OpenAI代号Doug新模型曝光：重启基础模型大规模预训练

OpenAI 代号 Doug 新模型曝光：重启基础模型大规模预训练

近期，关于 OpenAI 下一代模型的传闻不断。8 月 9 日，长期关注 OpenAI 动态的 X 用户 ChrisGPT 爆料称，OpenAI 正在推进一个代号为 Doug 的新一轮大型预训练模型。据称，这将是 OpenAI 迄今规模最大的预训练项目，且与 GPT-6 并非同一模型。ChrisGPT 还推测，GPT-6 可能就是此前因安全问题暂缓发布的 Astra 模型，而 Doug 预计最迟可能在 11 月前推出。

这一消息并非孤例。8 月 7 日，半导体和 AI 行业研究机构 SemiAnalysis 在一篇分析 Google Gemini 和云服务的文章中，公开了一份 7 月 9 日发送给客户的备忘录，其中明确提到：“OpenAI 已经克服了预训练方面的问题，一个代号为 Doug、规模大得多的模型正在积极推进。”

如果这些信息准确，Doug 可能意味着 OpenAI 在经历近两年主要依赖后训练（post-training）、强化学习（RL）和推理时计算（inference-time compute）推动能力增长后，正重新启动大规模基础模型的换代。

从 GPT-4o 到 GPT-5：能力增长的重心转移

2024 年 5 月，OpenAI 发布 GPT-4o，并将其定位为新的旗舰模型。此后近两年，OpenAI 虽然训练并发布了 GPT-4.5 等新模型，但始终未完成一轮能够被广泛部署为下一代主力前沿模型的全规模预训练。与此同时，模型能力的增长开始越来越多地依赖另一条路线。

2024 年 9 月，OpenAI 发布 o1-preview，展示了不同于传统预训练扩展的另一种 scaling 方法：通过大规模强化学习，让模型学会投入更多计算进行推理。此后，后训练、RL 和推理时计算在 OpenAI 的模型体系中占据越来越重要的地位。2025 年 4 月，o3 正式发布，再次强调推理能力来自大规模强化学习。2025 年 8 月，GPT-5 发布，它不再是一个单一模型，而是由快速模型、深度推理模型和路由系统组成的统一架构。

SemiAnalysis 认为，o1、o3 乃至 GPT-5 系列背后，并没有伴随一次与 GPT-4o 相当的全新基础模型世代跃迁，相关模型实际上仍建立在 GPT-4o 时代的基础模型体系之上。OpenAI 从未确认这一训练血缘，但如果 SemiAnalysis 的信息成立，过去近两年的路线就很好理解：底座没有发生同等级别的世代跃迁，能力增长主要由越来越强的后训练和 RL 推动。模型 scaling 也由过去主要依赖预训练，逐渐扩展到了预训练、RL 和推理时计算三个维度。

然而，如果基础模型长期没有同等级别的换代，仅依靠后训练和推理计算继续 scaling，迟早会面临边际收益下降的问题。而 Gemini 3 的出现，把这种潜在的训练路线问题迅速转化成了现实的竞争压力。

Garlic：预训练重新运转的信号

2025 年 11 月 18 日，Google 发布 Gemini 3。十天后，SemiAnalysis 在 TPUv7 分析中抛出一个引发广泛讨论的判断：自 GPT-4o 以来，OpenAI 没有完成一轮能够被广泛部署为新前沿模型的成功全规模预训练。当 Google 推出 Gemini 3 后，这种差异从训练路线问题变成了直接的竞争压力。

12 月 1 日，多家媒体报道称，Sam Altman 在 OpenAI 内部宣布“Code Red”，要求团队优先提升 ChatGPT，并重新配置部分资源。一天后，更关键的训练信息浮出水面。

2025 年 12 月 2 日，《The Information》报道称，OpenAI 正在开发一个代号为 Garlic 的新预训练模型。报道援引内部消息称，Garlic 在 coding 和 reasoning 评测中表现不错，同时使用了 OpenAI 在先前训练过程中发现的一系列 bug fixes。更关键的是，OpenAI 首席研究官 Mark Chen 据称向团队表示，公司已经解决了此前预训练中的一些关键问题。报道还提到，这些训练改进能够让更小的模型容纳过去需要更大模型才能获得的知识。

同一篇报道里，还有一句后来显得格外重要：OpenAI 已经基于 Garlic 学到的经验，开始开发一个“even bigger and better model”。Doug 的故事，其实从这里就已经开始了。

2026 年 1 月 6 日，SemiAnalysis 再次谈到 OpenAI 的模型路线，直接写道：OpenAI 已经解决了预训练方面的问题。也就是说，按照 SemiAnalysis 掌握的信息，OpenAI 此前困扰全规模预训练的问题已经得到解决。Garlic 很可能承担了验证这些修复是否有效的角色，而 Doug，则可能是这些训练方法真正被放大到更大规模之后的结果。

Doug 的意义：重新启动底座 scaling

如果上述消息准确，那么 OpenAI 可能正在连续推进至少两轮重要模型项目：已经进入高级评测阶段的 Astra，以及规模据称更大的 Doug。而 Doug 指向的则是另一件事：重新推动底座本身的 scaling。

过去两年，OpenAI 已经证明，旧底座仍然可以通过 RL、reasoning 和 inference-time compute 被不断向上推。Doug 要回答的是另一个问题：当底座本身重新完成一次大幅跃迁之后，这套已经被推到极致的后训练体系，还能把能力再带到哪里。这可能才是 OpenAI 下一轮模型竞争真正的起点。

从行业视角看，OpenAI 的这一战略转变具有深远影响。一方面，它表明预训练扩展仍然是提升模型能力的核心路径，后训练和推理时计算只是补充而非替代。另一方面，Doug 的推进也意味着 OpenAI 正在为下一代前沿模型奠定基础，可能引发新一轮的算力竞赛和模型能力跃升。

对于 AI 从业者和研究者而言，Doug 的进展值得密切关注。它不仅关乎 OpenAI 的未来，也预示着整个行业在模型扩展方向上的新趋势。随着预训练问题的解决，我们或许将看到基础模型能力的大幅提升，进而推动 AI 应用在更多领域实现突破。

总之，Doug 的传闻揭示了 OpenAI 在模型战略上的重要转向：从过度依赖后训练，回归到基础模型的全面升级。这一转变能否成功，将直接影响未来几年 AI 竞争的格局。