OpenAI 据报启动“红色警报”：人工智能预训练还能继续扩展吗？

摘要

30 秒看懂

在这段 2025 年 12 月的视频中，Matthew Berman 讨论 Google 的 Gemini 3、OpenAI 据报启动的内部“红色警报”，以及 The Information 对代号 Garlic 的模型的报道。他对比研究人员对扩展规模的观点与 OpenAI 研究负责人 Mark Chen 对进一步预训练的信心，并认为对大多数用户而言，日常产品体验比模型能力的细微提升更重要。

1规模扩展前景尚有争议Berman 引用 SemiAnalysis 对 OpenAI 预训练的分析，将 Ilya Sutskever 对单纯扩展规模的怀疑与 Google 的 Gemini 3 作对照。这些说法和解读并不能证明所有模型都遇到了规模扩展的瓶颈。
2据报启动的红色警报Berman 引用报道称，OpenAI 将优先改善 ChatGPT 的日常使用质量，包括速度、可靠性和个性化。
3Mark Chen 谈预训练OpenAI 的研究负责人表示，公司加强了预训练团队，并认为仍有很大的改进空间。
4Garlic 与内部测试The Information 报道称，代号 Garlic 的模型在 OpenAI 内部编程和推理评估中表现良好。Berman 讨论的发布时间和名称只是预测。
5产品体验与用户留存Berman 认为，大多数用户重视整体体验，可能不会因为模型能力的细微提升而更换产品。

要点建议

2025 年 12 月的报道指出，OpenAI 正优先改进 ChatGPT，并推迟其他一些项目。
研究人员对于进一步预训练还能给模型带来多少提升存在分歧；Gemini 3 的表现并不能终结这一争论。
OpenAI 研究负责人 Mark Chen 表示，公司认为预训练仍有很大空间，并正在构建更强的模型。
The Information 报道了尚未发布、代号为 Garlic 的模型及其内部评估；这些评估并非独立公开的基准测试。
Berman 认为，个性化、速度和可靠性对普通用户尤其重要。

主题Pretraining & midtraining AI Strategy OpenAI Scaling Laws 产品与体验

全文

按章节阅读整理后的全文

对照原始文稿

只看原始文稿

Google、OpenAI 与预训练之争

Berman 讨论 Google 的基础设施和一篇关于 OpenAI 预训练的报道，并对比有关单纯扩大模型规模是否有价值的不同观点。

Google 凭借 Gemini 3 和 TPU 基础设施获得了极大关注。据报道，作为回应，Sam Altman 在 OpenAI 启动了“红色警报”；The Information 则报道了一款正在开发、代号为 Garlic 的新模型。到 2025 年 12 月，我认为 Google 所处的位置尤其有利：它拥有前沿模型、基础设施、定制芯片、可观收入、研究人员和数据。

幻灯片 1 / 2SemiAnalysis 谈 Google 的 TPU 基础设施画面中的报道将 Google 的预训练基础设施与其对 OpenAI 工作的评估作了比较。

SemiAnalysis 认为，自 2024 年 5 月的 GPT-4o 以来，OpenAI 的主要研究人员没有成功完成一轮全面预训练，并将其作为新的前沿模型广泛部署。这是该刊物对复杂技术历史的描述，并非经过独立证实、表明 OpenAI 已停止改进模型的证据。它提出了一个问题：单纯扩大预训练规模是否变得更加困难？

OpenAI 联合创始人、现任职于 Safe Superintelligence 的 Ilya Sutskever 与 Dwarkesh Patel 讨论了这个问题。在片段中，他将 2012 至 2020 年称为研究时代，将 2020 至 2025 年称为规模扩展时代，并质疑将规模扩大 100 倍是否会彻底改变结果。我的理解是，我们需要新的研究思路和算法，而不只是增加同类计算。

Andrej Karpathy 也对规模扩展提出过疑问，而 Yann LeCun 长期以来一直认为当前语言模型存在局限。这场争论甚至催生了一张网络迷因，对比人们对 Sutskever 和 LeCun 类似言论的反应。这些研究者的立场不一定相同，迷因也不能证明任何一方已经解决了这个问题。

随后 Google 发布了 Gemini 3。在我看来，这是对“规模扩展已经结束”这一说法的有力反例。也许 Google 的方法或架构帮助它突破了其他公司遇到的限制；许多人将原因归于其多年开发的定制 TPU 芯片。不过，仅凭这样的比较无法确定模型表现背后的确切原因。

据报启动的 ChatGPT 红色警报

新闻报道描述了将工作重点转向 ChatGPT 质量的变化。Berman 认为速度、个性化和可靠性对日常用户很重要。

据《华尔街日报》报道，Altman 告诉 OpenAI 员工，要紧急改善 ChatGPT 的日常体验，包括个性化、速度、可靠性和它能回答的问题范围。其他报道则称，一些项目将被推迟。我认为这样的重点很重要：产品质量不只是模型本身的基准测试表现。

我认为现有模型已经有足够的能力应对绝大多数普通使用场景，尽管我仍然欢迎智能水平继续提高。对大多数人来说，模型周围的辅助系统和日常使用体验非常重要。我所说的“99%”是一种判断，并非测量所得的数据。

Google 拥有强大的模型，使用量也在增长；我引用了 Gemini 活跃用户从 4.5 亿增至 6.5 亿的数字，并认为 OpenAI 正接近 10 亿。这些数字描述的是视频发布时的情况，不应假设它们采用完全相同的统计口径。Google 还拥有多种收入来源和可调用的现金，以支持它与 OpenAI 和 Anthropic 的竞争。

OpenAI 对预训练的回应

一段 Mark Chen 的访谈片段介绍了重新加强预训练的工作，以及他对更强模型的信心。Berman 将这些言论与一款尚未发布的模型的报道联系起来。

在一段播客片段中，OpenAI 首席研究官 Mark Chen 表示，公司在此前半年加强了预训练工作，包括组建优秀团队、重视其中的重要环节。他说，这些努力产生的成果让他有信心与 Gemini 3 竞争。这是一位高管的判断，并非经过独立验证的比较。

Chen 还说，尽管有人声称规模扩展已经走到尽头，OpenAI 仍认为预训练有相当大的发展空间，相关工作也产生了强得多的模型。我认为，这表明 OpenAI 在一段时间集中关注强化学习之后，正重新重视预训练。据报取得的进展能否体现在发布的产品上，还有待观察。

Garlic 与产品竞争

The Information 报道了 Garlic 和另一项内部模型评估。Berman 讨论了发布传闻、据报推迟的项目，以及用户体验在竞争中的重要性。

The Information 报道称，OpenAI 正在开发代号为 Garlic 的模型，以应对 Google 的进展。据该媒体的消息来源，Chen 告诉同事，在公司涉及编程和推理的评估中，Garlic 与 Gemini 3 和 Claude Opus 4.5 相比表现良好。这些是据报的内部结果，文章并未确立独立测试条件或最终发布版本的性能。

The Information 还报道，Altman 称另一款正在准备发布的推理模型在 OpenAI 的内部评估中领先 Gemini 3。我猜测年底发布的产品可能叫 GPT-5.2 或 GPT-5.5，但这只是推测。该媒体称 Garlic 不同于另一款开发中的模型 Shallotpeat，并纳入了后者预训练过程中使用的问题修复。

幻灯片 2 / 2The Information 对 Garlic 的报道文章区分了 Garlic 与 Shallotpeat，并介绍了据报进行的内部模型评估。

报道还称，OpenAI 正推迟广告和购物相关项目，以便集中精力改进 ChatGPT。我欢迎公司重视使用体验。我认识的一些人已经大量转向 Gemini，但他们和我都不是典型用户；许多人更看重整体体验，而非基准成绩的小幅提高。

Google 可以利用 Search 的分发渠道扩大 Gemini 的用户群，但 ChatGPT 是许多人第一次接触这类人工智能的入口。我认为，即使高级用户会转向眼下最领先的产品，熟悉度和良好的产品体验仍会让大多数用户不太可能因为每一点改进就更换工具。OpenAI 面临更激烈的竞争，而消费者可以从中受益。