您当前所在位置：首页-公司新闻-《不开玩笑，科大讯飞的机器人要参见高考了》
官宣，OpenAI关停史上最快模型
OpenAI旗下速度最快的模型，宣告终结。
Codex团队负责人Tibo发布消息，GPT-5.3-Codex-Spark，将于下周停止服务。
该模型每秒可处理1200个Token，是OpenAI首款摆脱英伟达依赖的模型，也是其与Cerebras签订的750兆瓦大单中的首批交付成果。从上线到下线，它仅存活了7个月。
Tibo给出的理由很直接：使用量持续下滑，且团队已拥有明显更优的模型。“是时候为未来让路了。”
紧接着，他在评论区补充了一句，“真没想到，我们居然曾推出过名字这么长的模型！！”
告别之际，众人关注的焦点却是“备用额度”
Spark的退场悄无声息，甚至略显难堪。
Hugging Face的Vaibhav Srivastav试图在评论区留下一丝温情。
感谢你的服务，你很独特，希望你能为自己是首个“速度之王”而自豪。在下周退役前，不妨输入一条提示词，感受一下我们从那时至今的进步。
紧随其后的热门评论，画风却陡然变得尖锐。
所以它到底有什么用途？前几天我还在和同事讨论这个问题。
OpenAI要停用Codex-Spark了，那仅剩的67个重度用户该伤心了。
更为犀利的评价来自开发者argofowl，“Spark是个有趣的模型，也是个极其糟糕、根本无法使用的模型。很高兴它走了，我已经好几个月没碰过它了。”
还有开发者表示，在几个规模不小的项目中，他几乎从未使用过Spark，甚至连理解项目上下文、分析日志这类基础任务，都会迅速填满上下文窗口，迫使他另开一个对话。
事实上，那些对Spark退役感到一丝惋惜的人，惋惜的也并非模型本身，而是其附带的独立配额。
知名开发者Chubby坦言希望有一个“GPT-6-Spark”，因为Spark拥有一套不占用主额度的独立套餐。
在Astra额度极度紧张的当下，许多开发者是将Spark当作主额度用尽后的“备用油箱”来应急。
7个月前的“未来”，败给了“降速提智”
将时间拨回今年2月12日，Spark上线时的场面可谓盛大。
这是OpenAI首款专为实时编程设计的模型，拥有128k上下文，每秒生成超过1000个Token。
根据官方数据，客户端与服务器之间的往返开销降低了80%，每个Token的处理开销下降了30%，首Token延迟削减了一半。
代码不再一行行地弹出，而是整块整块地倾泻在屏幕上。
最早一批上手的开发者，反应也确实兴奋。
开发者Ryan Vogel直接将其整合进了正式工作流：GPT-5.4负责规划，GPT-5.3-Codex负责构建，Spark负责探索代码库、查阅文档、提供第二意见。
他说这是自己首次在工作流中未使用任何Claude模型，“效率更高，花费更少”。
Instructor的作者Jason Liu，直接开启了20个Spark子代理去搜索文件系统，宣称“RAG已死”。
随后，他不久便加入了OpenAI的Codex团队。
更关键的是，Spark承载着OpenAI摆脱单一硬件依赖的雄心。
它是OpenAI首款运行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签署的那份750兆瓦、总价值超200亿美元的算力大单，交出了首份答卷。
但热度消退的速度比上涨更快。
Spark的致命缺陷在于，一块晶圆无法容纳旗舰模型，它本质上是一个为追求极致速度而妥协的“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自己公布的SWE-Bench Pro曲线也显示——Spark虽然能将任务时长控制在1到2分钟，但准确率会停留在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分钟能达到57%。
也就是说，Spark节省的那几分钟，换来的是准确率下降五六个百分点。
宣传中的“15倍提速”也被揭穿。
发布第二天，开发者Nicholas Van Landschoot就在X上发布了一篇长文，剖析了OpenAI的对比条件：所谓的15倍，是拿Spark去对比开启了最高推理强度的GPT-5.3-Codex。
在同等准确率下，Spark实际只快了1.37倍。
在实际编码场景中，其缺陷被无限放大：凭空捏造API端点，JSON格式不稳定，多步任务极易偏离轨道。
培训机构Turing College对其的总结一针见血：“没有智能的速度，只是更快地失败。”
对于程序员而言，花17分钟等待一个能正常运行的代码，永远比花2分钟得到一堆错误的废品更划算。
于是，这款主打速度的模型，注定走向边缘化。
旗舰本尊登场，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，运行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拆分，部署在多个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的惊人速度。
Cerebras给出的对比是，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。”
他们选取了GDP-Val中6个质量对齐的任务进行了一组耗时对比。
标准档Sol平均需要7.7分钟，其中7.5分钟花费在模型生成上。切换到Ultrafast，同样的任务总共耗时83秒，模型生成68秒，剩余的15秒是工具调用等非推理开销。
也就是说，端到端速度提升了整整5.6倍，且回答质量几乎没有差异。
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的设计初衷是“用智能换取速度”，而仅仅半年后，同一家公司的晶圆上已经能运行完整的旗舰模型，速度仅慢了四分之一，能力却一分未减。
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，谁该为未来让路，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5.4 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打通。
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的晶圆足以承载生成式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。
“用智能换取速度”的歧途在今天被正式封堵。
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：
https://x.com/thsottiaux/status/2098300998968357218
编辑：摩西
本文来自微信公众号“新智元”，作者：ASI启示录，36氪经授权发布。