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！！”
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。
HuggingFace的VaibhavSrivastav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。
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RyanVogel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JasonLiu，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-Bench2.0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-BenchPro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NicholasVanLandschoot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TuringCollege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。
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-5.6Sol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。
CerebrasCEOAndrewFeldman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。
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5.4Mini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。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】