夏季AI模型发布潮与GPT Live的营销亮点
尽管传统职场认为七月和八月是休整期，但AI领域的模型发布节奏并未放缓，反而因政府干预导致的节奏混乱而加速。本周迎来了被称为“模型月”的密集发布期，包括Fable的回归、Grok 4.5（与Cursor合作后的首款新品）、Cognition的SUI 1.7，以及OpenAI的GPT Live。在营销层面，OpenAI通过一组老年女性与ChatGPT自然对话的视频展示了新模型特性，这种策略被Packy McCormick评价为“OpenAI只需保持正常策略正在完美运作”。视频中的女性不仅显得聪明 sophisticated，还展示了掌控对话、打断甚至略带粗鲁的能力，这反映了OpenAI对消费者与AI交互方式演变的深层思考。
语音交互架构的演进：从级联到全双工
GPT Live分为GPT Live 1和GPT Live Mini两个版本，其核心突破在于全双工架构（Full Duplex Architecture）。早期的ChatGPT语音采用级联系统，由语音转文字、LLM生成、文字转语音三个模型串联，导致信息丢失且响应迟缓。随后的Advanced Voice Mode采用单模型生成音频，降低了延迟，但仍基于基于回合的交互（Turn-based），即必须等待用户停止说话才能回应，这导致背景噪音或短暂停顿常被误判为对话结束，造成突兀的打断。GPT Live则实现了连续交互，模型每秒多次决策是否说话、倾听、暂停或打断，从而实现了更接近人类自然对话的体验。
多模型协同与后台任务处理机制
GPT Live的第二个关键架构决策是将实时交互模型与深度推理/搜索任务分离。当GPT Live负责对话时，它可以召唤如GPT 5.5或5.6等模型在后台执行搜索或推理任务，而无需中断对话流。这种模式与Thinking Machines Labs的Riley Brown所描述的架构相似：实时语音模型运行交互逻辑，后台模型使用工具。开发者Daniel Vela也指出，这种架构允许用户在与代理连续交谈的同时，后台执行重型任务，提供了比传统语音代理更愉悦的体验。这标志着AI系统正趋向于多模型协同，由编排模型启动子代理在后台处理特定任务，最终整合为连贯响应。
实时无停顿交互的多语言应用潜力
GPT Live的实时无停顿操作特性在多语言交互场景中展现出巨大潜力。由于模型能够连续处理输入并生成输出，无需等待完整的句子结束或回合切换，这使得跨语言对话中的即时翻译和自然切换成为可能。这种架构消除了传统语音助手在语言转换时的机械停顿感，让用户能够像与母语者交谈一样进行多语言沟通。虽然具体测试数据未在片段中详细列出，但演示表明，这种连续处理能力不仅提升了对话的自然度，也为复杂的实时协作场景奠定了基础，预示着未来AI助手将更深度地融入日常沟通流中。
实时翻译能力重塑语言学习体验
新版模型的核心突破在于实时流式翻译能力，它不再需要等待用户说完整个句子或停顿，而是能够像人类翻译一样，在说话的同时逐句进行翻译。这种低延迟的特性使得交互体验更加自然流畅，彻底改变了以往机器翻译那种生硬、滞后的感觉。对于语言学习者而言，这一功能被视为革命性的工具。用户 Simon Smith 在尝试用西班牙语练习时，发现模型不仅能提供英文对照翻译，还能精准纠正发音，极大地提升了学习效率和互动性。
"I tried practicing Spanish with it. It can give me words in English to translate and properly critique my pronunciation."
除了语言学习，这种实时交互模式还激发了其他教育场景的想象。Simon Smith 指出，如果结合通用的闪卡工具，该模型可以应用于各种学习领域，包括闪卡记忆、测验以及类似黑板的画板功能，使其成为一个卓越的个性化教师。虽然目前 ChatGPT 尚未内置专门的闪卡功能，但新版本已支持显示天气、股票、体育赛程等可视化卡片，这暗示了向闪卡功能扩展的技术门槛并不高，未来在教育领域的落地潜力巨大。
语音优先：从个人助理到工作流的范式转移
尽管语音交互在消费级场景中表现优异，但其对工作场景的影响更为深远。Sam Altman 明确表示，虽然自己过去偏好打字，但现在的语音交互让他感到“神奇且真实”，并预测交互方式将发生根本性转变。这种转变的核心在于语音优先（Voice First）的交互模式更接近人类自然的交流方式，而非传统的键入模式。对于专业用户而言，使用语音输入（如 Whisper Flow）而非打字，能够提供更丰富的上下文信息。因为人说话的语速远快于打字速度，且语音允许更自由的“漫谈式”输入，从而为 AI 提供了更完整的背景语境，这往往比结构化但信息量有限的文字输入更能提升 AI 的输出质量。
"GPT live launches today in chat GBT. It feels magical and real. I have always preferred typing to talking to an AI. Now I think that's going to shift."
值得注意的是，这种语音交互并非简单的双向对话，而是强调高效的信息交换。许多用户发现，等待 AI 语音回复反而是一种干扰，因为人脑阅读文字的速度远快于收听语音的速度。因此，未来的工作流可能更倾向于将语音作为主要的输入手段，而将文本作为主要的输出和阅读手段，从而在保持上下文丰富性的同时，最大化信息处理效率。
早期用户反馈：从怀疑到“Jarvis”愿景
早期测试者的反馈显示，新版语音模型正在迅速改变用户的使用习惯和预期。用户 Daria an Maz 表示，尽管之前很少使用语音功能，但新版本的自然度、流畅度和智能程度使其成为高频用户。她特别提到，模型在处理土耳其语及其方言时表现卓越，不仅能进行同步翻译，还能捕捉语言的细微差别、节奏感和地域特色。这种对语言细微之处的把握，让模型从单纯的翻译工具升级为具备文化理解力的助手。
"The voice is so much more natural, smooth, intelligent and really so enjoyable to talk with. ... it captures the subtleties, rhythm, and local feeling of the language."
另一位用户 Riley Brown 从最初的怀疑者转变为惊叹者，他形容模型的声音“逼真得令人毛骨悚然”，并指出模型具备快速搜索互联网和使用工具的能力。他预测，随着技术的成熟，用户将能够通过语音直接处理邮件、查询商业数据、安排会议，实现类似电影《钢铁侠》中 Jarvis 的功能。Simon Smith 也持类似观点，认为这是 AI 最接近“人类数字助理”形态的时刻。结合 Claude Tag 在 Slack 中的多用户共享上下文能力，用户 Max Weinbach 设想了一个未来场景：AI 不仅能聊天，还能委托、阅读和管理项目中的所有工作流，最终实现通过语音控制整个电脑。这种从“工具”到“同事”的转变，标志着 AI 交互范式的重大演进。
"This felt like the closest I've ever seen an AI come to being a capable humanlike digital assistant, Jarvis, her, what have you. ... it feels like we're in a transition period where AI's become more like colleagues and less like tools."
语音交互的表象与推理深度的矛盾
2027年，AI助手将从“瓶中精灵”演变为实时推断用户意图的伴随者，核心技能转向“实时精灵操控”。然而，GPT Live Voice的发布引发了关于语音体验与推理能力的激烈争论。Gail Weiner指出，虽然语音的节奏、温暖和自然度令人印象深刻，听起来像是一个享受思考的伙伴，但“语音不是产品，思考才是”。她批评这种技术是“包裹在浅层推理上的美丽声音”，对于快速问答很友好，但在头脑风暴和深度工作方面表现不佳。
这一观点得到了Husk视频数据的佐证。在测试中，即使设置为最高智能模式，GPT Live Voice在基础逻辑任务（如计算数字17中有几个字母E）上仍出现错误，声称有“两个E”，随后又自我纠正。OpenAI对此以幽默回应，但核心问题在于：语音模型与底层推理模型存在层级差异。GPT Realtime 2 API是面向开发者的更智能实时语音模型，而GPT Live 1是面向用户的聊天语音体验，后者虽能调用GPT 5.5，但语音层本身并非智能的终极体现。
交互范式从工具向关系的转变
尽管语音模型在纯智力上未必达到前沿水平，但它代表了交互范式的根本性转移。Sitebringer指出，GPT Live让AI从软件感觉转变为“实时认知存在”。文本将AI与用户保持距离，而语音通过自然打断、情感回应、节奏跟随以及捕捉犹豫和不确定性，极大地缩小了这种距离。
这种变化意味着交互从单纯的“工具使用”转向了“关系使用”。虽然这引发了对AI陪伴维度的讨论，但其影响远超消费者层面。随着工作性质日益转向协调与管理，语音可能成为执行这种协调的重要方式。对于需要延伸战略辩论的场景，基准测试仍取决于底层的前沿推理模型，而非语音层本身。语音模型必须在倾听、决定打断时机、避免尴尬沉默和低延迟之间做出权衡，这与深度推理的目标截然不同，但却是人机协作进化的重要一步。
Grock 4.5：工程导向与成本效率的突破
SpaceX AI与Cursor收购后的首个合作成果Grock 4.5，标志着AI在编码和代理工程领域的重大进展。Grock 4.5专为现实世界工程打造，擅长处理大型代码库、跨多个仓库的长运行任务以及多种工具调用。Cursor强调，这是他们首个不仅限于软件工程构建的模型，同时确认Composer 2.5（基于Kimi微调，低成本高性能）将继续提供，两者属于不同的模型权重类别。
在性能基准测试中，Grock 4.5展现了与Opus 48和GPT 5.5相当的实力，但在成本效率上具有压倒性优势。以下是关键基准测试数据的详细对比：
| 基准测试名称 | Grock 4.5 表现/排名 | 对比模型表现/排名 | 备注 |
|---|---|---|---|
| Terminal Bench 2.1 | 与 Opus 48, GPT 5.5 相当 | Opus 48, GPT 5.5 | 性能持平 |
| Sweepbench Pro | 与 Opus 48, GPT 5.5 相当 | Opus 48, GPT 5.5 | 性能持平 |
| Deep Suite 1.0 | 与 Opus 48, GPT 5.5 相当 | Opus 48, GPT 5.5 | 性能持平 |
| Artificial Analysis Index | 总体排名第4 | 第1: Fable 5, 第2: Opus 48, 第3: GPT 5.5 | 仅次于前三者 |
| Agentic Knowledge Work | 表现强劲 | 信息不足 | 优势领域 |
| Coding | 表现强劲 | 信息不足 | 优势领域 |
| GDP Value | 排名第4 | 信息不足 | 价值评估 |
成本效率：Grock 4.5 的经济性优势
Grock 4.5 最大的亮点在于其极高的成本效率。在 Artificial Analysis 的测试中，它是所有前沿模型中运行成本最低的。具体成本数据如下：
| 模型名称 | 每任务成本 (美元) | 相对成本倍数 (以Grock 4.5为基准) | 备注 |
|---|---|---|---|
| Grock 4.5 | $0.31 | 1x | 最具成本效益 |
| GLM 5.2 | 略高于 $0.31 | ~1x | 略贵 |
| Kimi K 2.6 | 略高于 $0.31 | ~1x | 略贵 |
| Haiku 4.5 | 略低于 $0.31 | <1x | 更便宜 |
| Neotron 3 Ultra | 略低于 $0.31 | <1x | 更便宜 |
| GPT 5.5 | $0.93 (约) | 3x | 成本约为Grock的3倍 |
| Opus 48 | $1.80 | ~5.8x | 成本约为Grock的6倍 |
| Fable 5 | $1.55 (约) | ~5x | 成本约为Grock的5倍 |
注：GPT 5.5 成本为 $0.93 是基于“Grock 4.5 成本约为 GPT 5.5 的三分之一”推算；Opus 48 为 $1.80；Fable 5 为 $1.55 是基于“Grock 4.5 成本约为 Opus 的 1/6 和 Fable 的 1/5”推算。
基于基准测试，Grock 4.5 被描述为以接近 Opus 的性能提供高成本效益的模型。其每任务成本仅为 Opus 48 的五分之一，Fable 5 的五分之一，以及 GPT 5.5 的三分之一。这种“接近 Opus 性能，但成本极低”的特性，使其在需要大规模工程任务和代理工作的场景中具有极高的实用价值，标志着AI竞争焦点从单纯的原始智力转向效率与成本的平衡。
Grok 4.5：自动化基准霸主与高性价比替代方案
Grok 4.5在AI自动化基准测试（Automation Bench）中表现卓越，该基准测试模拟Excel、Gmail和Slack等真实SAS工作流，评估模型使用工具完成任务的能力。Grok 4.5以51.4%的得分位居榜首，超越了Fable 5的48.6%，且单次任务成本仅为34美分，远低于Fable的135美分。在资源消耗上，Grok 4.5使用的token数量不到Opus 48的一半，且工具调用轮次更少。尽管基准测试可能存在偏差，但实际用户体验证实了其高效性。
| 模型 | 自动化基准得分 | 单任务成本 | Token消耗对比 | 工具调用轮次 |
|---|---|---|---|---|
| Grok 4.5 | 51.4% | $0.34 | < Opus 48的一半 | 较少 |
| Fable 5 | 48.6% | $1.35 | 基准对比 | 较多 |
| Opus 48 | 信息不足 | 信息不足 | 基准对比 | 基准对比 |
开发者实测：Grok 4.5作为默认编码模型的潜力
YouTuber Theo对Grok 4.5进行了深度测试，发现其在处理多目标代码变更和PR时表现出色，交互流畅且无卡顿。虽然它在代码全面性上不及GPT 5.6，也未发现Fable发现的所有问题，但其速度快、成本低、交互愉悦的特点使其成为Opus 48的良好替代品，并优于GLM 5.2。Theo评价道：
"This is the kind of back and forth and complex multi-target tasks that you could make most models do if you try to break them up really carefully and not try to bloat the context. I had no ergonomic issues with 4.5 at all. It was actually really pleasant to work with."
Elon Musk也承认Fable在绝对能力上优于Grok 4.5，但指出大多数任务无需达到Fable级别的能力。企业用户更倾向于将Grok 4.5作为执行层代理模型，由Fable或GPT 5.6作为编排器，这种分工模式在当前市场极具吸引力。
地缘政治与市场格局：Grok 4.5对开源模型的冲击
Grok 4.5的发布恰逢中国开源模型（如GLM 5.2、Kimmy K）面临政策不确定性的时刻。Ston Daddy指出，企业因数据主权、合规性和地缘政治风险，往往回避中国开源模型。Grok 4.5提供了优于中国开源模型的性能，且成本接近，同时具备西方构建的企业友好属性，可能迅速占据市场。
"Enterprises are already clamping down on token spend. Chinese open source models offer strong price and performance and have gained traction, but many orgs still avoid them over data sovereignty, compliance, security, and geopolitical risks. Gro 4.5 delivers better than Chinese open source performance at near Chinese open source cost without the stigma of being Chinese open source westernbuilt and enterprise friendly."
此外，Cursor作为企业内已普及的工具，为Grok 4.5提供了天然的入口，使其成为企业AI编程的默认选择之一。
Cognition SU 1.7：强化学习的突破与速度优势
本周发布的Cognition SU 1.7基于Kimmy K 2.7构建，接近Cursor的Composer模型。它在标准基准测试中略优于GLM 5.2和Composer 2.5，性能接近前沿模型，但成本仅为后者的三分之一到一半。Cognition创始人Silus Albertie透露，团队通过解决快速熵崩溃等问题，成功突破了强化学习的瓶颈，使模型性能意外大幅提升。
"We wanted to push this to a limit. For Kimmy K 2.7, which has already been heavily post-trained multiple times, it initially seemed like there wasn't much to squeeze... At some point it suddenly started working and the model Suite 1.7 magically improved by much more than we expected."
SU 1.7的极速响应（如SWE 1.7 Lightning版本）改变了人机交互模式，使用户能跟上AI的生成速度。这印证了应用层公司利用UX数据微调专用模型，以更高速度、更低价格实现与闭源前沿模型相当性能的趋势。闭源模型用于探索，开源/微调模型用于规模化生产，这一模式正日益成为行业共识。
速度重塑工作流：从异步到实时交互
当前AI应用面临的核心挑战在于延迟与任务复杂度的平衡。过于简单的任务可以直接委派，而过于复杂的任务则需要长时间脱离，但在两者之间存在一个尴尬的中间地带：高延迟导致无法实时交互，但任务时长又不足以让人完全离开。Sui 1.7 等模型试图解决这一痛点，而 Cognition 的 Nate Dabbitt 指出，这种速度创造了一种新的开发者体验（DX）类别。他描述道：
"Building this way is a new category of DX, a task that used to justify walking away finishes before you've mentally moved on. There's a weird middle mode now. It's technically async, but fast enough that you just watch."
这种“技术上异步，但快到你只需观看”的模式，标志着人机交互范式的转变。速度的提升不仅仅是效率问题，它改变了人们思考和处理工作的心理预期，使得原本需要长时间等待的任务变得可以即时监控和调整。
GPT-5.6 Soul 的核心优势与适用场景
GPT-5.6 Soul 的早期评测揭示了其在特定领域的卓越表现。与追求极致推理能力的模型不同，Soul 在浏览器使用、类人写作、人类沟通、交付可用产品（不仅是代码）、视频编辑、前端设计以及生产力循环方面显著优于其他模型。AI 研究者 Clairvo 强调，Soul 在这些实际执行层面的任务中表现突出。
在写作领域，Every 的 Dan Shipper 认为 GPT-5.6 是比 Fable 更好的写手。他测试发现，Soul 能够一次性生成营销邮件，而之前的模型往往会失败。相比之下，Fable 过于冗长，且容易陷入使用“私人语言”的陷阱。Shipper 用生动的比喻总结了两者差异：
"GPT 5.6 is like a Porsche. Fable is like a warp drive... If you need to get across the galaxy, use Fable. If you need to get around town using the best available tool for the job, use 5.6."
这种对比表明，GPT-5.6 是日常知识工作和编码的最佳组合工具，而 Fable 则适用于需要跨越巨大认知鸿沟的长期复杂任务。当团队暂时失去对 5.6 的访问权限时，成员 Austin Tedesco 形容回归旧模型的感觉如同“试图投掷一个两倍重的篮球”，凸显了速度对用户体验的深远影响。
法律研究与精准搜索：GPT-5.6 的专业验证
在法律研究这一对信息精确度要求极高的领域，GPT-5.6 Soul 展现了其独特价值。律师 Lawyer Prince 指出，只要相关法律权威资料全部在线公开，GPT-5.6 可以替代任何级别的助理进行法律研究。这一结论基于他对模型“大海捞针”（needle in a haystack）搜索能力的严格测试，这是法律工作中获取精确信息的关键。
Prince 偏好 OpenAI 模型而非 Entropic 模型的主要原因在于搜索能力的精准性。在法律领域，细微的信息偏差都可能导致严重后果，因此模型检索相关文献的能力至关重要。GPT-5.6 在这一特定任务上的表现，证明了其在处理需要高度精确性和结构化信息的垂直领域时，具备替代初级专业工作的潜力。
工作流整合：Soul 作为日常协作伙伴
Every 团队在深入测试 GPT-5.6 Soul 后，总结出了其最佳实践模式。Soul 被定位为“我们信任的日常驱动程序中最快的模型”。其核心优势在于速度改变了模型的使用方式：修订成本低，使得用户更容易丢弃弱草稿、尝试不同方向，并在问题仍清晰时保持思维连贯。
在上下文管理方面，Soul 能够自动找到所需上下文，读取相关文件，遵循既定指令，并在长周期任务中保持选择的一致性。然而，这也带来了挑战：过时的指令或针对旧模型编写的规则可能会降低其表现。因此，Soul 最适合在有明确引导的系统环境中使用，即周围系统提供来源、示例、风格指导和清晰结果，用户通过审查和重定向来引导工作流。
Arena AI 的 Peter Gostev 提供了另一个维度的对比，他将 Fable 比作“深思熟虑、言辞清晰的智慧猫头鹰”，而将 GPT-5.6 Soul 比作“抓住问题咽喉绝不松口的罗威纳犬”。他指出：
"Fable is a fundamentally smarter model... GPT 5.6 Soul, on the other hand, is extremely diligent... It is an insanely capable workhorse that you can give any task to and just expect it to be done."
Gostev 认为，虽然 Fable 在纯智力上更胜一筹，但 Soul 是一个不知疲倦的工作马，不会进行说教，无论任务多么繁琐都会完成。Dean Ball 和 Ethan Mollik 也证实，Soul 和 Fable 代表了与前代模型拉开巨大差距的跳跃，且彼此差异显著。用户应根据任务性质，迭代式地选择使用 Fable 进行深度思考，或使用 Soul 进行高效执行。
模型发布节奏显著加快，GPT-6预计提前至下月问世
近期关于人工智能模型发布的传闻显示，行业巨头正在加速迭代步伐。据知名爆料人Leo（Syninwave）在Twitter上透露，OpenAI的下一代旗舰模型GPT-6计划于约一个月后发布，这一时间点比外界预期的更为提前，甚至可能推迟至7月下旬。这一消息打破了以往较为缓慢的发布周期，暗示OpenAI内部的技术储备已远超公众认知。与此同时，GPT-5.6也将基于一个显著更大的预训练基础模型推出，该基础模型被命名为“Spud”，其规模远超之前的GPT-4、GPT-5.5及5.6版本。OpenAI内部对这一新基础模型充满兴奋，认为其将极大提升竞争力，足以应对来自Anthropic等竞争对手的挑战。
竞争对手动态：Claude 5.1进入发布最后阶段
在OpenAI加速布局的同时，其主要竞争对手Anthropic也在紧锣密鼓地推进其最新模型。据Leo指出，Claude 5.1目前已处于发布流程的后期阶段，预计将在未来几周内正式推出。这一时间窗口与GPT-6的预期发布时间高度重合，意味着AI领域即将迎来一场激烈的“旗舰对决”。值得注意的是，OpenAI最初计划继续使用“Spud”基础模型直到GPT-6，但随后决定放弃这一路径，转而采用更激进的技术方案。这种策略调整反映了实验室内部对性能提升的迫切需求，以及对市场快速变化的敏锐反应。两位关键人物——匿名爆料人Leo和独立分析师Andrew Curran——均证实了这些信息的可靠性，表明这并非单一来源的谣言，而是行业内的普遍共识。
技术军备竞赛：万亿级参数成为新基准
当前AI行业的竞争焦点已全面转向超大参数规模的预训练模型。Andrew Curran指出，GPT-6是OpenAI对Anthropic最新模型（文中提及为Mythos，实指Claude系列或内部代号）的真正回应，且其到来速度将出乎许多人意料。随着模型发布节奏的不断加快，“没有天花板”成为各大实验室的共同心态。Elon Musk领导的团队正在训练拥有10万亿参数的Gro模型，而OpenAI和Anthropic均认为其内部模型的能力正在迅速提升，并将在未来一年及更长时间内保持新的增长轨迹。这种“军备竞赛”不仅体现在参数数量上，更体现在对基础架构的重构上，旨在通过更大的预训练数据量和更复杂的模型结构来突破现有性能瓶颈。
监管潜在影响与未来展望
尽管技术进展迅猛，但GPT-6的发布可能面临政府监管的阻碍。Andrew Curran推测，由于GPT-6是一个全新的、规模巨大的预训练模型，OpenAI可能会在初期限制其公开访问，以应对潜在的安全和合规风险。这与过去几个月其他大型模型发布的趋势一致，即技术突破往往伴随着严格的内部审查和外部监管压力。尽管如此，行业信心依然高涨，OpenAI和Anthropic均认为自身处于领先地位，看不到明显的性能上限。随着GPT-6和Claude 5.1的相继问世，AI工作流和应用场景将迎来新一轮变革，用户需密切关注这些即将发布的模型对生产力工具的重塑作用。
"GPT6 is slated to launch in about a month, which is earlier than expected, and possibly even later in July."
"Model release cadence has been speeding up for a while now. It's possible that GPD6 even arrives within the next four weeks."
"Both OpenAI and Anthropic see capabilities increasing rapidly with advancement continuing on a new trajectory over the rest of this year and beyond."
关键人物与传闻来源对比
| 人物/来源 | 身份/角色 | 主要观点/预测 | 可信度/备注 |
|---|---|---|---|
| Leo (Syninwave) | 知名AI谣言爆料人 | GPT-6将于约1个月后发布；GPT-5.6基于更大的Spud基础模型；Claude 5.1即将发布 | 被视为领先的谣言泄露者，信息多次被证实 |
| Andrew Curran | 独立分析师/知情者 | GPT-6是OpenAI对Mythos的真正回应；发布节奏加快；GPT-6可能受政府监管限制 | 非匿名，独立确认了部分信息，观点更具分析性 |
| Elon Musk | OpenAI联合创始人/特斯拉CEO | 正在训练拥有10万亿参数的Gro模型 | 代表行业对超大参数规模的追求 |
模型迭代与技术参数预期对比
| 模型/项目 | 所属公司 | 预计发布时间/状态 | 关键技术特征/参数规模 | 备注 |
|---|---|---|---|---|
| GPT-6 | OpenAI | 约1个月后（可能延至7月） | 全新大规模预训练基础模型 | 原计划使用Spud，后改变策略 |
| GPT-5.6 | OpenAI | 紧随GPT-6或同期 | 基于显著更大的Spud基础模型 | 规模远超GPT-4/5.5/5.6 |
| Claude 5.1 | Anthropic | 未来几周内 | 处于发布流程后期 | 与GPT-6竞争同一窗口期 |
| Gro | xAI (Elon Musk) | 训练中 | 10万亿参数 | 代表行业参数竞赛的最高水平 |
| Mythos (内部代号) | Anthropic | 已发布/近期 | 引发行业关注的新基准 | GPT-6的主要对标对象 |