OpenAI 候选模型闪现 API：双虚拟机架构曝光，工程跑分超现役旗舰近 30%

如果你这几天半夜盯过 OpenAI 的开发后台，可能会以为自己眼花了。

就在大家还在猜下代旗舰什么时候露面时，OpenAI 的生产环境 API 列表里突然蹦出了两个全新代号，随后几分钟内又被火速撤下。手快的开发者发去请求，只撞上了一堵「503 容量受限」的报错墙。

但这短短几分钟的泄露，已经把下一代底牌翻开了一角。

藏在虚拟机里的下一代智能体

这次被抓包的两个候选版本，代号分别叫 rc-ada-or-vm 和 rc-ada-sh-vm。

熟悉 OpenAI 命名规则的人一眼就能看出门道：前缀 rc 代表候选发布版（Release Candidate），说明模型内部测试已经收尾；ada 则是这代架构的内部代号。

最耐人寻味的是后缀里的两个 vm，也就是虚拟机。

其中 or-vm 负责全局调度与任务拆解，扮演发号施令的大脑；sh-vm 则是负责在隔离沙盒里跑命令行、写代码和操作软件的执行手脚。

把双虚拟机架构直接焊死在 API 底层，说明这代模型从出生起就不是为了陪人聊天，而是奔着处理极其复杂的长链路 Agent 任务去的。

在此之前，Codex 负责人 Tibo 刚在社交平台上甩出一句「Le GPT Fat」的暗号。随后有开发者从内部日志发现，代号为「参宿四」的 Betelgeuse 母模型参数规模可能高达 10 万亿到 12 万亿，正好对上了这句暗示。

官博跑分意外露底，起步即碾压

如果说 API 误上线只是露了个名字，OpenAI 官方博客同一时间发出的一篇工程长文，则把肌肉亮得明明白白。

在名为 BenchCAD 2.0 的真实工程基准测试中，OpenAI 把现役主力 GPT-6 Astra 和一个标注为「内部模型」的神秘对手摆在了同一张图表里。这项测试包含 100 道真实物理工程题目，要求模型一边理解物理规律，一边写代码重建 3D 装配体和 PCB 电路板。

结果差距大得吓人。

现役旗舰 GPT-6 Astra 把推理算力拉满到第五档，极限得分也只有 59.4%。而这个神秘内部模型哪怕只开最低起步档，得分也高达 75.8%，直接甩开现役满血版 16 个百分点；一旦把推理算力拉满，峰值更是冲到了 87.5%，把行业天花板抬高了 28.1 个百分点。

测试作者 Haozhe Zhang 对这个跨度连呼震撼。有网友甚至算了一笔账：按现行价格推算，这个新模型单题花 11 美元就能跑出高分，花 37 美元深度思考就能交出工业级答卷。

要完成这种级别的 CAD 建模和自动化仿真，模型必须能自主调用软件环境，这也正好印证了刚刚泄露的双虚拟机底层。

为什么重要

我们认为，这次泄露最值得琢磨的不是参数又大了多少，而是 OpenAI 彻底改变了模型的交付形态。

过去我们用大模型做复杂任务，必须在外部自己搭框架，用各种开源方案硬拼调度器和沙盒执行环境。现在 OpenAI 直接在底层用双虚拟机把大脑和手脚打包做好，开发者不用再在外部搭积木，调用成本和出错率都会大幅下降。

对于工程师和开发者来说，这意味着 AI 正在从「写写辅助脚本」真正迈进「交付可用工程方案」的门槛。单题 37 美元虽然听起来不便宜，但比起雇佣高级工程师花几天去排查 3D 装配和 PCB 布线，这个成本已经具备了非常可怕的替代效应。

对整个行业而言，这会逼着竞争对手把战场从单纯的语言评测，迅速推向重工业、复杂硬件和真实系统的执行能力。压力现在来到了其他前沿大模型这边。

当然，隐患也摆在眼前。双虚拟机深入底层意味着模型拥有更强的系统权限和自治空间，一旦在复杂任务中出现长链路漂移，安全审计与沙盒逃逸的防范成本也会成倍增加。好在候选版既然已经挂网测试，答案用不了几天就会揭晓。