GPT-Next神秘模型泄露：OpenAI启动28天冲刺，Gemini 4 Argon临近

近期AI领域虽无惊天动地的发布，但OpenAI、Google和Anthropic三大阵营的暗流涌动，透露出下一轮竞争的方向。从神秘的GPT-Next模型泄露，到OpenAI的28天冲刺承诺，再到订阅价值的重新洗牌，这些碎片化信息拼凑出一幅颇具看点的行业图景。

神秘的GPT-Next模型浮出水面

目前OpenAI最大的谜团来自一个鲜为人知的新模型——GPT-Next。它既不是所谓的GPT-Minor，也不是已被放弃的GPT-6.1 Astra，而是一个与GPT-6.1 Sol高度相似、或许略有提升但没有重大改进的版本。

这个模型是在生成一段相当出色的体素（voxel）风格Pokémon作品后被发现的。从早期输出来看，它在3D环境构建和Web开发任务上的表现确实比GPT-6.1 Sol更进一步——能够处理带有光影、着色器、功能组件的3D厨房环境，甚至加入了不同宝可梦的动画角色。虽然创意和执行力只是边际提升，但细节的丰富程度值得关注。

真正引人瞩目的是价格传闻。据早期估算，约4万credits可能产生了接近50亿tokens的使用量（含缓存tokens）。如果数据属实，这个新checkpoint的效率将极为惊人，可能暗示它是一款针对成本优化的高效模型。不过UP主也提醒，单个体素测试和零散的价格估算不宜过度解读。

OpenAI的28天冲刺承诺

OpenAI产品负责人Tibo发起了一项"28天发货承诺"：接下来的28天内，团队要么每天为Codex和工作流用户交付一项有意义的改进，要么给所有人一次完整的额度重置。这对用户而言是双赢。

团队目前聚焦四件事：简化产品、提升效率（让用户获得更多使用量）、推出突破性功能、发布新模型。第一天就已兑现——GPT-6 Astra和GPT-6.1 Sol的默认速度提升了约50%，目标从每秒30 tokens提升到约50 tokens，这一改进同样适用于通过"Sign-in with ChatGPT"接入的服务，包括OpenCode、Pi、AMP、Devin等。

视频作者推测，这项挑战期间OpenAI很可能会投放另一款重磅模型，大概率是比Astra更便宜、更高效的版本，这也与GPT-Next的出现相互印证。此前Tibo在X上含糊地提到"6.1正在到来"，后来澄清指的是"6.1 Sol Ultra Fast"，而非已被砍掉的6.1 Astra。背后的直接压力来自Anthropic——其新模型在效率和使用额度上对OpenAI形成了明显冲击。

Gemini 4 Argon与Nano Banana 2.1的进展

Google这边，Gemini 4 Argon的发布似乎比预期更快。其后端日志中迅速出现了大量与Argon相关的内部模型slug，包括多个LSP、barium checkpoints以及实验性变体。这种快速迭代、带有bug修复和多配置测试的迹象，说明Google在积极打磨而非停留在早期原型。在一项SVG模拟测试（生成支付卡交易完成动画）中，Gemini 4 Argon甚至击败了Fable 5。

图像生成方面，Nano Banana 2.1已登陆Gemini网页版和移动端。它的命名历程相当混乱：从六月的"instant ramen"（被认为是Nano Banana 2 lite），到八月的version 2，再更名为"spicy mayo"，九月通过Vertex以"Nano Banana 2.5"提供给合作伙伴，最终Google将其从"light"重新归类为"flash"并命名为2.1。在与腾讯混元HY Image 3.5的对比测试中，Nano Banana 2.1在角色一致性上更好，但HY Image 3.5在光影、氛围和创意表现上更胜一筹，且价格更低（约每2张2K图2美分）。总体而言，早期表现尚算稳健但未到惊艳。

Google的RSI传闻再添疑点

关于Google所谓的RSI（递归自我改进，Recursive Self-Improvement），此前被认为是不实传言，但后端日志中又发现了一个神秘的内部模型占位符，为"Google正在实验RSI"的猜测添了一把火。这或许能解释Google为何能如此快速地开发出众多flash变体。

不过作者保持谨慎——单一的模型slug或占位符不足以证明Google已经攻克RSI，它可能只是一个命名，或某种模仿性框架。但结合近期Google密集的模型活动，这确实为整个拼图增添了一块耐人寻味的碎片。

递归自我改进（Recursive Self-Improvement，RSI）是AI安全领域的一个核心概念，指AI系统能够自主修改、优化自身的算法或权重，从而在无需人类干预的情况下持续提升性能。理论上，一旦AI达到足够高的初始能力阈值，RSI可能触发"智能爆炸"——每一轮自我改进都使下一轮改进变得更容易，形成正反馈循环。这也是部分AI研究者将其视为潜在存在风险的原因之一。

在工程实践层面，RSI与当前主流的RLHF（基于人类反馈的强化学习）和模型蒸馏技术存在本质区别：后两者仍依赖人类提供反馈信号或教师模型，而RSI强调系统自主生成改进方向。如果Google确实在实验某种形式的RSI框架，即便是受限版本（如让模型参与设计自身的训练数据或评估标准），也将是一个具有重大意义的技术路线转变，足以解释其近期模型迭代速度异常加快的现象。

订阅价值大洗牌：Anthropic碾压OpenAI

SemiAnalysis发布的一份报告测试了几乎所有主流AI订阅的使用额度，结论相当惊人：在高负载的agentic工作流中，Anthropic订阅的性价比显著高于OpenAI，且差距不小。

据其分析，在同等价格下，Opus 5.5提供的API等价价值约为GPT-6.1 Sol的5倍；即便对比中端模型，Anthropic订阅也能提供超过5倍的API等价价值。报告还指出OpenAI近期将200美元ChatGPT方案的使用额度砍掉了约一半，理由是GPT-6.1 Sol更高效（也被视为IPO前的动作）。唯一的例外在高端：Pro和Max 20x方案下，OpenAI给出的GPT-6 Astra额度略高于Anthropic的对应模型。

具体数字上，CloudMax约给出1.25万美元的Sonnet、约1.2万美元的Opus（或2.5千Fable）的API等价用量；而ChatGPT Pro约为2千GPT-6.1 Sol或3千GPT-6 Astra。作者也公允地指出，API等价成本只讲了一半故事——模型质量、速度、上下文长度、工具集成和生态实用性同样关键，"5倍的额度"不等于"5倍的实际价值"。

"API等价价值"是SemiAnalysis报告所用的比较框架：将订阅套餐内可用的模型算力，按该模型在公开API市场的按量计费价格折算为等价美元数。例如，若某订阅每月可调用价值1万美元API用量的Sonnet，则其API等价价值为1万美元。这一指标直观反映了订阅套餐相对于按量付费的"折扣深度"，对重度agentic工作流用户尤其有参考意义，因为此类场景的token消耗往往极大。

但这一指标存在明显局限：它假设用户能够完全"用满"额度，而实际上不同平台的速率限制、上下文窗口、工具调用支持和工作流兼容性都会影响实际可用量。此外，模型单价反映的是市场定价策略，不必然等于用户产出的实际业务价值，因此作者特别强调"5倍额度≠5倍实际价值"这一判断。

水印、开源模型与工具更新

OpenAI正为应对欧盟AI法案推出文本水印系统TextScreen。它不插入可见标记，而是在模型用词选择中嵌入统计信号供后续检测。据OpenAI测试，TextScreen在不明显降低输出质量的前提下，匹配甚至超越了Google的SynthID for Text，且计划开源。全球API客户现已可在部分模型上选择启用。局限性也被承认——文本可被改写、翻译或修改。

美国新AI实验室Reflection AI发布了开源模型Beam，总参数约5010亿，激活参数仅230亿，采用MoE架构以提升推理效率。Beam专为推理、编码和agentic工作流设计，从零端到端训练而非基于现有开源模型，权重将于本月向所有人开放。

工具层面，Google在Anti-gravity中为Pro订阅者新增了Opus 5.5 Medium和Sonic 5.5 Medium（但额度极为有限）；Claude Code新增了mod功能，其中"cache control"插件可显示5分钟提示缓存窗口并提醒保持缓存"温热"，有效节省tokens、延长会话时长；Claude Projects则新增了直连本地文件夹的能力。此外，有用户用一句prompt让Fable 5.5在约一小时内生成了融合Pokémon与Balatro的完整游戏，含机制、视觉、音乐和演示视频，表现相当惊艳——该模型甚至可能近期就会发布。

MoE（Mixture of Experts，专家混合）架构是近年来大模型扩展的主流方案之一。其核心思想是将模型拆分为多个"专家"子网络，在推理时由一个门控机制（Router）动态选择激活其中少数几个专家处理当前输入，而非像密集模型那样激活全部参数。Beam的5010亿总参数中仅激活230亿，意味着每次推理的实际计算量远低于同等参数规模的密集模型，从而在保持高模型容量的同时大幅降低推理成本和延迟。

GPT-4和Mixtral都被广泛认为采用了类似架构。MoE的主要挑战在于训练稳定性（不同专家容易负载不均）和通信开销（分布式训练时专家间数据路由复杂），因此"从零端到端训练"对Reflection AI而言技术门槛颇高，也是其着重强调这一点的原因。

结语

这一轮更新没有爆炸性的大模型发布，但从GPT-Next的泄露、OpenAI的28天承诺，到Anthropic在性价比上的压制，三大阵营的竞争正从单纯的能力比拼转向效率、成本与使用体验的综合较量。对普通用户而言，谁能在同等价格下提供更多实际可用的算力，正成为越来越重要的选择标准。