01 触发事件

2026 年 9 月 28 日, TechCrunch 转引 WSJ: OpenAI 一位高管透露, 实验室砍掉了一个模型, 理由是安全顾虑。原文对该模型的描述很特殊 — 不是"对齐失败"、不是"产生有害输出", 而是"poor aptitude for following orders", 也就是指令跟随能力欠佳。

这条新闻给的事实很少: 没有模型名, 没有阶段 (训练中 / 后训练 / 预发布), 没有量化指标。但正是这种薄, 让 framing 本身变成了信号。

02 这事的真正含义

安全叙事在过去三年里基本是两个极端: 模型太听话, 容易被 jailbreak; 或者模型太拒答, 把合法请求也挡掉。WSJ 这里用的措辞跳出了这个二元结构 — "poor aptitude for following orders" 落在中间。

我倾向于把这读成三类可能的失败模式之一, 但具体是哪一种原文没说清楚:

  • 选择性服从: 对某些 query 严格遵守, 对另一些随意拒绝, 行为不可预测
  • 指令解析退化: 能 follow, 但理解错意图, 表现为"做了但没做对"
  • 安全策略不稳定: 同一 prompt 改写一次, 行为就漂移

无论哪一种, 对部署端都不是好消息。builder 要的不是"基本安全"的模型, 要的是"行为可被 schema 约束"的模型。一个 follow orders 能力差的模型, 在 agent loop 里会反复触发重试, 直接吃掉 token budget。

OpenAI 选择在这种描述下砍掉它, 而不是悄悄 fine-tune 修复再上线, 这个决策本身也值得注意 — 修复 instruction following 通常比修复过度拒答难, 因为它涉及整个 RLHF / Constitutional 阶段的 reward model 重新校准。

03 历史类比

最贴的对照是 2019 年 GPT-2 的 staged release。OpenAI 当时以"安全风险"为由对一个小模型做了分阶段披露, 但多年后社区普遍认为那个理由更多是 positioning 而不是真实的技术危机。这次"ditches model over safety"的叙事结构几乎是同一个模板 — 信息不透明 + 安全 framing + 内部信源。

另一个不那么显眼但更技术性的对照是 Anthropic 在 2024 年对 Sonnet 中间版本的处理: 他们跳过了一个本应发布的 checkpoint, 理由同样是"alignment 表现不及格"。区别在于 Anthropic 给出了具体的行为指标, OpenAI 这次给的是一个 executive 的定性描述。

在 supply side 的语义里, "safety kill" 和 "performance kill" 现在越来越难区分。对外说安全, 对内多半是 benchmark 不达标 + 行为不稳定。后者其实更常见, 只是说出来不好听。

04 对 AI builder 意味着什么

短期, 这条新闻对直接使用 OpenAI 模型的 builder 影响有限 — 没人在 production 里跑一个"被砍掉的未发布模型"。但有两个间接效应值得注意:

一是 roadmap 信用再打折。OpenAI 在 2026 年已经多次跳票或重新规划模型节奏, 这次又告诉市场"我们愿意为安全放弃一个模型"。对依赖 OpenAI roadmap 做产品规划的团队, 这意味着要把"供应侧中断"作为一等公民风险来对冲 — 多模型 fallback、self-hosted 兜底、关键 agent 的 deterministic guardrail 都得重新评估。

二是 token 网关和 model routing 的价值上升。我自己用 opcx 这类网关的体感是, 当一家 lab 的供应稳定性下降, 多供应商路由从"成本优化工具"变成"业务连续性工具"。如果 OpenAI 开始更频繁地砍模型或推迟发布, 跑单一供应商的团队会越来越被动。

对正在 fine-tune 或蒸馏 OpenAI 模型的团队, 这次事件也算一个 soft warning: 别赌单一 checkpoint 的长期可用性。

05 反方观点 / 风险

我可能高估了这条新闻的信号强度。坦白说, 一个 WSJ 引述、一句定性描述、没有模型名, 我上面的分析一半是在补背景。这条完全可能是:

  • 一个内部 R&D 实验, 砍掉毫无新闻价值, 只是被记者拎出来当 safety theater 的素材
  • 一个 fine-tune 变体, 不是 frontier model, 对 supply 格局没影响
  • 一次 PR 动作, 配合 OpenAI 当前面对的监管压力, 给外界"我们 safety-first"的印象

更尖锐地说, 我在 02 节里把"poor aptitude for following orders"过度解读成了一个结构性叙事, 但它可能只是某个 exec 在 WSJ 采访时随口说的、为了避免技术细节的一种模糊表达。真正的安全事件通常会有具体的 red team 报告、可重复的 failure mode、或者外部研究者的引述 — 这条新闻一个都没有。

如果让我下注, 我会说这条新闻的真正价值不是"OpenAI 砍了一个模型", 而是"OpenAI 还在持续向市场输出 safety-as-narrative 的信号"。后者是 meta 信号, 不是一个具体决策。对 builder 来说, 这个 meta 信号有用, 但远没有一篇文章该有的密度。

我没在 OpenAI 内部跑过这个被砍掉的模型, 也没看过那份 WSJ 原文报道, 上面所有判断都是基于 TechCrunch 的二句话摘要。如果原始报道有更具体的技术细节, 这整篇分析的重量可能要重新校准。