一句话看懂：据 X 平台爆料，OpenAI 已完成代号 Bel 的新一代大模型预训练，参数量超过 10T，定位是 GPT-6 之后的基座模型，并被视为冲击 AGI 的关键一步。目前信息来自非官方渠道，OpenAI 尚未确认。
事件核心：发生了什么
8 月 26 日，消息源 @synthwavedd 在 X 平台发文称，OpenAI 已完成内部代号为 Bel 的模型预训练。Bel 是此前内部代号 Doug 模型的直接继任者，总参数量超过 10T，远超当前主流闭源大模型的规模。报道称，OpenAI 希望将 Bel 打造为 GPT-6 之后的基础模型，并以此挑战通用人工智能（AGI）的门槛。AGI 通常指能够像人类一样学习、理解和执行任意智力任务的系统，与只能处理特定任务的狭义 AI 相对，核心能力在于跨领域泛化、推理和自适应学习。
爆料还提及，面对即将到来的 Astra 模型，OpenAI 认为 Anthropic 受限于算力，目前没有令人印象深刻的应对方案。Anthropic 内部已为后续局势做了准备，但预计最早要到明年年初才有可能重新占据领先位置。需要说明的是，上述内容均来自社交媒体爆料，OpenAI、Anthropic 均未对此公开发表评论，相关数据和时间线未经官方证实。
为什么重要
如果爆料属实，10T 参数级别的预训练模型意味着 OpenAI 在模型规模和技术路线上选择了继续加码，而非转向更小参数的高效模型路线。这一选择直接影响了整个大模型行业的竞争格局：一方面，Anthropic、Google DeepMind 等竞争对手需要重新评估自身的算力储备和研发节奏；另一方面，如此大规模的预训练对芯片供给、数据中心能耗和训练成本都提出了更高要求，客观上拉高了进入赛道第一梯队的门槛。
此外，Bel 被定位为“GPT-6 之后的基座”，说明 OpenAI 的产品迭代并非简单按 GPT 序号推进，而是在下一代旗舰模型之前先构建一个更底层的通用基础模型，再基于此分化出面向不同场景的产品线。这种“基座先行”的策略如果成功，将加快后续模型微调、API 部署和垂直应用落地的速度。
对用户/开发者/创作者的影响
对普通用户而言，Bel 若如期落地，最直接的感知是后续 ChatGPT 等产品在复杂推理、长文本理解和多步骤任务执行上的能力提升。对开发者来说，更大的基座模型意味着 API 调用的基础能力上限被抬高，但与此同时，推理成本、响应延迟和算力配额可能成为实际使用中的新约束——10T 参数模型的推理优化难度远超现有模型，OpenAI 如何在性能和成本之间平衡，将直接影响 API 定价策略。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对创作者和内容生产行业而言，更强的基座模型可能带来更高质量的长文生成、图像理解和多模态创作能力，但也意味着对算力资源的依赖进一步加深。若 OpenAI 将 Bel 的能力逐步开放到图像生成、视频生成等应用层，市场上依赖单一模型 API 的创作工具将面临新一轮适配压力。
值得关注的后续
目前公开信息仅停留在爆料层面，贝塔测试、论文发布和官方技术报告都未公布，以下观察点值得留意：
第一，OpenAI 是否会在未来数月内发布 Bel 的技术报告或能力基准测试结果，这将首次验证 10T 参数规模在实际任务中的真实收益，而非仅停留在参数数量竞赛。第二，Anthropic 的回应策略——若 Astra 如期发布并展现接近甚至超越 Bel 的能力，将证明算力瓶颈未必能靠规模突破。第三，API 定价和部署方式是否随新基座模型而调整，尤其是 OpenAI 是否会通过蒸馏出小参数版本供开发者日常调用，以缓解大模型推理成本压力。
来源：AIbase
