OpenAI 两年等来的Doug：不是 GPT-6，但可能是真正的地基重置

OpenAI 两年等来的”Doug”：不是 GPT-6，但可能是真正的”地基”重置

一个代号 “Doug” 的模型，把过去两年 OpenAI 的遮羞布掀开了——同时也把行业的 falshlight 重新照向了预训练。

8 月 9 日，长期追踪 OpenAI 的 X 用户 ChrisGPT 爆料：OpenAI 正在秘密推进一个代号为 Doug 的预训练项目，不是 GPT-6，不是 Astra，而是 OpenAI 迄今为止规模最大的一次全规模预训练。 SemiAnalysis 随后证实，早在 7 月 9 日他们就在内部备忘录里写过这件事。

这不是八卦，这是一张路线图。

为什么 Doug 比 GPT-6 更重要

先把时间线捋清楚。

GPT-4o 发布于 2024 年 5 月。此后接近两年，OpenAI 发布了一大堆模型：o1、o3、GPT-5，最新的 Astra。但这些模型的迭代路径非常诡异——它们的能力增长几乎全部来自后训练（post-training）、强化学习（RL）和推理时计算（inference-time compute），而不是基础模型本身的代际跃迁。

SemiAnalysis 的判断更直接：o1、o3 乃至 GPT-5 系列，实际上仍建立在 GPT-4o 时代的基础模型体系之上。

这意味着什么？意味着你看到的那些惊艳的推理能力、链式思考、多步规划，全是靠外部算法堆上去的。底座本身，已经有两年没真正换过代了。

这就好比你把一台 2024 年的发动机刷了无数遍 ECU、换涡轮、改排气，终于把它推到 600 匹马力。但隔壁 Google 的 Gemini 3，直接换了一台 2026 年的发动机。你再怎么调校，底层的热效率和结构极限就在那。

所以当 2025 年 11 月 Gemini 3 发布后，OpenAI 立刻慌了。Sam Altman 内部宣布 “Code Red”，要求优先提升 ChatGPT。不到一个月，代号 “Garlic” 的预训练项目曝光——OpenAI 终于重新开始碰 pre-training 了。

问题解决之后，「even bigger and better model」才会出现。那就是 Doug。

预训练重启，不只是一次技术更新

Doug 的背后，是整个 OpenAI 对 scaling 哲学的重新思考。

过去两年，行业被灌输了一个观念：预训练的边际收益在递减，后训练和推理时计算才是真正的增长引擎。这话对了一半。后训练和推理时 scaling 的效率确实惊人，但 OpenAI 的实践已经暴露出一个事实——基础模型不换代，后训练终究会遇到天花板。

你不能指望在 4-bit 数字上做出 8-bit 的精度。

Google 选择了换底座，Gemini 3 证明了预训练仍然是有效的。OpenAI 被迫跟上。这就是 Doug 故事的逻辑闭环。

但这里有一个更有趣的问题：当底座本身完成一次大幅跃迁之后，那套已经被推到极致的后训练体系，还能把能力再带到哪里？

这才是 OpenAI 下一轮竞争的真正看点。不是 Doug 比 GPT-4o 强多少，而是 Doug + o系列强化学习的叠加效应。

对开发者意味着什么？

第一，推理成本短期内不会骤降。 如果 Doug 是一个真正的新底座，初期部署的推理成本会高于成熟优化后的 GPT-4o 体系。别被 “模型越新越便宜” 的叙事忽悠了。

第二，做 Agent 和 Harness 的人可以松口气了。 新底座意味着新的 API 能力边界，所有基于旧模型的工程优化可能都要重新适配。市场对框架、工具链、编排层的需求只会增加，不会减少。

第三，别把赌注全押在单一生态上。 Doug 指向的是 OpenAI 在预训练上的补课，而 Google、Meta、DeepSeek 各有各的底座路线。今年的格局不会是 “一个模型统治一切”，而是多个新底座并行竞争。

总结

Doug 不是 GPT-6，但它的故事比任何一个 GPT 都更能说明 AI 行业当下的本质矛盾——后训练的红利还能吃多久？预训练的 scaling law 真的失效了吗？

OpenAI 用自己的行动回答了这个问题：它没有失效，只是暂停了。现在，按钮按下了。

接下来 3 到 6 个月，整个大模型竞争的节奏会被 Doug 和 Astra 之间的定位关系重新定义。务必关注两个时间节点： – Doug 据称最迟 11 月前推出 – 届时将看到真正的 for scaling 效应是乘法还是加法

要么换底座，要么被换。OpenAI 选了前者，你呢？