官宣：OpenAI 关停 GPT-5.3-Codex-Spark

大模型智能 2026-09-16 00:00 吉林  推荐  大模型智能｜分享 来源 | 新智元 编辑 | 摩西 OpenAI史上最快的模型，死了。 刚刚，Codex负责人Tibo发帖，**GPT-5.3-Codex-Spark，下周退役。** 每秒1200个Token、OpenAI第一个逃离英伟达的模型、750兆瓦Cerebras大单的头一份交付，从发布到下线，只活了7个月。 Tibo给的理由很简单，用量一直在往下掉，手上也已经有明显更好的模型了。「是时候给未来腾地方了。」 然后，他又在底下补了一刀，「真不敢相信，我们居然发布过名字这么长的模型！！」  ***01*** **告别式上，大家只关心「备用额度」** Spark走得很安静，甚至显得有些尴尬。 Hugging Face的Vaibhav Srivastav试图在评论区留下一点温情。 感谢服役，你很特别，希望你为自己是第一个「最快的小子」而骄傲。下周退役前，发条prompt吧，感受一下我们从那时到现在走了多远。  紧随其后的热评，画风立刻变得犀利起来。 所以它到底是干嘛用的？前两天我还在跟同事讨论这个问题。 OpenAI要退役Codex-Spark了，那仅存的67个重度用户该伤心了。  更致命的评价来自开发者argofowl，**「Spark是个好玩的模型，也是个极度糟糕、根本没法用的模型。很高兴它走了，我好几个月没碰过了。」**  还有开发者表示，几个规模不小的项目里，他几乎没用过Spark，连理解项目上下文、分析日志这种基础任务，都会迅速把上下文窗口塞满，逼着他另开一个对话。 事实上，真正对Spark退役感到一丝惋惜的，惋惜的也并非模型本身，而是它附带的**独立配额**。 知名开发者Chubby坦言想要一个「GPT-6-Spark」，因为Spark拥有一份不占主额度的独立套餐。 在Astra额度极其紧张的当下，很多开发者是把Spark当作主额度耗尽后的「备用油箱」来顶一阵子。  ***02*** **7个月前的「未来」，败给了「降智提速」** 把时间拨回今年2月12日，Spark上线那天的排场可谓盛大。 这是OpenAI第一个专为实时编程设计的模型，128k上下文，每秒生成超过1000个Token。 按官方给的数字，客户端和服务器之间的往返开销降了80%，每个Token的处理开销降了30%，首Token延迟砍掉一半。 代码不再一行一行往外蹦，整块整块地倾泻在屏幕上。  最早一批上手的开发者，反应也是真的兴奋。 开发者Ryan Vogel直接把它编进了正式工作流，GPT-5.4负责规划，GPT-5.3-Codex负责构建，Spark负责探索代码库、查文档、给第二意见。 他说这是自己第一次工作流里一个Claude模型都没有，「效率更高，花得更少」。  Instructor作者Jason Liu，直接开20个Spark子代理去搜文件系统，宣布「RAG已死」。 然后，他就在不久之后加入了OpenAI的Codex团队。  更关键的是，Spark承载着OpenAI摆脱单一硬件依赖的野心。 它是OpenAI第一个跑在英伟达技术栈之外的生产模型，底层算力来自初创公司Cerebras的晶圆级芯片WSE-3。 它标志着OpenAI与Cerebras签下的那份750兆瓦、总价值超200亿美元算力大单，交出了第一份答卷。 但热度退得比涨得还要快。 Spark的致命伤在于，**一块晶圆装不下旗舰模型，它本质上是一个为了极致速度而妥协的「蒸馏版小模型」。** 在Terminal-Bench 2.0评测中，Spark仅获得58.4%的准确率，远低于完整版GPT-5.3-Codex的77.3%。 OpenAI自己放出的SWE-Bench Pro曲线也显示——Spark虽然能把任务时长压在1到2分钟，但准确率会停在47%到51%之间。 相比之下，完整版GPT-5.3-Codex从3分钟起步就是51%，拉到9分钟是56%，16分钟能到57%。 也就是说，Spark省下的那几分钟，换来的是往下掉五六个点。  宣传中的「15倍提速」也被拆穿了。 发布第二天，开发者Nicholas Van Landschoot就在X上发了篇长文，把OpenAI的对比条件扒了一遍，所谓15倍，是拿Spark去比开了最高推理强度的GPT-5.3-Codex。 在同等准确率下，Spark其实只快了1.37倍。  在实际编码场景中，它的缺陷被无限放大，凭空捏造API端点，JSON格式不稳定，多步任务极易跑偏。 培训机构Turing College对它的总结一针见血，**「没有智能的速度，只是更快地失败。」** 对于程序员而言，花17分钟等一个能跑通的代码，永远比花2分钟拿一个全是Bug的废品要划算。 于是，这款主打速度的模型，注定走向边缘化。 ***03*** ****旗舰本尊下场，Ultrafast终结了Spark**** 而真正给Spark宣判死刑的，是8月13日Cerebras发布的Ultrafast模式。 这一次，跑在晶圆上的不再是缩水版的Spark，而是旗舰模型**GPT-5.6 Sol本尊**。  通过将庞大的旗舰模型按层切分，铺设在多台CS-3节点上形成流水线，Ultrafast模式在保证「与标准版同等智能」的前提下，飙出了每秒750个Token的恐怖速度。 Cerebras给的对比是，Ultrafast比标准档快14倍，中间还有一档Priority，只快2.5倍。  Cerebras CEO Andrew Feldman对此的评价掷地有声，**「速度与智能，不再互斥。」** 他们拿GDP-Val里6个质量对齐的任务做了一组耗时对比。 标准档Sol平均要跑7.7分钟，其中7.5分钟花在模型生成上。换到Ultrafast，同样的任务总共83秒，模型生成68秒，剩下的15秒是工具调用之类的非推理开销。 也就是说，端到端快了整整5.6倍，而且回答的质量也几乎没有差别。  这句话不仅宣告了技术突破，也直接抽干了Spark存在的全部意义。 Spark的设计初衷就是「拿智能换速度」，而仅仅半年后，同一家公司的晶圆上已经能跑完整的旗舰模型，速度只慢了四分之一，能力却一分没少。  Cerebras的产能是有限的。 当无人问津的「缩小版」和排队疯抢的「旗舰版」挤在同一批晶圆上时，谁该为未来腾地方，答案不言而喻。  ***04*** **速度不再是「专属模型」，而是「付费档位」** Spark并非唯一被清理的历史包袱。 过去三个月里，OpenAI的模型库正在经历一场激进的「大换血」。 * 6月2日，GPT-5.2与GPT-5.3-Codex退役。 * 8月31日，GPT-5.4与5.4 Mini退役，用户整体迁移至5.6世代。 * 9月11日，轮到GPT-5.3-Codex-Spark。 伴随着旧世代的离场，Codex迎来了Sol（太阳）、Terra（大地）、Luna（月亮）、Astra（星辰）的全新命名纪元。 「GPT-5.3-Codex-Spark」这种带有冗长版本号和产品线后缀的名字，确实已经像上一个时代的遗迹。  更深层的逻辑更迭在于，**「快」这一属性，正在从一个独立的专用模型，演变为旗舰模型的一项标配「档位」。** 就像推理强度分为Light到Max一样，OpenAI现在的速度也从Standard、Priority排到了Ultrafast。速度与算力挂钩，按档付费的商业模式已经彻底跑通。 回头再看，Spark完美地完成了它的历史使命。 它作为一个过渡期的探路者，证明了Cerebras的晶圆足以扛住生成式AI的生产级流量，也证明了推理任务完全可以脱离英伟达的生态运行。 当探路结束，大部队正式入驻，探路者的使命也就自然终结了。 「拿智能换速度」的歧途在今天被正式封死。 随着各大平台开始竞逐底层硬件的极致利用率，下一轮的军备竞赛规则已经彻底改写。 接下来要比的不再是谁能做出最快的阉割版模型，而是**谁能把最强的旗舰模型，跑出最极限的速度。** 参考资料：  技术交流群邀请函     △长按添加小助手 扫描二维码添加小助手微信 请备注：姓名-学校/公司-研究方向-城市 （如：小夏-浙大-大模型-杭州） 即可申请加入深度学习/机器学习等技术交流群 ``` —完— ``` ``` 为您推荐 《跨语言大模型》最新综述 深度学习领域，你心目中 idea 最惊艳的论文是哪篇？ 思考丨到底什么叫算法工程师的落地能力？ Transformer模型有多少种变体？看看这篇全面综述 从SGD到NadaMax，十种优化算法原理及实现 各种注意力机制的PyTorch实现 ```  ``` ``` [跳转微信打开](https://wechat2rss.bestblogs.dev/link-proxy/?k=6d49ab0e&r=1&u=https%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzU3NjE4NjQ4MA%3D%3D%26mid%3D2247557280%26idx%3D1%26sn%3D290c913ecd71656c5e59388bf72f8faa)