GPT-6 Sol被曝即将发布？内部「AGI」已浮出水面

新智元报道 GPT-6 Sol，真要来了！ 英伟达已经悄悄用上了。 今天，有眼尖的开发者发现，在英伟达的代码合并记录中，已经赫然出现了「GPT-6 Sol medium」的字样。 甚至，业内还出现了成熟的「AI打工矩阵」协作案例——由目前的旗舰模型 GPT-6 Astra 负责编写代码，然后直接交由 GPT-6 Sol 进行代码审查。 现在，X上关于O/A两家的爆料满天飞。 有人透露，就在本周二（甚至有人卡点在周二凌晨3点），OpenAI将正式全面发布GPT-6 Sol ！ 而隔壁的Anthropic显然不想坐以待毙，传闻他们已经拉响了内部警报，准备将原定计划提前，在同一时间强推 Claude Opus 5.5， 进行截胡。 这一周，注定不平静。 周二见？GPT-6「全家桶」呼之欲出 「别睡了，卡点刷新！」这几天，X上的AI博主们都在奔走相告。 起因是多方信源同时指向了一个时间点。 甚至刚刚AI义父Tibo意味深长暗示：「周二凌晨3点！」 GPT-6 Sol的发布，显然已经箭在弦上。 根据目前的爆料，Sol 并不是最高端的大杯，而是一个「中间款」。它的能力介于 GPT-5.6 Sol 和最强旗舰 GPT-6 Astra 之间。 千万别因为它是个「中间款」就小看它。据内部流出的消息，Sol 的性价比好得惊人。 速度与效率 ：消耗的 Token 显著更少，运行速度比 Astra 和 5.6 快得多，体感上类似谷歌的 Gemini 3.8 Flash，但在整体推理能力上却形成了降维打击。 全面适配 ：除了英伟达，多个平台已经在紧锣密鼓地添加对 gpt-6-sol 的全面支持，包括 OpenAI API、Codex OAuth、图像输入功能，以及极其强大的长上下文处理能力。不仅如此，它还提供了从「低」到「超高」的多挡推理选项。 价格腰斩 ：这是最让开发者疯狂的一点。据泄露的截图显示，GPT-6-Sol 的定价可能是 $2.50 / $15（输入/输出）。这个价格仅仅是 GPT-5.6-Sol 的一半！如果在能力上真如传言般是一次「6.2级别的跃升」，那么这个价格将直接击穿行业底线。 更有传闻称，这次发布是 「GPT-6 三件套全家桶」。 GPT-6 Sol（旗舰超大杯） GPT-6 Terra（均衡日常大杯） GPT-6 Luna（又快又便宜的中杯） 这意味着，在贵死人的Astra之后，真正能让普通用户放心用的新一代模型矩阵，终于要落地了。 Plus 用户有望直接在对话框中体验到 6 Sol 的威力。 内部「AGI」浮出水面？神秘模型「Bel」究竟有多强 伴随这次爆料，还流出一个很牛的内部代号。 据知名爆料人透露，GPT-6 Sol 之所以能做到「更便宜且更智能」，是因为它背后有一个更为强大的「导师」。这个内部模型的代号叫做 「Bel」。 「Bel」在 OpenAI 内部是什么地位？传言称，它在内部被视为「AGI」的雏形。 它的能力远超目前市面上的 GPT-6 Astra。甚至可以说，正是有了 Bel 的协助和蒸馏，才诞生了这次的 GPT-6 Sol。 OpenAI 的内部员工对 Bel 的评价极高，甚至有员工在X上感慨：「智能已经便宜到无法计量」。 这种技术上的突破，给 OpenAI 带来了极大的自信。 据说，OpenAI 内部现在越来越确信，他们的领先优势已经大到其他任何实验室（包括 Anthropic 和 谷歌）都无法追赶的地步。 因此，才诞生了这次极具侵略性的周二突袭计划。 Anthropic 拒绝被碾压：Opus 5.5 强行截胡 当然，Anthropic也不是吃素的。 虽然并没有拉响「红色警报」，但他们对 OpenAI 的举动心知肚明，并且正竭尽全力进行反击。 本来，业界预计 Anthropic 下一步会发布 Opus 5.2。 但为了应对 GPT-6 Sol，Anthropic 直接把牙膏挤爆了——他们极可能跳过中间版本，直接祭出 Claude Opus 5.5！ 甚至还有人爆料，为了避开 OpenAI 周二的锋芒，Anthropic考虑将发布时间提前到周一。 有核心信源确认，目前正在以 claude-wafer-eap 代号进行灰度测试的 Opus 5.5，在综合能力上确认优于即将到来的 GPT-6 Sol。 更有开发者放出了路由到 Opus 5.5 的测试结果，全是「One-shot」的完美结果。 这一周，我们将见证两家 AI 巨头的刺刀见红。Opus 5.5 对阵 GPT-6 Sol，谁才是下半年的王者模型？ GPT-6 Astra 惨遭群嘲，「降智」风波发酵 然而，一个尴尬的事实是，目前OpenAI的最强模型GPT-6 Astra，正遭遇着用户口碑危机。 「GPT-6 Astra 用下来，我真的开始怀疑 OpenAI 的方向走错了。」一位叫KC的重度体验者在X上发出了控诉，引发了不少人共鸣。 槽点1：过度迷信「跑分」，丧失了真正的「智能」 在深度体验 Astra 后发现，他发现，Astra 就像一个「极其擅长做卷子的小镇做题家」。如果任务目标明确、验收标准清晰、有固定的正确答案，它能做得很好。 但真实世界充满了没有标准答案的模糊挑战。当你试图让 Astra 自由探索一个想法、判断代码优化方向，或者在不确定的环境中推进任务时，它就变得极其僵化和别扭。 他形容说：「它总像在等你把题目出完整，可如果这些都得我先想好，最需要智能的那部分工作，我已经自己做完了啊！」 这种为了可验证、可计分而堆砌的「防御性智能」，让人感到非常窒息。 槽点2：昂贵却无能的「自主实验」 KC还分享了自己的血泪经历：他将一个名为 Necro 的微调项目全权交给 GPT-6 Astra 负责，目标是微调一个 0.8B 的小模型。 结果呢？Astra 跑了 20 次训练，直接耗尽了两个 Pro 20× 的高昂周额度，最终项目彻底失败。 最离谱的是，Astra 在准备数据时，竟然漏掉了极其基础的逻辑（比如判断 a≥b 时，居然只生成了等于和小于的数据，漏掉了大于）。 它能在自己生成的「残缺开发集」上拿满分，却掩盖了致命的逻辑漏洞，导致实际评估全军覆没。它甚至连中间的 checkpoint 都不知道保存！ 这证明，Astra似乎被过度营销了。它根本不具备自主设计实验、判断结果和调整方向的能力。 槽点3：暗中「降智」？量化误差惹的祸 除了能力缺陷，最近越来越多的用户反馈 Astra 的体感变差了。 很多人用「玄学」来解释，但懂行的大佬一针见血地指出：这很可能是服务端为了节省算力，采用了更激进的「量化」策略。 模型训练完虽然权重固定了，但在部署时，为了降低推理成本、提高并发，官方会使用低精度的量化配置（比如把高精度浮点数压缩）。 这不可避免地会引入误差，改变 Token 的概率分布。一旦某一步生成了微小的不同内容，整个长推理过程就会彻底偏航。 这就解释了为什么新模型刚发布时惊为天人，过几个星期就感觉「变蠢了」——因为官方在后台悄悄换了更省钱的算力配置。 与此同时，Anthropic 的 Claude Fable 和 Opus 系列却意外封神。 开发者 gm365 吐槽，自己被 GPT-6 反复修 BUG 却永远修不好的