GPT-6.1 Astra原定10月的发布安排。
OpenAI官方还在10月23日提到,9月20日发生的一次越界事件,让公司暂停了部分前沿模型的训练与评估。
至少从OpenAI此前公开的动作看,安全问题确实是左右前沿模型迭代节奏的一个关键变量。
OpenAI是怕了,还是真出问题了
面对OpenAI一拖再拖,不少网友开始各种猜。
比如Lumina发帖说:
OpenAI是不是想等Anthropic先放出Fable 5.2,摸摸对手的底牌?没想到反被对方抢了先,连GPT-6.2 Astra也只能继续延期?
Token Gremlin则把两家的差距归结到安全积累上。
他在后面的帖子里讲,自己虽然对Anthropic没什么好感,但得承认,这家公司长期重视安全,如今得到了回报:
按他的判断,Anthropic的新模型已经能公开交付,OpenAI在这一步上落后了几个月。
不过,上述内容眼下都还停留在社区爆料与个人推测的层面,OpenAI官方并未就此给出确认。
比起GPT-6.2到底哪天发布,另一个问题其实更早就摆在台面上了:
模型本事越大,前沿实验室之间的较量可能就不再只是“谁训得出更强模型”,而要看“谁能让更强的模型安全、稳定地送到用户手里”。
特别是RSI(递归自我改进)把研发节奏越推越快,预训练规模与模型能力仍在往上走,可能力本身并不等于能直接做成产品。
安全防护、对齐训练、部署方案,再加上模型在真实场景里靠不靠得住,这些环节都会拖住或加快最终的交付节奏。