媒体曝OpenAI已预训练Bel：参数超10万亿

浏览：1次阅读

OpenAI 再度被曝推进超大规模基础模型。凤凰网与 icloudnews.net 在 2026 年 8 月 26 日报道称，OpenAI 已预训练名为 Bel 的模型，参数规模超过 10 万亿，并将其与通用人工智能门槛级基础模型竞争联系起来。现有信息仍来自媒体报道，OpenAI 尚未公布官方公告、模型卡、训练细节或评测结果，因此 Bel 的实际能力与产品定位尚不能确认。这个消息的核心，不是“10 万亿”这一数字本身，而是前沿模型竞赛可能继续向超大规模训练推进，同时市场又在要求更低的使用成本。

两家媒体报道对 Bel 的描述较为集中：其一，模型已经完成预训练；其二，参数规模超过 10 万亿；其三，Bel 可能被定位为面向通用人工智能的基础模型。除此之外，公开线索没有给出模型架构、训练数据组成、训练时长、芯片规模、推理成本、上下文能力或第三方评测成绩。

因此，“已预训练”与“已经发布”必须严格区分。预训练完成并不等于模型已经对外开放，也不等于产品具备稳定的通用能力。即使参数规模确实超过 10 万亿，模型是否有效利用这些参数，仍取决于数据质量、训练方法、后训练流程、工具调用能力和推理系统设计。现阶段，任何关于 Bel 已达到 AGI 的判断，都超出了现有证据能够支持的范围。

超大参数规模首先意味着更高的工程门槛。模型训练需要长期协调算力、存储、网络通信和数据处理系统，训练完成后还要面对部署、服务稳定性与推理成本问题。由于官方尚未公布 Bel 的训练细节，外界无法据此计算其真实投入，也不能仅凭参数数量判断其商业价值。

观点一： 如果媒体披露的规模最终得到官方确认，Bel 代表的将是基础模型能力扩张路线，而不是一次普通的版本更新。它可能加剧顶尖实验室在训练资源、数据工程和系统优化方面的竞争，但是否带来能力跃升，必须等待可复现实验或正式评测。

观点二： 参数规模与用户体验之间并非线性关系。一个更大的模型可能拥有更强的潜在表达能力，也可能因推理成本、响应速度或任务适配问题而难以大规模商业化。对于开发者和企业而言，真正重要的仍是实际任务效果、调用价格、延迟、可靠性和工具生态，而不是单一参数指标。

Bel 被曝之际，另一条行业线索显示，高性价比 AI 模型正在对 OpenAI、Anthropic 等公司的高价前沿模型形成压力。这构成一个值得注意的矛盾：前沿实验室可能继续投入更大的基础模型，以争夺复杂推理和通用能力上限；模型市场却要求更低成本、更快响应和更明确的投入产出比。

这意味着 Bel 即便最终属实，也未必会直接改变所有开发者的选择。若它主要服务于高复杂度任务，可能承担能力上限和研究平台的角色；若 OpenAI 能够进一步蒸馏、压缩或构建不同规模的衍生模型，才可能把基础模型的能力转化为更广泛的产品竞争力。相关产品形态、价格和开放范围目前均未公布，不能提前作出确定判断。

Bel 消息的可信度与行业影响，取决于后续是否出现一手资料。最重要的核验点包括：OpenAI 是否发布正式公告或模型卡；“超过 10 万亿参数”的统计口径是什么；模型采用何种架构及训练方式；是否有公开评测、试用入口或开发者接口；以及模型在推理成本、速度和安全性方面的表现。

在这些信息出现之前，媒体报道可以作为产业动向线索，但不应被写成 OpenAI 已经发布 AGI 模型的结论。尤其是“冲击 AGI”或“达到 AGI 门槛”等表述，目前更接近报道中的推测性定位，而不是经官方或独立评测确认的技术事实。