OpenAI疑完成超10万亿参数预训练模型"Bel"：规模化竞赛再升级

一则来自社区的爆料

近日，Reddit社区流传出一则关于OpenAI下一代大模型的消息。据名为Leo的爆料者透露，OpenAI刚刚完成了其下一个超过10万亿（>10T）参数规模的预训练模型，代号"Bel"。这一消息迅速在AI技术社区引发热议。

reddit source: According to Leo, OpenAI just finished its next >10T pretrain "Bel"

需要明确的是，这一信息目前来自社区爆料渠道，尚未得到OpenAI官方的证实。因此在解读时应保持审慎态度，将其视为行业传闻而非确定事实。不过，这类爆料往往能反映业界对下一代前沿模型发展方向的普遍预期，值得我们从技术演进的角度加以分析。

"超过10T"这一数字如果指的是模型参数规模，那么将是当前公开已知最大稠密模型的数量级突破。作为参照，GPT-3拥有约1750亿（175B）参数，而业界普遍推测GPT-4采用了混合专家（MoE）架构，总参数量在万亿级别。若"Bel"真的达到10万亿参数以上，将意味着模型规模再上一个台阶。

说个细节，在现代大模型语境下，"10T"也可能指训练数据的token总量，而非参数量。当前主流大模型的训练数据规模正快速逼近甚至超过10万亿token。无论是哪种解读，都指向了训练资源投入的持续加码。

完成一次超10T规模的预训练，背后是极其庞大的算力集群与工程能力支撑。这类训练通常需要数万张高端GPU（如英伟达H100/H200或更新的Blackwell架构芯片）持续运行数周乃至数月，涉及分布式训练、通信优化、故障恢复等一系列复杂的系统工程问题。

能够完成如此规模训练本身，就是对一家AI公司基础设施能力的极致考验。这也解释了为何前沿模型的竞争，越来越演变为算力储备与工程能力的比拼。

如果爆料属实，"Bel"的出现表明OpenAI在"规模化定律"（Scaling Law）这条路线上仍在持续加注。尽管近年来业界不断讨论"预训练是否已触及瓶颈"，但通过更大参数、更多数据、更强算力来提升模型能力，依然是各大实验室的核心策略之一。

同时，OpenAI近期也在强调推理时计算（test-time compute）的重要性，如o1、o3系列推理模型所展示的那样。因此"Bel"很可能是作为下一代基座模型，为后续的推理增强、多模态扩展提供更强的底层能力。

代号"Bel"引发了社区对OpenAI内部命名规律的讨论。过去OpenAI的内部项目常使用各种代号（如"Arrakis"、"Orion"等）。"Bel"这一简短代号是否指向某个特定产品线，或对应外界期待已久的GPT-5，目前尚无定论。

Reddit等社区平台上关于AI模型的爆料层出不穷，其中不乏真实信息，但也充斥着猜测甚至炒作。对于"Bel"这样的传闻，读者应注意：一是消息来源的可信度，二是是否有多方交叉印证，三是官方是否有任何回应。在缺乏官方确认前，任何具体数字都应打上问号。

相比纠结于"是否真有10T"这一具体数字，更有价值的是从中把握行业趋势：前沿实验室仍在推动模型规模的持续增长，算力投入不断加码，下一代基座模型的竞赛正在激烈展开。无论"Bel"最终是否问世，这一方向都清晰可见。

关于OpenAI完成超10T预训练模型"Bel"的爆料，为我们观察前沿AI发展提供了一个窗口。虽然消息尚未证实，但它折射出的规模化竞赛与算力军备，是当下AI产业最真实的写照。我们不妨保持关注与理性，等待官方的进一步信息披露。