OpenAI 最快模型谢幕：Codex-Spark 的七个月与一个档位的诞生

OpenAIAICerebras编程助手

OpenAI 史上最快的模型要下线了。9 月 11 日，Codex 负责人 Thibault Sottiaux 在 X 上宣布，GPT-5.3-Codex-Spark 将在下周退役。从 2 月 12 日上线到离开模型列表，这个模型的生命周期只有七个月。

官方对下线的解释很简短：用量持续下降，而且手里已经有明显更好的模型。Sottiaux 在帖子末尾补了一句玩笑，「真不敢相信，我们居然发布过名字这么长的模型。」

Cerebras 官方公告：OpenAI GPT-5.3-Codex-Spark

七个月前的排场

Spark 出生时的待遇完全不同。它是 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，跑在创业公司 Cerebras 的晶圆级芯片 Wafer Scale Engine 3 上。这是 OpenAI 第一个跑在英伟达技术栈之外的生产模型，也是双方算力合作交出的第一份答卷。

这份合作背后的数字很大。今年 1 月，OpenAI 与 Cerebras 签下三年最多 750 兆瓦算力的采购协议，据 The Information 报道价值超过 100 亿美元；4 月，据 Reuters 报道，这笔投入扩大到超过 200 亿美元，OpenAI 还将获得 Cerebras 的认股权证，产能部署覆盖到 2028 年。Spark 是这盘棋里第一个落地的产品。

WSE-3 是一颗不像芯片的芯片：整片晶圆就是一个处理器，单颗片上 SRAM 达到 44GB，省掉了 GPU 访问显存的往返延迟，代价是单颗装不下太大的模型。Cerebras 的官方口径是 20B 参数模型装进一台 CS-3，70B 需要四台。Spark 本质上就是从这个限制里长出来的产品：为了塞进晶圆，它必须是旗舰模型的精简版。

早期开发者是真的兴奋。有人把工作流改成了三模型接力：GPT-5.4 负责规划，GPT-5.3-Codex 负责构建，Spark 负责探索代码库和给第二意见。Instructor 作者 Jason Liu 开了 20 个 Spark 子代理并行扫描文件系统，宣布「RAG 已死」，随后加入了 OpenAI 的 Codex 团队。

拿智能换速度的代价

问题出在产品定位的根基上。Spark 的速度来自「变小」，而变小是有账单的。

Terminal-Bench 2.0 上，Spark 的准确率是 58.4%，完整版 GPT-5.3-Codex 是 77.3%，差了接近 19 个百分点。OpenAI 自己放出的 SWE-Bench Pro 曲线更直观：Spark 把任务时长压到 1 到 2 分钟，准确率停在 47% 到 51% 之间；完整版从 3 分钟起步就有 51%，拉到 16 分钟能到 57%。省下的几分钟，对应的是往下掉五六个点。

发布时宣传的「15 倍提速」也被重新算过账。开发者拿同等准确率的口径对比 Spark 与标准档 Codex，实际提速约 1.37 倍，差距来自对比时给基线模型开了最高推理强度。这个重新计算后来在 Hacker News 上被反复引用。

实际编码场景的问题更具体：凭空捏造 API 端点、JSON 输出格式不稳定、多步任务容易跑偏。开发者 argofowl 的评价流传最广：「Spark 是个好玩的模型，也是个极度糟糕、没法用的模型。很高兴它走了，我好几个月没碰过了。」对写代码的人来说，等 17 分钟拿一个能跑通的结果，比 2 分钟拿一个满是 bug 的半成品划算。

真正被惋惜的是配额

退役消息公布后，Hugging Face 开发者 Vaibhav Srivastav 在评论区发起告别，邀请大家在下线前再发一条 prompt。但评论区的主流情绪没有感伤，热评直接问：所以它到底是干嘛用的？

真正让人惋惜的是 Spark 附带的独立配额。它有一份不占主额度的独立套餐，在旗舰模型 Astra 额度紧张的当下，很多开发者把 Spark 当主额度耗尽后的备用油箱。据 The Information 报道，OpenAI 在 9 月暂停了 200 美元档 Pro 订阅的新用户注册，理由正是 Astra 的算力紧张。备用油箱此时被撤走，对重度用户的实际影响大过模型本身下线。

有开发者在评论区许愿下一个同名模型：「我想要一个 GPT-6-Spark。」他们想要的未必是那个精简模型，而是那份独立额度。

旗舰本尊上了晶圆

给 Spark 终结判决的是 8 月 13 日 Cerebras 与 OpenAI 联合发布的 Ultrafast 模式。这一次跑在晶圆上的不再是精简版，而是旗舰模型 GPT-5.6 Sol 本尊：把大模型按层切分铺到多台 CS-3 节点上组成流水线，在保持与标准版同等智能的前提下，跑出每秒 750 个 token 的输出速度，比标准档快 14 倍。

Cerebras 拿 GDP-Val 里 6 个质量对齐的任务做了对比：标准档平均 7.7 分钟，其中 7.5 分钟花在模型生成上；Ultrafast 同样的任务总共 83 秒，端到端快 5.6 倍，质量几乎没有差别。

Cerebras 官方公告：Accelerating GPT-5.6 Sol Ultrafast with OpenAI

同一个逻辑反过来读就是 Spark 的死因：旗舰模型可以直接享受晶圆的速度了，「拿智能换速度」的妥协方案失去了存在理由。Cerebras 的晶圆产能有限，无人问津的精简版和排队抢用的旗舰版共享同一批产线，退役哪个，答案很清楚。

速度变成了付费档位

Spark 也不是唯一被清理的包袱。过去三个月，OpenAI 的模型列表经历了一轮密集换血：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，9 月 11 日轮到 Spark。伴随着旧世代离场，Codex 产品线换上了 Sol、Terra、Luna、Astra 的天体命名。

更深层的变化在商业模式。「快」这个属性，已经不需要一款独立模型来承载，它成了旗舰模型的一个服务档位。OpenAI API 现在的速度选项从 Standard、Priority 排到 Ultrafast，与推理强度档位并行，按档付费。Ultrafast 目前处于 limited preview 阶段，首批客户包括 Jane Street、Podium、Basis 和 Rogo，覆盖交易、语音、金融研究等对延迟敏感的场景。

从这个角度看，Spark 的七个月更像一次基础设施验证：它证明了 Cerebras 的晶圆扛得住生产级流量，证明了推理任务可以脱离英伟达生态运行，也证明了市场对「快」的真实需求落在档位而非独立模型上。探路完成，路线并入了主干。

模型列表里少了 一个名字，API 的速度表上多了一行价格。这是 Spark 留下来的东西。

参考来源：