曝 OpenAI 已完成 Bel 模型预训练：参数超 10T，或作为 GPT-6 后续基座模型
据 IT之家 8 月 26 日消息，消息源 @synthwavedd 当天在 X 平台发文称，OpenAI 已经完成下一代模型的预训练工作，该模型内部代号为 Bel，被描述为 Doug 模型的直接继任者，且总参数量超过 10T。爆料还称，OpenAI 希望将 Bel 打造成 GPT-6 之后的基座模型，并进一步冲击通用人工智能（AGI）阈值模型。需要注意的是，目前相关信息来自社交平台爆料，OpenAI 尚未在公开渠道确认 Bel 模型的存在、规模或发布时间。
Bel 被曝定位：GPT-6 之后的“基座模型”候选
从来源描述看，Bel 的重点不只是参数规模，而是其在 OpenAI 内部模型路线中的位置。消息称 Bel 是 Doug 的直接继任者，并被寄望于成为 GPT-6 之后的基座模型。这意味着，如果爆料属实，Bel 可能并非单一面向终端用户的聊天产品，而更像是后续多种 AI 能力、产品形态与工具链的底层能力来源。
所谓基座模型，通常指能够支撑多任务、多场景能力扩展的大模型底座。对于 OpenAI 这样的模型公司而言，基座模型的改进不仅会影响对话质量，也会牵动代码生成、多模态理解、智能体执行、企业 API 与自动化工具等多个方向。来源提到 Bel 参数量超过 10T，这一说法如果成立，将表明 OpenAI 仍在探索更大规模模型带来的能力上限。
不过，参数规模并不等同于最终体验。模型的训练数据、后训练方法、推理效率、工具调用能力、安全对齐与部署成本，都会决定其实际表现。对于中文读者更关心的落地层面，Bel 这类传闻真正值得关注的是：OpenAI 是否会继续把前沿模型能力下放到 ChatGPT、API、开发者工具和企业自动化场景中。
AGI 叙事再升温：从“更强模型”到“通用能力”
来源摘要中提到，OpenAI 希望 Bel 冲击通用人工智能（AGI）阈值模型。AGI 通常被理解为一种假设中的智能系统，能够像人类一样学习、理解并执行广泛的智力任务。与当前主要面向特定任务优化的狭义 AI 不同，AGI 更强调跨领域泛化能力、推理能力以及适应未知环境的自我学习能力。
这也是当前 AI 竞争中最敏感的叙事之一。过去几年，大模型已经在文本生成、编程辅助、信息总结和多模态识别等场景中表现出较强通用性，但距离“能够稳定处理人类可完成的任何智力任务”仍存在明显争议。因此，Bel 是否真的接近 AGI 阈值，目前只能视为爆料方观点或 OpenAI 目标描述，不能等同于已实现 AGI。
- 已知信息：爆料称 OpenAI 已完成 Bel 预训练，参数量超过 10T。
- 模型定位：Bel 被称为 Doug 的继任者，并可能服务于 GPT-6 之后的基座模型路线。
- 关键目标：来源称 OpenAI 希望其冲击 AGI 阈值模型。
- 不确定性：OpenAI 尚未公开确认该模型，发布时间、能力评测与产品形态均未披露。
影响与解读：前沿模型竞争进入“算力、节奏与生态”三重较量
来源还提到，消息源认为 OpenAI 相关模型探索可能让 Anthropic 感到压力。爆料称，OpenAI 认为面对即将公开发布的 Astra，Anthropic 暂时没有足够有力的应对方案，原因主要与算力条件有关；同时，Anthropic 据称已准备接受今年余下大部分时间局势偏向 OpenAI，但相信明年初可重回领先地位。
这一表述反映出前沿 AI 公司竞争的核心已不只是单个模型的榜单成绩，而是算力储备、训练节奏、产品发布窗口和开发者生态的综合较量。OpenAI 若确实在 GPT-6 之后继续推进更大规模基座模型，将可能强化其在模型 API、AI 助手和企业工具市场中的议价能力；而 Anthropic 等竞争者则需要在安全性、长上下文、企业可信部署或特定能力上形成差异化。
对产业观察者而言，Bel 爆料的信号在于：大模型竞赛并未因应用落地压力而降温，头部公司仍在押注更强底座模型。但与此同时，模型越大，训练和推理成本越高，对能源、芯片、数据中心和商业化回报的要求也越严苛。下一阶段 AI 竞争，很可能不只是“谁的模型更强”，更是“谁能把前沿能力更高效地交付给用户和开发者”。
总体来看，Bel 目前仍处在未经官方证实的爆料阶段，但其涉及的 10T 参数、GPT-6 后续基座模型与 AGI 阈值等关键词，足以显示 OpenAI 未来路线的想象空间。本站将继续关注 OpenAI 是否会披露更多技术细节，以及相关能力是否会进入可用产品与开发者接口。