追求速度的妥协产物

OpenAI推出了叫Spark的编程专用模型的一个, 号称每秒能生成一千二百个Token的, 这是当时最快的速度之一, 还有它个重要标签, 是第一个不用英伟达芯片就能跑的生产级模型, 底层算力来自初创公司Sanctuary的WSE-3的晶圆芯片。

这个模型的设计思路, 换速度用智能, 就是它只有128K上下文, SWE-Bench2.0评测准确率只有58.4%, 完整版GPT-5.3-Codex能却达到77.3%, 官方还承认了这是一个蒸馏版小模型是专门为实时任务优化的。

开发者用脚投票

发布时确实有很多开发者兴奋过, 有人把Spark编入正式工作流中, 用它来探索它的代码库、给它查文档、让它来给第二意见。还有开发者开了二十个Spark子代理去搜文件系统, 宣称RAG已经死掉。当时各方的反馈都是效率更高, 花得更少。

但这种兴奋很快消解了。开发者逐一发觉Spark问题诸多, 空穴来风一般捏制API接口、JSON样式不稳固、多步骤任务特别容易脱轨, 有开发者直言这是“没具智能的速率, 只是更快走向败北”, 还有人称连晓得项目境情这类根底工作内容会火速撑满境情窗口。

真正让人惋惜的不是模型本身

Tibo宣布退役Spark的理由很直接, 相关用量一直在掉, 手上已经有明显更好的模型了, 他还补了一刀说真不敢相信曾经发布过名字这么长的模型, 这个名字确实冗长得像上一个时代的遗迹。

真正因Spark附带的那份独立配额惋惜的人多, 而非诸多模型本身真值得人。在Astra额度紧张时, 开发者将其作为主额度耗尽后的备胎。有人渴望一套”GPT-6-Spark”, 非为能力, 是为无需占取主额度的那份套餐。

旗舰模型打破了速度神话

在Spark推出后刚过半年, Sanctuary的晶圆上已然能跑完整旗舰模型GPT-5.6 Sol, 通过将模型依层切分铺在多节点上形成流水线, 同样的旗舰模型跑出了每秒七百五十个Token的速度, CEO评价说速度和智能不再互斥。

对比数据显示, 同样的任务标准档Sol要耗时7.7分钟, 换作新模型仅需83秒, 端到端加快5.6倍, 回答质量几近无差。此乃技术突破宣告意旨, 也径直抽尽了Spark现存的全部意义。

历史使命已经圆满完成

作为探路者的Spark是过渡期的, 它证明了Sanctuary的晶圆足以扛住生成式AI的生产级流量、推理任务可脱离英伟达生态运行, 也让行业看到了摆脱单一硬件依赖的可能性, 这是它的最大价值。

依托人工智能谋取算力提升这条路径被实践证明无法再走通。伴随国内各大互联网平台纷纷入局抢占底层硬件的效率峰值竞赛, 下一轮科技竞争的衡量指标已被颠覆重构。后面比拼核心不是率先产出阉割缩水的简版模型, 而是旗舰核心硬核性能能被压榨出何种极致上限。

速度正在变成付费档位

过去数月OpenAI模型库经历了激进大换血, 带冗长后缀的产品线名字正在被淘汰；更深层变化是, “快”这属性正从独立专用模型演变为旗舰模型的标配档位, 如同推理强度拆分Light至Max那么。

算力与速度绑定, 按档收费的业务模式已然彻底跑通。当乏人垂询的精简版本同排队疯抢的顶配版本挤在同一批次晶圆上之际, 谁该为来日腾置空间, 答案不用说就明白。

你现在用的是哪款AI编程助手? 碰到过速度和质量没法能兼得的情况吗? 欢迎在评论区分享你的体验！