多方社交平台爆料显示，OpenAI据传已经完成代号为 Bel 的超大规模预训练，参数规模达到 10 万亿。MarsBit援引相关消息称，这一模型被描述为继 Doug 之后、面向 GPT-6 之后时代的下一代基座模型，目标直指 AGI（通用人工智能）。截至发稿，OpenAI尚未正式确认上述说法。
同一轮消息还提到，OpenAI下一代模型 Astra 可能于下周四发布，目前测试范围已经扩大。此前也有内部信息流出，称 OpenAI 已正式接管自研芯片「Jalapeño」的底层代码；另有说法称，AI 编写核心代码的运行速度比人类顶尖工程师快 1.8 倍，且 OpenAI 内部已出现 AI 自我递归的迹象。
Bel 被描述为 10 万亿参数级预训练模型
报道援引爆料称，OpenAI近来完成了代号为 Bel 的超大规模预训练，核心关键词之一是突破 10T，也就是 10 万亿参数。原文将其与万亿参数级的 GPT-4进行对比，称 Bel 在复杂推理、长文本关联和跨学科多模态理解上的表现，可能对应新的「涌现能力」。
文中同时强调，超过 10 万亿参数的预训练可能只是 Bel 的起点。在后续阶段，Bel 被描述为可以用两种速度学习：一层在运行中吸收来自验证过的证明、代码测试、实验和工具轨迹中的经验；另一层则把通过评估的改进固化到持久化权重和训练配方中。
按这一路径，Bel 被描绘为一个持续进化的模型体系：先在快速记忆中学习，再把验证有效的改进沉淀为慢速权重，同时优化下一轮学习机制，并把最终成果蒸馏成可实际部署的小模型。原文甚至写道，GPT-7 或许只是 Bel 在某一周状态下的安全快照，但这一表述并未得到 OpenAI 官方证实。
Bel 的定位被指在 Doug 之后，面向「后 GPT-6 时代」
根据爆料，在 Bel 之前，OpenAI已经完成代号为 Doug 的预训练。Doug 被描述为 Astra 计划以及传闻中 GPT-6 的基础模型，后续还将经过高强度强化学习对齐。
在这一叙事里，Bel 被放在比 Doug 更靠后的阶段，成为「后 GPT-6 时代」的下一代基座。报道称，Bel 在编码、推理和长时程智能体任务方面均超越 Astra。消息人士还称，该模型可在无人干预的情况下连续高效工作数天，能够自我恢复，并协调数百个并行子智能体（subagent）。这些能力同样来自爆料渠道，并非官方公开技术文档。
社交平台 X 用户 @ChrisGPT 在推文中将 Bel 直接称为 OpenAI 的「怪兽」级模型，并表示其目标是成为「Fable Killer」。按其说法，Bel 可能会在今年年底前推出，或在 Astra 发布几个月后面世。他还称自己在 6 天前就已获知该代号。
OpenAI近期的模型与组织动态被一并提及
原文称，OpenAI今年似乎遭遇规模扩展瓶颈，甚至一度紧急拉响「Red Code」。为集中算力，OpenAI据称砍掉了 Sora 和 AI 浏览器 Altas 等产品。与此同时，下一代模型 Astra 已在数学能力上取得多项突破，但发布时间迟迟未定。
近期人事变动也被纳入这轮讨论。报道点名提到，首席收入官丹尼斯·德雷瑟、首席运营官布拉德·莱特卡普，以及曾任首席执行官萨姆·奥特曼副手的菲姬·西莫等高层，最近几周相继离职。
在这样的背景下，多位科技爆料人放出 Bel 已完成预训练的消息。Reddit 上有关 Leo 爆料的讨论也被原文引用，帖文引发了大量讨论；有人据此推测，OpenAI 内部模型可能领先外部模型 4.5 至 6 个月。
报道称 OpenAI把算力优势视为未来几年领先基础
除模型本身外，原文还把焦点放到算力储备。按照多位追踪者的交叉分析，OpenAI内部判断，在 2026 年下半年到 2027 年之间，公司保持领先「毫无悬念」，原因在于算力。
相关爆料称，OpenAI内部评估认为，Anthropic 面临算力短缺，难以应对 OpenAI 下一代 AI。在大模型竞争中，参数扩大到 10 万亿量级后，训练成本极高，算力供给被视为核心约束。
原文还写道，当其他公司仍在为凑齐 10 万张 H100/B200 芯片忙碌时，OpenAI 已经依靠高强度投入完成了 Doug 和 Bel。随着自研芯片 Jalapeño 的发布，这一差距在爆料者看来还在扩大。上述判断均来自文中援引的爆料和分析，并非公开财报或官方声明。
GPT-5.6、RSI 指数与 Sol 模型优化路径被用来说明内部自我改进
报道还回顾了 OpenAI 官方发布 GPT-5.6 时引入的「RSI 指数」。按原文表述，这一指标整合了研究调试、内核与训练配方优化、机器学习实验以及模型自我改进等成果，最终使 sol 模型在 GPT-5.5 基础上提升了 16.2 分。
此后，sol 又为更小的草稿模型设计了数百项架构实验并启动训练，只有在硬件故障和训练不稳定时才由人工介入，最终 token 生成效率提升超过 15%。原文据此把 Bel 描述为「真正意义上持续进化的存在」，强调其快速权重层与慢速循环共同作用的训练和学习机制。
OpenAI高管谈应用层路线：更快响应、云端 Agent 集群与 Personal AGI
除了围绕 Bel 的传闻，原文还引用了 OpenAI 高管 Tibo 在 Matthew Berman 播客访谈中的说法，介绍公司在应用层的未来路线图。Tibo 表示，当前已经相当强大的 Codex 模型，在未来 2 到 3 个月内可能就会显得像「原始时代的产物」。
按其说法，递归自我改进（RSI）每天都在 OpenAI 内部发生，而且「内部奇点」不只存在，还已经跑通商业闭环。Tibo 举例称，OpenAI 曾使用 Sol 模型优化 Luna 模型，直接把运营成本削减 80%。
在交互速度方面，Tibo 透露内部的 Ultra Fast 模式最高已实现 14 倍加速，并预测只需 1 到 2 年，这种超低延迟会成为行业默认标准。对于计算形态，他明确表示，随着下一代模型如 Astra 到来，未来 AI 主流不会是本地运行，而会全面转向云端的大规模 Agent 集群。
原文还提到，ChatGPT 与 Codex 未来会走向融合，形成所谓「Personal AGI」。按这一设想，用户无需手动编写复杂 Prompt，也不需要维护技能文件或管理内存，更不用手动调度子 Agent，系统会持续、被动地理解用户目标、日常习惯和团队动态，并主动提供帮助。界面则会根据用户身份自动变化，但底层仍是同一套多模态、以语音优先的技术体系。
目前公开信息主要来自爆料帖文与二手转述
这篇报道列出的参考资料包括 X 平台上的多条帖文，以及 Reddit 上关于 Leo 爆料的讨论链接。原文作者据此认为，人工智能的发展并未停滞，而是在为更大规模的变化蓄力；文中还提到，萨姆·奥特曼曾表示「我们应该为下一代模型发布再办一次派对」。
不过，从信息来源看，Bel 的参数规模、训练完成状态、发布时间、能力描述，以及 OpenAI 对 Anthropic 算力判断等内容，当前都主要来自社交平台爆料、播客访谈转述与社区讨论。OpenAI尚未就这些细节给出正式公告。
参考资料包括：X 用户 @ChrisGPT、@fanofaliens、@notjazii 的帖文，以及 Reddit 上题为「according to leo openai just finished its next...」的讨论串和 X 用户 @imjustnewatai 的内容。