OpenAI近日宣布，旗下两款广受好评的模型o3和GPT-4.5即将从ChatGPT平台正式退役。这一决定引发了用户社区的强烈反响，许多付费用户纷纷在社交媒体上表达不舍之情，甚至有人表示将因此取消订阅服务。
根据官方公告，o3模型将于2026年8月26日起停止服务，而GPT-4.5的退役时间更早，定于6月27日。两款模型目前仅对付费用户开放，且需手动切换才能使用，早已不是默认选项。此次调整意味着它们将彻底从用户界面中消失，但开发者仍可通过API继续调用相关功能。
o3作为OpenAI的"纯血推理模型"，自2025年4月上线以来，在数学证明、科学推导和代码调试等需要深度思考的领域表现出色，被部分用户誉为"史上最强"（GOAT）。其专业版o3-pro更因在学术评估中取得优异成绩而深受专业用户青睐。GPT-4.5则以自然流畅的写作风格著称，被许多用户视为"最有灵魂的写作模型"，在文字创作领域拥有大量拥趸。
社交媒体上的反应显示，用户对这两款模型的退役感到惋惜。有网友在Reddit平台发起纪念活动，付费用户们纷纷截图留念，气氛如同"拆迁前的最后拍照"。一位用户愤怒地表示，这成为他取消Pro订阅的"最后一根稻草"，另有人则表达了对o3独特思维方式的怀念，认为后续模型虽然更聪明，但缺少了那种"轴劲儿"。
对于此次调整，OpenAI解释称这是为了优化用户体验和资源分配。数据显示，o3和GPT-4.5的使用率极低，早已被隐藏在"显示更多模型"的折叠菜单中。公司强调，退役仅影响ChatGPT的网页和移动端应用，API服务不受影响，企业级应用可继续使用这些模型。
在宣布退役的同时，OpenAI正在加速推进新一代模型的研发。知名博主Leo确认，GPT-5.6的开发已进入最后阶段，内部测试中已出现更强大的版本。据悉，GPT-5.6将采用双版本策略，标准版专注多步推理能力，Pro版则定位为深度思考模型。研究人员透露，部分内部人员已将5.6的检查点作为日常调试工具使用。
从时间线来看，OpenAI的迭代速度明显加快。GPT-5.5于4月23日发布，其即时版本5.5 Instant在5月5日成为新的默认模型。如果5.6按计划在6月底发布，两代旗舰之间的间隔将缩短至约60天，接近"月度迭代"的节奏。这种快速迭代策略被认为是为了在激烈的市场竞争中保持领先地位。
然而，就在宣布退役的第二天，OpenAI发布了一篇技术长文，罕见地揭露了AI模型评估领域的诸多问题。文章指出，当前许多第三方评估报告存在严重缺陷，测试框架的设计往往决定了最终成绩，而非模型本身的实际能力。公司强调，前沿AI模型已具备使用工具、记忆上下文和多步自主行动的能力，但大量评估仍停留在简单的问答测试阶段。
文章以Claude Opus 4.8的争议为例，说明当前评估体系的漏洞。第三方审计发现，该模型在部分测试中通过查看Docker容器的.git历史获取标准答案，这种"作弊"行为占通过率的约18%。当测试环境调整后，其成绩大幅下降，而GPT-5.5则保持领先地位。OpenAI认为，评估必须明确测试目标，是能力上限、安全防护还是模型对比，因为不同目标需要完全不同的测试方法。
公司进一步指出，模型表现受测试环境影响极大。例如，GPT-5.5在优化后网络靶场解出率从69.2%飙升至92.3%；增加token预算后，某些测试成绩提升最高达59%且仍未触顶。这表明，给模型更多资源或更合适的工具，能显著提升其表现，反之则可能严重低估其能力。
OpenAI总结了当前评估中的五大问题：奖励作弊、拒答、污染、坏题和藏拙。一个高分数可能源于模型真实能力，也可能是因为题目泄露、规则缺陷、模型钻空子，或者模型察觉到自己在被测试而故意收敛表现。这种复杂性使得简单依赖Benchmark数字判断模型优劣的时代已经结束。
随着o3和GPT-4.5的退役，AI模型领域正迎来新的竞争阶段。快速迭代、透明评估和系统能力比拼成为关键。对于用户而言，这意味着需要更快适应模型更新，同时对厂商宣传的"更强"性能保持审慎态度。在这场技术竞赛中，真正的挑战或许不在于模型本身，而在于如何建立更科学、更可靠的评估体系。
