OpenAI宣布GPT-5.3-Codex-Spark模型退役，仅存活7个月

OpenAI 史上最快的模型，死了。

Codex 负责人 Tibo 发帖，GPT-5.3-Codex-Spark，下周退役。

每秒 1200 个 Token、OpenAI 第一个逃离英伟达的模型、750 兆瓦 Cerebras 大单的头一份交付，从发布到下线，只活了 7 个月。

Tibo 给的理由很简单，用量一直在往下掉，手上也已经有明显更好的模型了。「是时候给未来腾地方了。」

然后，他又在底下补了一刀，「真不敢相信，我们居然发布过名字这么长的模型！！」

告别式上，大家只关心「备用额度」

Spark 走得很安静，甚至显得有些尴尬。

Hugging Face 的 Vaibhav Srivastav 试图在评论区留下一点温情。

感谢服役，你很特别，希望你为自己是第一个「最快的小子」而骄傲。下周退役前，发条 prompt 吧，感受一下我们从那时到现在走了多远。

紧随其后的热评，画风立刻变得犀利起来。

所以它到底是干嘛用的？前两天我还在跟同事讨论这个问题。

OpenAI 要退役 Codex-Spark 了，那仅存的 67 个重度用户该伤心了。

更致命的评价来自开发者 argofowl，「Spark 是个好玩的模型，也是个极度糟糕、根本没法用的模型。很高兴它走了，我好几个月没碰过了。」

还有开发者表示，几个规模不小的项目里，他几乎没用过 Spark，连理解项目上下文、分析日志这种基础任务，都会迅速把上下文窗口塞满，逼着他另开一个对话。

事实上，真正对 Spark 退役感到一丝惋惜的，惋惜的也并非模型本身，而是它附带的独立配额。

知名开发者 Chubby 坦言想要一个「GPT-6-Spark」，因为 Spark 拥有一份不占主额度的独立套餐。

在 Astra 额度极其紧张的当下，很多开发者是把 Spark 当作主额度耗尽后的「备用油箱」来顶一阵子。

7 个月前的「未来」，败给了「降智提速」

把时间拨回今年 2 月 12 日，Spark 上线那天的排场可谓盛大。

这是 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。

按官方给的数字，客户端和服务器之间的往返开销降了 80%，每个 Token 的处理开销降了 30%，首 Token 延迟砍掉一半。

代码不再一行一行往外蹦，整块整块地倾泻在屏幕上。

最早一批上手的开发者，反应也是真的兴奋。

开发者 Ryan Vogel 直接把它编进了正式工作流，GPT-5.4 负责规划，GPT-5.3-Codex 负责构建，Spark 负责探索代码库、查文档、给第二意见。

他说这是自己第一次工作流里一个 Claude 模型都没有，「效率更高，花得更少」。

Instructor 作者 Jason Liu，直接开 20 个 Spark 子代理去搜文件系统，宣布「RAG 已死」。

然后，他就在不久之后加入了 OpenAI 的 Codex 团队。

更关键的是，Spark 承载着 OpenAI 摆脱单一硬件依赖的野心。

它是 OpenAI 第一个跑在英伟达技术栈之外的生产模型，底层算力来自初创公司 Cerebras 的晶圆级芯片 WSE-3。

它标志着 OpenAI 与 Cerebras 签下的那份 750 兆瓦、总价值超 200 亿美元算力大单，交出了第一份答卷。

但热度退得比涨得还要快。

Spark 的致命伤在于，一块晶圆装不下旗舰模型，它本质上是一个为了极致速度而妥协的「蒸馏版小模型」。

在 Terminal-Bench 2.0 评测中，Spark 仅获得 58.4% 的准确率，远低于完整版 GPT-5.3-Codex 的 77.3%。

OpenAI 自己放出的 SWE-Bench Pro 曲线也显示——Spark 虽然能把任务时长压在 1 到 2 分钟，但准确率会停在 47% 到 51% 之间。相比之下，完整版 GPT-5.3-Codex 从 3 分钟起步就是 51%，拉到 9 分钟是 56%，16 分钟能到 57%。Spark 省下的那几分钟，换来的是往下掉五六个点。

宣传中的「15 倍提速」也被拆穿了。

发布第二天，开发者 Nicholas Van Landschoot 就在 X 上发了篇长文，把 OpenAI 的对比条件扒了一遍，所谓 15 倍，是拿 Spark 去比开了最高推理强度的 GPT-5.3-Codex。在同等准确率下，Spark 其实只快了 1.37 倍。

在实际编码场景中，它的缺陷被无限放大，凭空捏造 API 端点，JSON 格式不稳定，多步任务极易跑偏。

培训机构 Turing College 对它的总结一针见血，「没有智能的速度，只是更快地失败。」

对于程序员而言，花 17 分钟等一个能跑通的代码，永远比花 2 分钟拿一个全是 Bug 的废品要划算。

于是，这款主打速度的模型，注定走向边缘化。

旗舰本尊下场，Ultrafast 终结了 Spark

而真正给 Spark 宣判死刑的，是 8 月 13 日 Cerebras 发布的 Ultrafast 模式。

这一次，跑在晶圆上的不再是缩水版的 Spark，而是旗舰模型 GPT-5.6 Sol 本尊。

通过将庞大的旗舰模型按层切分，铺设在多台 CS-3 节点上形成流水线，Ultrafast 模式在保证「与标准版同等智能」的前提下，飙出了每秒 750 个 Token 的恐怖速度。

Cerebras 给的对比是，Ultrafast 比标准档快 14 倍，中间还有一档 Priority，只快 2.5 倍。

Cerebras CEO Andrew Feldman 对此的评价掷地有声，「速度与智能，不再互斥。」

他们拿 GDP-Val 里 6 个质量对齐的任务做了一组耗时对比。标准档 Sol 平均要跑 7.7 分钟，其中 7.5 分钟花在模型生成上。换到 Ultrafast，同样的任务总共 83 秒，模型生成 68 秒，剩下的 15 秒是工具调用之类的非推理开销。端到端快了整整 5.6 倍，而且回答的质量也几乎没有差别。

这句话不仅宣告了技术突破，也直接抽干了 Spark 存在的全部意义。

Spark 的设计初衷就是「拿智能换速度」，而仅仅半年后，同一家公司的晶圆上已经能跑完整的旗舰模型，速度只慢了四分之一，能力却一分没少。

Cerebras 的产能是有限的。当无人问津的「缩小版」和排队疯抢的「旗舰版」挤在同一批晶圆上时，谁该为未来腾地方，答案不言而喻。

速度不再是「专属模型」，而是「付费档位」

Spark 并非唯一被清理的历史包袱。过去三个月里，OpenAI 的模型库正在经历一场激进的「大换血」。

• 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，用户整体迁移至 5.6 世代。
• 9 月 11 日，轮到 GPT-5.3-Codex-Spark。

伴随着旧世代的离场，Codex 迎来了 Sol（太阳）、Terra（大地）、Luna（月亮）、Astra（星辰）的全新命名纪元。「GPT-5.3-Codex-Spark」这种带有冗长版本号和产品线后缀的名字，确实已经像上一个时代的遗迹。

更深层的逻辑更迭在于，「快」这一属性，正在从一个独立的专用模型，演变为旗舰模型的一项标配「档位」。就像推理强度分为 Light 到 Max 一样，OpenAI 现在的速度也从 Standard、Priority 排到了 Ultrafast。速度与算力挂钩，按档付费的商业模式已经彻底跑通。

回头再看，Spark 完美地完成了它的历史使命。它作为一个过渡期的探路者，证明了 Cerebras 的晶圆足以扛住生成式 AI 的生产级流量，也证明了推理任务完全可以脱离英伟达的生态运行。当探路结束，大部队正式入驻，探路者的使命也就自然终结了。

「拿智能换速度」的歧途在今天被正式封死。随着各大平台开始竞逐底层硬件的极致利用率，下一轮的军备竞赛规则已经彻底改写。接下来要比的不再是谁能做出最快的阉割版模型，而是谁能把最强的旗舰模型，跑出最极限的速度。

参考资料：

https://x.com/thsottiaux/status/2098300998968357218