OpenAI 的 Ted Sanders 谈模型命名规则:规模是解释性能差异的单一主变量
摘要
OpenAI 的 Ted Sanders 在一段被 Simon Willison 引用的说明中,解释了公司模型命名与分层逻辑:模型规模是解释性能差异的关键单一变量,版本号同时编码发布顺序、版本间关系与改进幅度。
核心要点
- Ted Sanders 明确指出,LLM 性能虽然高度多维(数学最好的模型未必最擅长讲笑话),但性能差异的很大一部分可由「模型规模」这一个变量解释。
- 规模更大的模型通常同时具备三点特征:更强、更可靠;每 token 成本更高;对冷门/生僻事实的召回更好。
- OpenAI 的模型存在明确的序关系:Luna < Terra < Sol < Astra,即按规模与能力排成阶梯。
- 版本号被赋予三重含义:发布先后顺序、与其他版本的关系(因此 6.1 而非 5.7,意味着训练数据/性格上更接近其他 6.1 系列)、以及改进幅度是否足以匹配更高版本号的期待。
- Ted Sanders 举例说明,某个版本不命名为 7,是因为它的跃升幅度不足以支撑 7 所伴随的 headline 与预期。
原文佐证
- In general, LLM performance is incredibly multidimensional. There's no guarantee of a fixed ordering where the model that is best at math is also the model that's best at jokes.
- In general, models that are bigger will (a) be more performant / reliable, (b) cost more per token, and (c) have better recall of esoteric facts.
- So something like 6.1 would indicate it was launched after 5.6, may share some similarities to other 6.1 models in terms of training data / personality (which is why it's not 5.7), and isn't a giant enough leap to merit the headlines and expectations that would come with a 7.
AI 洞察
把「规模」公开承认成解释性能差异的主变量,等于把产品线变成一条可预测的价格—能力曲线:用户几乎可以按 token 价格推断能力档位,采购与选型的不确定性被大幅降低。版本号被赋予「改进幅度承诺」的语义后,数字本身成了营销契约——不轻易跳到 7,说明厂商在刻意管理预期,避免版本通胀透支用户信任。对竞争者的含义是:单纯堆规模的收益是可被预告的,真正的差异化将转移到规模之外(性格、训练数据构成、专项能力),这在 Luna/Terra/Sol/Astra 这类分层命名中已露端倪。