GPT-5、 Opus 3.5为何迟迟不发？新猜想：已诞生，被蒸馏成小模型来卖
原文中文，约8100字，阅读约需20分钟。
📝
内容提要
OpenAI 可能在内部开发 GPT-5，但尚未发布，以提高投资回报。Anthropic 的 Claude Opus 3.5 也未如预期推出，可能因性能不佳。两者通过蒸馏技术提升小型模型性能，降低推理成本。随着 AI 需求激增，实验室面临成本压力，可能选择保留更强大的模型用于内部优化，而非公开发布。
🔎
延伸解读
模型发布的战略考量
OpenAI 和 Anthropic 可能选择不发布新模型的原因不仅仅是性能问题，更涉及到投资回报和成本控制。内部使用强大模型进行优化，能够在不公开的情况下提升其他模型的性能，这种策略在当前 AI 需求激增的背景下显得尤为重要。
蒸馏技术的优势
蒸馏技术使得大型模型能够提升小型模型的性能，同时降低推理成本。这一过程不仅提高了模型的经济性，也让实验室在面对用户需求时，能够提供更具竞争力的解决方案。随着市场对 AI 的需求不断增加，蒸馏技术的应用将成为一种趋势。
成本与性能的平衡
当前，AI 模型的参数数量不再是衡量性能的唯一标准。实验室需要在性能和推理成本之间找到平衡，以应对日益增长的用户需求和运营支出。未来，如何有效管理成本将是影响模型发布的重要因素。
❓
Q&A
为什么GPT-5和Opus 3.5尚未发布？
OpenAI可能在内部开发GPT-5以提高投资回报，而Anthropic的Opus 3.5由于性能不佳未如预期推出。
蒸馏技术在AI模型中有什么作用？
蒸馏技术可以提升小型模型的性能，同时降低推理成本，使得小型模型在性能上接近大型模型。
Anthropic为何放弃Opus 3.5的发布？
Anthropic发现Opus 3.5的性能未能达到预期的成本效益，因此选择不发布，而是将其用于内部优化。
OpenAI和Anthropic在模型开发上有什么共同点？
两者都面临成本压力，可能选择将强大的模型保留用于内部优化，而非公开发布。
当前AI模型的参数数量是否仍然是性能的可靠标准？
不再是，当前的AI模型性能更多依赖于基准测试，而非单纯的参数数量。
生成式AI需求激增对实验室有什么影响？
需求激增导致实验室面临亏损，促使他们降低推理成本并优化模型性能。
🏷️
