只活了7个月！OpenAI最快模型突然退役，真相藏不住了

朋友们，你还记得那个号称每秒吐1200个Token的「史上最快模型」吗？

它死了。从发布到下线，只活了7个月。

没错，说的就是GPT-5.3-Codex-Spark。这个OpenAI历史上速度最快的模型，就这么悄无声息地退役了。

🕯️ 告别式上没人怀念它，大家只关心「备用额度」

Spark走得很安静，甚至有点尴尬。

Hugging Face的Vaibhav Srivastav想在评论区留点温情：「感谢服役，你很特别，希望你为自己是第一个『最快的小子』而骄傲。」

然而紧随其后的热评，画风秒变犀利。

「所以它到底是干嘛用的？」

「OpenAI要退役Codex-Spark了，那仅存的67个重度用户该伤心了。」

更扎心的是开发者argofowl的评价：「Spark是个好玩的模型，也是个极度糟糕、根本没法用的模型。很高兴它走了，我好几个月没碰过了。」

😅 致命伤：连基础任务都扛不住

有开发者直言，几个规模不小的项目里几乎没用过Spark。连理解项目上下文、分析日志这种基础任务，都会迅速把上下文窗口塞满，逼着他另开对话。

真正让人惋惜的，从来不是模型本身，而是它附带的独立配额。

知名开发者Chubby坦言想要一个「GPT-6-Spark」，因为Spark有一份不占主额度的独立套餐。在额度极其紧张的当下，很多开发者把Spark当作主额度耗尽后的「备用油箱」顶一阵子。

可惜，油箱再好，发动机不行也是白搭。

⏳ 7个月前它是「未来」，7个月后成了「历史」

把时间拨回今年2月12日，Spark上线那天的排场堪称盛大。

OpenAI第一个专为实时编程设计的模型，128k上下文，每秒生成超过1000个Token。官方数据更亮眼：往返开销降80%，每个Token处理开销降30%，首Token延迟砍掉一半。

代码不再一行一行往外蹦，而是整块整块地倾泻在屏幕上。

最早一批上手的开发者，反应是真兴奋。

开发者Ryan Vogel直接把它编进正式工作流：GPT-5.4负责规划，GPT-5.3-Codex负责构建，Spark负责探索代码库、查文档、给第二意见。他说这是自己第一次工作流里一个Claude模型都没有。

Instructor作者Jason Liu更狠，直接开20个Spark子代理去搜文件系统，宣布「RAG已死」。然后，他不久后就加入了OpenAI的Codex团队。

🚀 它承载着OpenAI摆脱英伟达的野心

Spark是OpenAI第一个跑在英伟达技术栈之外的生产模型，底层算力来自Cerebras的晶圆级芯片WSE-3。它标志着OpenAI与Cerebras签下的那份750兆瓦算力大单，交出了第一份答卷。

但热度退得比涨得还快。

⚠️ 一块晶圆装不下旗舰模型

Spark的致命伤在于，它本质上是一个为了极致速度而妥协的「蒸馏版小模型」。

在Terminal-Bench 2.0评测中，Spark仅获得58.4%的准确率，远低于完整版GPT-5.3-Codex的77.3%。OpenAI自己放出的SWE-Bench Pro曲线也显示——Spark虽然能把任务时长压在1到2分钟，但准确率会停在47%到51%之间。

省下的那几分钟，换来的是往下掉五六个点。

宣传中的「15倍提速」也被拆穿了。发布第二天，开发者Nicholas Van Landschoot就发长文扒了一遍：所谓15倍，是拿Spark去比开了最高推理强度的GPT-5.3-Codex。在同等准确率下，Spark其实只快了1.37倍。

实际编码场景中，缺陷被无限放大：凭空捏造API端点、JSON格式不稳定、多步任务极易跑偏。

培训机构Turing College的总结一针见血：「没有智能的速度，只是更快地失败。」

对程序员来说，花17分钟等一个能跑通的代码，永远比花2分钟拿一个全是Bug的废品划算。

于是，这款主打速度的模型，注定走向边缘化。

⚡ 旗舰本尊下场，Spark被彻底终结

真正给Spark宣判死刑的，是8月13日Cerebras发布的Ultrafast模式。

这一次，跑在晶圆上的不再是缩水版Spark，而是旗舰模型GPT-5.6 Sol本尊。

🌟 速度与智能，不再互斥

通过将庞大的旗舰模型按层切分，铺设在多台CS-3节点上形成流水线，Ultrafast模式在保证「与标准版同等智能」的前提下，飙出了每秒750个Token的速度。

Cerebras给出的对比是：Ultrafast比标准档快14倍，中间还有一档Priority，只快2.5倍。

他们拿6个质量对齐的任务做了一组耗时对比。标准档Sol平均要跑7.7分钟，换到Ultrafast，同样任务总共83秒，端到端快了整整5.6倍，而且回答质量几乎没有差别。

Cerebras CEO Andrew Feldman的评价掷地有声：「速度与智能，不再互斥。」

这句话不仅宣告了技术突破，也直接抽干了Spark存在的全部意义。

Spark的设计初衷是「拿智能换速度」。而仅仅半年后，同一家公司的晶圆上已经能跑完整旗舰模型，能力一分没少。

Cerebras的产能是有限的。当无人问津的「缩小版」和排队疯抢的「旗舰版」挤在同一批晶圆上时，谁该为未来腾地方，答案不言而喻。

🔄 「快」正在从专属模型，变成付费档位

过去三个月里，OpenAI的模型库正在经历一场激进的「大换血」。

• 6月2日，GPT-5.2与GPT-5.3-Codex退役。
• 8月31日，GPT-5.4与5.4 Mini退役，用户整体迁移至5.6世代。
• 9月11日，轮到GPT-5.3-Codex-Spark。

伴随着旧世代的离场，Codex迎来了Sol（太阳）、Terra（大地）、Luna（月亮）、Astra（星辰）的全新命名纪元。

「GPT-5.3-Codex-Spark」这种带冗长版本号和产品线后缀的名字，确实像上一个时代的遗迹。

更深层的逻辑更迭在于：「快」这一属性，正在从一个独立的专用模型，演变为旗舰模型的一项标配「档位」。

就像推理强度分为Light到Max一样，速度也从Standard、Priority排到了Ultrafast。速度与算力挂钩，按档付费的商业模式已经跑通。

回头再看，Spark完美地完成了它的历史使命。

它作为过渡期的探路者，证明了Cerebras的晶圆足以扛住生成式AI的生产级流量，也证明了推理任务完全可以脱离英伟达的生态运行。

当探路结束，大部队正式入驻，探路者的使命也就自然终结了。

接下来要比的不再是谁能做出最快的阉割版模型，而是谁能把最强的旗舰模型，跑出最极限的速度。

🌈 写在最后

技术的迭代从不留情面，但每一次告别都在为更好的未来铺路。

你怎么看这次Spark的退役？是大厂正常的产品迭代，还是「速度换智能」路线的彻底失败？评论区聊聊！

如果觉得有收获，别忘了点赞+在看+分享三连，让更多朋友看到这波AI圈的真相！