OpenAI 候選模型閃現 API：雙虛擬機器架構曝光，工程跑分超現役旗艦近 30%

如果你這幾天半夜盯過 OpenAI 的開發後臺，可能會以為自己眼花了。

就在大家還在猜下代旗艦什麼時候露面時，OpenAI 的生產環境 API 列表裡突然蹦出了兩個全新代號，隨後幾分鐘內又被火速撤下。手快的開發者發去請求，只撞上了一堵「503 容量受限」的報錯牆。

但這短短幾分鐘的洩露，已經把下一代底牌翻開了一角。

藏在虛擬機器裡的下一代智慧體

這次被抓包的兩個候選版本，代號分別叫 rc-ada-or-vm 和 rc-ada-sh-vm。

熟悉 OpenAI 命名規則的人一眼就能看出門道：字首 rc 代表候選釋出版（Release Candidate），說明模型內部測試已經收尾；ada 則是這代架構的內部代號。

最耐人尋味的是字尾裡的兩個 vm，也就是虛擬機器。

其中 or-vm 負責全域性排程與任務拆解，扮演發號施令的大腦；sh-vm 則是負責在隔離沙盒裡跑命令列、寫程式碼和操作軟體的執行手腳。

把雙虛擬機器架構直接焊死在 API 底層，說明這代模型從出生起就不是為了陪人聊天，而是奔著處理極其複雜的長鏈路 Agent 任務去的。

在此之前，Codex 負責人 Tibo 剛在社交平臺上甩出一句「Le GPT Fat」的暗號。隨後有開發者從內部日誌發現，代號為「參宿四」的 Betelgeuse 母模型引數規模可能高達 10 萬億到 12 萬億，正好對上了這句暗示。

官博跑分意外露底，起步即碾壓

如果說 API 誤上線只是露了個名字，OpenAI 官方部落格同一時間發出的一篇工程長文，則把肌肉亮得明明白白。

在名為 BenchCAD 2.0 的真實工程基準測試中，OpenAI 把現役主力 GPT-6 Astra 和一個標註為「內部模型」的神秘對手擺在了同一張圖表裡。這項測試包含 100 道真實物理工程題目，要求模型一邊理解物理規律，一邊寫程式碼重建 3D 裝配體和 PCB 電路板。

結果差距大得嚇人。

現役旗艦 GPT-6 Astra 把推理算力拉滿到第五檔，極限得分也只有 59.4%。而這個神秘內部模型哪怕只開最低起步檔，得分也高達 75.8%，直接甩開現役滿血版 16 個百分點；一旦把推理算力拉滿，峰值更是衝到了 87.5%，把行業天花板抬高了 28.1 個百分點。

測試作者 Haozhe Zhang 對這個跨度連呼震撼。有網友甚至算了一筆賬：按現行價格推算，這個新模型單題花 11 美元就能跑出高分，花 37 美元深度思考就能交出工業級答卷。

要完成這種級別的 CAD 建模和自動化模擬，模型必須能自主呼叫軟體環境，這也正好印證了剛剛洩露的雙虛擬機器底層。

為什麼重要

我們認為，這次洩露最值得琢磨的不是引數又大了多少，而是 OpenAI 徹底改變了模型的交付形態。

過去我們用大模型做複雜任務，必須在外部自己搭框架，用各種開源方案硬拼排程器和沙盒執行環境。現在 OpenAI 直接在底層用雙虛擬機器把大腦和手腳打包做好，開發者不用再在外部搭積木，呼叫成本和出錯率都會大幅下降。

對於工程師和開發者來說，這意味著 AI 正在從「寫寫輔助指令碼」真正邁進「交付可用工程方案」的門檻。單題 37 美元雖然聽起來不便宜，但比起僱傭高階工程師花幾天去排查 3D 裝配和 PCB 佈線，這個成本已經具備了非常可怕的替代效應。

對整個行業而言，這會逼著競爭對手把戰場從單純的語言評測，迅速推向重工業、複雜硬體和真實系統的執行能力。壓力現在來到了其他前沿大模型這邊。

當然，隱患也擺在眼前。雙虛擬機器深入底層意味著模型擁有更強的系統許可權和自治空間，一旦在複雜任務中出現長鏈路漂移，安全審計與沙盒逃逸的防範成本也會成倍增加。好在候選版既然已經掛網測試，答案用不了幾天就會揭曉。