北京
新智元報道
編輯：Aeneas KingHZ
【新智元導讀】五一假期前，AI社區被一篇「GPT-5.5擁有近10萬億參數」的論文刷屏，今天這項研究就被研究者打假了！研究者表示，修正論文中的各種問題后，GPT-5.5的參數很可能約為1.5T。
2026年4月底，AI界被一篇名為《不可壓縮知識探針》（Incompressible Knowledge Probes，簡稱 IKP）的論文震動了。
論文地址：https://www.alphaxiv.org/abs/2604.24827
Pine AI的首席科學家Bojie Li發表了一項研究，聲稱通過一種全新的「黑盒探測法」，推算出了那些閉源模型的真實體量。
GPT-5.5：9.7萬億（9.7T）參數
Claude Opus 4.7：4.0萬億（4.0T）參數
o1：3.5萬億（3.5T）參數
這個數據瞬間引爆了社交媒體。
要知道，如果GPT-5.5真的達到了10T規模，那意味著它比傳聞中的GPT-4（約1.8T）大了5倍有余。
一時間，這個參數瞬間傳遍全網。
然而，僅僅幾天后，反轉就來了。
邏輯的漏洞：從10T到1.5T的縮水內幕
最近，來自UC伯克利CHAI實驗室的Lawrence Chan和UK AISI的研究員Ben Sturgeon對這篇論文進行了深挖。
他們發現，這篇聲稱「逆推大模型規模」的爆火論文，竟然存在嚴重的邏輯與代碼偏差。
修復這些問題后，GPT-5.5的參數約為1.5T（90% 置信區間：256B-8.3T）。
被修飾的擬合曲線
在原始論文中，作者聲稱沒有對模型的得分進行「保底處理」（flooring）。但在復現代碼時，研究者發現作者在計算小模型得分時，偷偷地將負分歸零了。
科普：當模型遇到不知道的冷知識時，如果亂猜（幻覺），得分會是負數。
如果把這個「歸零」操作去掉，小模型的得分會大幅下降。這意味著原本陡峭的「得分-參數」擬合曲線會變得平緩。修正后，估算的GPT-5.5規模直接從9.7T暴跌至1.5T。
「人工智障」出題：25%的題目本身就有錯
研究者發現，這套用來測試模型的「冷知識題庫」質量同樣堪憂。
歧義性：約25%的專家知識題存在歧義（例如重名研究員）。
事實錯誤：部分標準答案本身就是錯的。
最戲劇性的是，原作者Bojie Li后來坦言：這篇研究是他在AI智能體的輔助下，僅用4天時間完成的早期探索。
這種「AI寫論文研究AI」的模式，被Lawrence Chan戲稱為「充滿槽點的Vibe-coding」。
核心理論依然堅挺
知識「不可壓縮」
用嚴謹的話說，論文的核心思想——IKP 得分與對數參數數量之間的線性關系——仍然成立，但參數數量的估計卻不成立。
解決這兩個問題后，基于IKP的前沿模型估計的參數數量通常會下降，置信區間會擴大：
GPT 5.5：9.7T -> 1.5T
Claude Opus 4.7：4.0T -> 1.1T
DeepSeek R1（實際大小671B）：424 B -> 760 B
難得的是，論文中的三種說法，承受住了各種測試，被證明依然是正確的。
比如，IKP分數和模型的參數呈對數線性關系。
總之，論文提出的核心模型依然得到了學界的認可：不可壓縮知識探針（IKP）。
這個理論認為，大模型的能力可以分為兩部分。
程序性能力（邏輯、推理、代碼）：這是可以壓縮的。隨著架構優化，更小的模型可以擁有更強的推理能力。
事實性知識（某人的出生日期、冷門研究領域）：這是不可壓縮的。
你可以把模型想象成一個硬盤，存一個事實就需要占幾個比特位。
因此，測試模型到底知道多少「不可壓縮」的冷知識，確實是目前探測閉源模型參數最科學的「測力計」。
誰才是真正的「知識之王」？
而且，盡管參數規模下調了，但各家模型的「有效容量」排名依然極具參考價值。
梯隊格局
第一梯隊（巔峰王者）：GPT-5.5。雖然可能只有1.5T左右，但它在T6級別的超冷門知識表現上依然冠絕群雄。
第二梯隊（貼身肉搏）：Claude Opus 4.7、o1、Grok-4。這幾款模型的有效容量高度接近，競爭進入白熱化。
MoE（混合專家模型）的秘密：研究發現，MoE模型的知識量取決于其總參數，而非每次運行時的「激活參數」。這意味著，如果你想讓模型博學，堆參數依然是唯一的硬道理。
「思考模式」的玄學
測試顯示，開啟「思維鏈」（Thinking Mode）并不能顯著增加模型的知識量。這再次印證了：思考能提高邏輯，但不能憑空變出你沒讀過的書。
最后，Lawrence Chan吐槽說：這項工作果然是AI智能體在四天內完成的，因為網站和代碼庫到處都體現著vibe coding的粗糙風格。
GPT-5.5參數有9.7T？
4月30日，Pine AI的首席科學家李博杰的這篇論文引發了熱議。
核心觀點是：事實性容量與模型規模呈對數線性關系。
論文展示了 7 個知識層級，其中T7對所有模型來說幾乎都是0%左右，這表明預訓練仍有巨大的提升空間。
Gemini 3.1 Pro很可能超過 10T，因為它被用作錨點，但論文中沒有對其直接估算。
這意味著，我們可以在一定程度上推斷不同模型的訓練成本，以及它們的后訓練效果——即在給定規模下，在某些非事實性任務上的表現。
在原作中，李博杰構建了一個包含1400個事實性問題的數據集，并將準確率與參數數量進行擬合。
通過反轉擬合，從閉源模型的數據集得分，研究人員推斷出其參數數量。
特別要注意最后一行的90%預測區間「Predicition interval, PI」非常大。
此前，就有網友注意到這些「規模只是推測，不應當作事實」。
現在許多人，想知道估算對方法論有多敏感——
李博杰直言，「同一個評估任務，結果橫跨60倍區間 → 任何單一的點估計都不誠實。」
不過，IKP本是一個起點，而非終點。
作者坦誠自己匆忙上傳了一篇未成熟的arXiv論文，只是為了把這個想法放出來。
論文、代碼、數據集和網站都是在 4 天內完成的，主要借助 Claude Code，發布前未經同行審閱。采用下限處理和 λ=?1，是為了在開放權重模型上最大化R2。
我們期待未來的工作能將它做得更好！
Scaling Law失效了嗎？
這次「參數神話」的破滅，給行業敲響了警鐘：盲目崇拜大數字的時代正在過去。
GPT-5.5從10T降到1.5T，并不意味著它變弱了，而是意味著OpenAI可能在數據質量和參數效率上做了更驚人的優化。
正如Lawrence Chan在總結中所說：「GPT-5.5到底有多少參數？我們依然不確定。但這種通過探測知識容量來反推規模的方法，為我們揭開黑盒模型的面紗提供了一條新路徑。」
在通往AGI的路上，我們需要的或許不再是更大的硬盤，而是更聰明的索引方式。
參考資料：
https://x.com/deedydas/status/2049523583517634862
https://x.com/justanotherlaw/status/2050399317782155726
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
