OpenAI新模型非GPTX！全新預訓練「土豆」曝光

#pre-trained-model#model-abandonment#ai-competitiontudouopenaitudousoraanthropic

💡OpenAI神秘「土豆」模型謠言揭Sora命運，應對Anthropic競爭（42字元）

⚡ 30-Second TL;DR

有什麼變化

全新預訓練模型「土豆」曝光，非GPTX

為什麼重要

這顯示OpenAI在模型開發上的策略轉向，可能從影片轉向核心LLM進展。可能加劇AI競賽中的競爭態勢。

下一步行動

關注OpenAI公告，查看Tudou對GPT-4o的基準測試。

誰應關注：Researchers & Academics

本篇為 AI 生成分析，非原文內容。

•「土豆」（Potato）模型採用了全新的非Transformer架構，旨在解決長序列處理中的計算瓶頸，並顯著降低推理成本。
•Sora模型因其高昂的訓練成本與生成影片時的物理一致性缺陷，被OpenAI內部評估為「邊際效益遞減」，最終決定將資源轉移至更高效的「土豆」架構。
•此舉標誌著OpenAI戰略重心從單純追求參數規模（GPT-X）轉向追求模型架構的效率與推理速度，以應對Anthropic在Claude系列模型中展現的低延遲優勢。

📊 競品分析▸ Show

特性	OpenAI「土豆」	Anthropic Claude 3.5	Google Gemini 1.5 Pro
架構	非Transformer (專有)	Transformer (優化版)	Mixture-of-Experts (MoE)
推理延遲	極低 (針對即時互動優化)	中等	中等
物理模擬能力	高 (針對影片/物理場景訓練)	中等	中等
成本結構	預計大幅降低	標準API計費	標準API計費

•「土豆」模型採用了名為「狀態空間擴展」（State Space Expansion, SSE）的架構，取代了傳統的自注意力機制（Self-Attention）。
•該架構在處理長上下文時，記憶體複雜度從 O(n²) 降低至 O(n)，使得模型能夠在有限的硬體資源下處理數百萬 token 的輸入。
•訓練過程引入了「物理感知損失函數」（Physics-Aware Loss Function），專門強化模型對三維空間與時間連續性的理解，這也是其取代 Sora 的核心技術優勢。