OpenAI新模型Bel曝光：10万亿参数，或成AGI基座

一则来自Reddit的爆料，掀开了OpenAI下一代模型的冰山一角

近日，Reddit上出现了一条关于OpenAI内部新模型的爆料帖，信息量极大却又语焉不详。帖子称，一个代号为“Bel”的新模型即将问世，其总参数量据传超过10万亿（10T），并可能作为GPT-6之后的基础模型，甚至被OpenAI内部视为迈向AGI门槛的基座。

这条消息目前只有单一来源，Reddit原帖内容零散且缺乏细节，但其中提到的几个关键信息点——继任关系、参数规模、战略定位——恰好触及了当前大模型竞赛中最敏感的神经。

关键信息拆解：Bel是什么？

代号“Bel”与“Doug的继任者”

原帖提到“Bel是Doug的继任者”。这里的“Doug”很可能指的是OpenAI内部某个模型项目或代号。如果这一说法成立，Bel并非从零开始的新项目，而是接替已有技术路线的迭代产物。这种内部代号更替的表述方式，在OpenAI过往的模型开发中并不罕见——从GPT-3到GPT-4，每一代基础模型背后都有多个并行实验和内部代号。

“继任者”的措辞暗示Bel可能继承了Doug的技术积累，而非彻底另起炉灶。这对于理解Bel的定位很重要：它大概率是一个基础模型（foundation model），而非面向终端用户的产品型号。

10万亿参数：一个需要冷静看待的数字

爆料称Bel的总参数量超过10T。作为参照，GPT-4的参数规模外界普遍推测在万亿级别（具体数字未公开），而10T意味着参数规模可能再上一个数量级。

但参数量的膨胀并不自动等同于能力提升。当前行业更关注的是稀疏激活（如MoE架构）、训练数据质量和推理效率。10T总参数很可能对应的是一个混合专家模型，实际激活参数远低于总数。单纯用“参数量”来衡量模型能力，本身就是一种过时的叙事框架。这一点在解读爆料时需要保持清醒。

混合专家模型（MoE） 是一种稀疏激活架构，其核心思想是将模型分解为多个“专家”子网络，每个输入仅激活其中少数专家。这样，模型总参数量可以非常庞大（例如10T），但每次前向传播实际参与计算的参数（激活参数）远小于总数，从而在保持推理效率的同时扩展模型容量。MoE的关键设计包括专家路由机制（决定输入分配给哪些专家）和负载均衡策略（防止专家利用不均）。当前主流大模型如GPT-4、Mixtral等均采用或疑似采用MoE架构，因此10T总参数很可能对应一个激活参数在千亿级别的MoE模型，而非稠密模型。

“GPT-6之后的基础模型”与AGI门槛

帖子中最具想象力的部分是：OpenAI据称将Bel视为“GPT-6之后的潜在基础模型”，甚至可能是“AGI门槛模型”的基座。

这里有两层含义。第一，Bel的发布时间可能在GPT-6之后，或者至少是并行推进的下一代架构。第二，OpenAI内部对“AGI门槛”的讨论仍在持续，而Bel被赋予了跨越这道门槛的候选者角色。

提一嘴，“AGI门槛模型”是一个模糊的表述。OpenAI从未公开定义过AGI的具体技术标准，内部对AGI的判定标准也随着模型能力演进不断调整。因此，这一说法更像是一种战略定位的描述，而非技术规格的承诺。

AGI（通用人工智能） 指具备与人类相当或超越人类的广泛认知能力、能完成多种任务的人工智能系统。然而，AGI尚无公认的技术定义或评估标准，不同机构对其门槛有不同解读。OpenAI内部常将AGI视为一个渐进目标，其判定可能涉及在多数经济价值工作中超越人类、具备自主学习和跨领域迁移能力等模糊条件。因此，“AGI门槛模型”更多是一种战略叙事，用以描述模型能力的潜在跃升，而非可量化的技术规格。这种表述既反映内部雄心，也服务于公众沟通和监管对话。

消息可信度评估：单一来源的局限性

必须明确：目前所有关于Bel的信息均来自Reddit上的这一条帖子，没有第二个独立来源佐证。Reddit的AI爆料板块历来是真假消息混杂之地，此前也有过多次“内部消息”最终被证伪的案例。

从信息特征来看，帖子使用了“据说”（It's said）、“据传”（Reportedly）等模糊措辞，且原文在“The out”处戛然而止，明显是截断或未完成的内容。这降低了信息的完整性和可信度。

不过，这条爆料与OpenAI近期的技术路线也有可对照之处。OpenAI一直在推进更大规模的基础模型训练，且Sam Altman多次公开提及下一代模型将带来“显著跃升”。Bel的传闻至少在这个大方向上不矛盾。

对行业意味着什么？

如果Bel的传闻部分属实，几个趋势值得关注：

基础模型的竞赛仍在加速。 10T参数级别的模型意味着训练成本、算力需求和工程复杂度都将进入新的量级。能够参与这一级别竞赛的玩家将进一步减少。

“后GPT-6”的叙事已经开始。 无论Bel最终以什么名字发布，OpenAI显然在为GPT-6之后的技术路线做准备。基础模型的迭代周期正在从“年”向“季度”压缩。

AGI话语权的争夺。 将某个模型定位为“AGI门槛模型”，既是技术判断，也是叙事策略。在监管压力和公众期待之间，OpenAI需要为下一代模型找到一个既能支撑估值、又能回应质疑的定位。

保持关注，但不必过度解读

Bel的爆料目前只是一个未经证实的信号。它可能指向一个真实存在的大型基础模型项目，也可能只是内部讨论的碎片被放大。对于关注AI进展的读者来说，有价值的做法是跟踪后续是否出现更多独立来源的交叉验证，而不是对单一爆料下结论。

大模型行业的竞争已经进入深水区，真正的分水岭不在于参数数字的大小，而在于模型能力能否在真实场景中兑现。Bel最终是什么，只能等OpenAI自己揭晓。