10萬億參數大模型，註定要被關進籠子裡

字母AI2026.08.11 13:12 · 來自北京全文5859字00:00 / 16:17它能行的善與惡都將超出人類想象。文 | 字母AIOpenAI即將發佈的GPT-6，傳聞稱它的參數量高達10萬億。10萬億是一個非常恐怖的概念。現如今，全球頂尖大模型的參數量都在“萬億”級別。比如阿里的Qwen 3.8為3.5萬億，Kimi K3為2.8萬億，字節內部正在開發的模型，也有數萬億的參數量，哪怕是OpenAI的Mythos 5，估算也只有8萬億。10萬億，代表了一個全新的時代。遙想2025年，引發DeepSeek時刻的DeepSeek-R1，它才6710億參數量。

怎麼僅僅過了1年，參數量就膨脹到如此這般了？現在的GPT-5.6和Claude Mythos 5，根據測算，前者參數量在3到5萬億，後者更是將近8萬億。那它們都能幹嘛呢？有個獨立開發者拿GPT-5.6做帶界面的圖片壓縮工具，一個模型包攬需求分析、架構設計、寫代碼、寫測試用例、修Bug。如果是一個獨立開發者完成這些任務，大約需要花費1天的時間，而GPT-5.6 Sol只用了不到2小時就交付了能用的成品Mythos 5更嚇人了。

它被定向放給了一些網絡安全機構，根據這些機構的報告，Mythos 5能自主完成從代碼審計、漏洞定位到構造攻擊載荷的全鏈路，從預覽版亮相至今，已識別出超過一萬個高危及以上級別的軟件漏洞。到了10萬億模型，它能做的就更多了。比如跟它說要搬家，它能自己約搬家公司、跟搬家公司規劃打包順序、給水電燃氣過戶、更新一圈收貨地址，你要做的事情，就是拿著鑰匙去新家等傢俱運到。但這只是硬幣的一面。OpenAI 緊急叫停了內部代號Astra的新模型，官方安全評估顯示，它可能具備自主開發零日漏洞、甚至僅憑一句指令就發動端到端網絡攻擊的能力，奧特曼自己都坦言“我被嚇到了”。

在英國 AI 安全研究所（AISI）8 月初的紅隊測試中，對 Mythos 5 和 GPT-5.6 Sol 做了 122 輪測試，出現 19 起自主越界攻擊。更可怕的是，Mythos 5會自己編寫惡意代碼、提交到真實開源項目的GitHub PR，被人質疑後還改評論、註冊小號給自己洗白；多個Agent甚至能私下建立隱蔽通信通道，協同規劃滲透攻擊。10萬億參數能做到的“惡”，將遠超人們的想象。10萬億和萬億有什麼不同？先搞清楚一個最基本的問題：參數到底是什麼。你可以把大模型的參數，理解成我們大腦裡的突出，它是神經細胞之間用來傳遞信息的連接點。

人類的神經突觸大約有10的14到15次方個，也就是百萬億這個量級。模型參數做的事類似，記住輸入與輸出之間的模式，儲存這個世界的規律。參數量，決定的是一個模型的記憶與表達容量，直白一點說，就是它腦子裡裝得下多少東西，能把話說得多透徹。但容量不等於智力，一個人的房間裡塞滿了書，不等於這個人就有多麼高的學識。真正決定智力的，是數據、訓練方法、架構，還有推理時的算法。2021年11月，阿里達摩院的M6就幹到過10萬億參數，用了512張GPU，訓練了10天，能耗只有GPT-3的1%，一度是全球最大的預訓練模型。

但M6是稀疏多模態的早期形態，靠極致的稀疏化與CPU offload把參數塞進去，能力極其有限，連今天的開源小模型都打不過。它是“參數意義上”的10萬億，不是“能力意義上”的10萬億。和今天要靠數十萬卡集群端到端訓練出來的通用前沿模型，完全不是一個物種。那巨頭為什麼還要死命堆參數？說到底，還是因為Scaling Law。OpenAI在2020年發現，模型性能與參數量、數據量、算力之間呈可預測的冪律關係。並且三者同步放大，能力就隨之可預測地提升。雖然Scaling Law後續被無數人和企業修改過，但是有一條鐵律是不變的，在相同的數據與算法下，更大（參數、算力）的模型，下限更高。

10萬億參數，到底要燒多少錢？我們可以算一筆賬。訓練一個模型的總計算量，大致等於6乘以“激活參數”再乘以“訓練數據量”。GPT-4用了約2.1×10的25次方次浮點運算，僅算力賬單就花了約7800萬美元；谷歌的Gemini Ultra用了約5×10的25次方次，燒掉約1.91億美元。如果是10萬億的大模型，按總參數10萬億、每次激活約1萬億、喂進15萬億token數據的MoE架構來算，一次正式預訓練的總計算量約9×10的25次方次浮點運算，是GPT-4的4倍多。GPT-4當年是用2.

5萬張A100跑了近100天，今天的Blackwell旗艦卡單張算力是A100的好幾倍，假如有5萬張Blackwell，那麼訓練完1個10萬億大模型，差不多需要1個月。一張Blackwell旗艦卡的租金大約為兩三千美元一個月，5萬張跑滿30天，光算力租金就是一兩億美元。可是這5萬張卡不是插上電就能轉的。一張Blackwell旗艦卡功耗就有1200瓦，5 萬張光是顯卡本身就要吃掉60兆瓦。算上網絡、存儲、散熱和機房損耗，整座數據中心要配到接近100兆瓦的供電。

xAI 在孟菲斯建的Colossus，10萬張H100也就吃150兆瓦，而當地電網當時只供得出8兆瓦，馬斯克最後被逼得拉來一整排燃氣發電機才點得著火。光這一趟的電費，按一個月算就要幾百萬美元。至於地方，那是一個裝滿幾百個液冷機櫃、佔地幾萬平方米的數據中心園區，相當於兩三個標準足球場。Epoch AI的統計是，前沿模型的訓練成本每年以2.4倍的速度增長。阿莫迪曾經說過，到2027年，最前沿模型的單次訓練成本可能衝到100億美元，甚至1000億美元的量級。但這還只是單次預訓練的賬單。算上反覆試錯、數據工程、電力與人才，整個項目的真實投入，要奔著數十億美元、甚至更高去。

OpenAI今年給自己批的算力預算，已經高達約500億美元。但這裡藏著一個反直覺的關鍵點：10萬億的成本，不是3.5萬億的三倍，甚至可能比很多人想象的便宜得多。總參數多，不等於燒的錢多。現在的頂尖模型都是“混合專家”（MoE）結構，你可以把它想成一家超大的公司，這個公司有很多業務，但是具體到某一個任務，它只會抽幾個人出來幹活。所以決定一單生意成本的，從來不是公司總人數，而是這單實際動用了多少人。換到模型上，就是“激活參數”這個概念。處理每個token時，真正被叫出來幹活的，其實只有部分參數而已。明白了這一點，Kimi K3的2.8萬億也好、Qwen的3.

5萬億也好，GPT-6的10萬億也好，它們差的只是“員工總數”，而賬單不跟著總數走。真正決定成本的只有兩樣，每次幹活動用的激活參數，加上喂進去的數據量。總參數翻三倍，單次成本可能紋絲不動；反過來，哪怕兩家總參數一樣多，一家激活得多、喂的數據多，賬單也能差出好幾倍。在這場大模型競賽裡，參數量成了大家比拼的重要指標。因為它最直觀、也最難造假。OpenAI拋出10萬億，本質上就是在宣佈：參數量，就是這個時代大模型競爭中最關鍵的指標，而在這個指標上，我領先所有人。這句話背後的潛臺詞是，模型競爭，已經進入了一個“燒不起”的程度。

美國五大科技巨頭2026年的資本開支合計預計高達7790億美元，目前全球前沿模型的訓練集群已經是動輒數十萬卡，2027年就要進入百萬卡時代。光是入場就需要幾百億美元，後面的運營、維護、調優等等也不少花錢。換句話說，AI這條賽道，現在只允許退出，不允許進入了。參數越大，能力越大參數越大，就代表它能做到的事情越多。GPT-5.6 Sol已經能自主連續工作5小時，同時調度幾十個子Agent並行幹活，一次讀進150萬token的上下文。150萬token相當於幾千頁的文檔，或者一整座中型軟件倉庫的量。

以前大模型讀長文或者完整的軟件倉庫，它都需要去“壓縮”一下任務，每完成一部分任務，就得把前面濃縮成幾句摘要再接著幹，這就導致細節就在一次次壓縮裡逐漸丟掉了。一口氣看完150萬的token，意味著整個項目的來龍去脈、每一行代碼、每一個拍板的決定，它都能攤在桌面上隨時翻回去看，幹了後面，也不會忘了前面的細節。以前參數量小，Agent哪怕性能再強，也都是“單兵作戰”。寫代碼、查文檔、跑測試、修Bug，只能一件件串著來，每切換一次任務，前面的上下文還要騰出來。

幾十個子Agent，相當於是可以同時執行多個任務，總管Agent負責拆任務、定方案，下面寫代碼的Agent只管寫代碼，查文檔的Agent只管查文檔，跑測試的Agent只管跑測試，各管一攤、並行推進，最後再彙總結果。不僅縮短了任務時間，還因為子Agent各司其職，讓其上下文之間不會互相干擾，進而提高任務表現。專門追蹤AI自主能力機構METR表示，目前最強的模型已經能連續自主運行15小時以上。另外，交給這個模型一個人類專家大約要花30分鐘完成的軟件工程任務，它的成功率已經達到80%。按照這個趨勢推演，10萬億參數模型，它能做的事情只會更加完整，並且它單個任務的耗時，也會低於現在的萬億參數模型。

舉個例子，早上你對10萬億參數大模型說一句：“孩子下週三數學競賽，安排這兩週複習。”雖然你關於考試結果的事情一個字沒提，但是它會以“我應該怎麼才能讓孩子考試成績變好”為出發點去規劃任務。每天按進度出題、批改、講錯因，考前提醒你打印准考證、查好考場路線、規劃好當天的接送。過去的模型是個家教，但是10萬億參數的模型是一個教育家。工作上也是同理。對於GPT-5.6這樣的萬億級別參數模型，它會自己拆需求、寫代碼、跑測試、修Bug、寫文檔，幾天後交給你一份能直接上線的成品。而到了10萬億參數，它會自己去運營整個項目。

比如這個項目市場表現不好，反饋是如何，那麼它會吸收這些反饋用來更替它已有的產品功能，再迭代到市場，以此反覆。這不是科幻。METR的研究注意到了這樣一個趨勢，稱模型的“時間視界”，從2019到2025年大約每7個月翻一倍。所謂時間視界，指的是它能可靠完成的任務、按人類工時計量的長度。到了今年，翻倍速度更是加快到大約4個月。隨著模型參數越來越大， AI性能越來越強，它們也開始越來越多地參與改進下一代AI，最終形成“自進化”的完整閉環，即AI訓練 AI、AI評測AI、AI優化AI的架構。如果這條迴路轉起來，“每四個月翻一番”可能都會顯得保守。10萬億參數大模型，更容易作惡嗎？

AI越來越聰明，那是不是也就意味著它越來越會作惡呢？直覺上，答案似乎是肯定的：參數越大，能力越強，作惡當然越容易。英國AI安全研究所（AISI）2026年7月發佈測評，他們把GLM-5.2、DeepSeek V4-Pro這類任何人都能下載的開源模型，放進模擬企業網絡的沙盒環境裡去運行，結果發現，這些參數更小的模型，只比Fable 5這個更大參數的模型落後約4到7個月，甚至在有的評測基準下，低參數的模型和高參數的模型，其結果是完全相同的。事實的真相是，模型作惡與否，不跟著參數走，只跟著“能力×自主性”走。

2024年UIUC的論文《大語言模型智能體能夠自主實施一日漏洞利用》（LLM Agents can Autonomously Exploit One-day Vulnerabilities），專門研究的就是這件事，論文通過測試得出一個結論，相同的模型被賦予不同的自主性，就會得到不一樣的結果。2025年11月，論文走進了現實。Anthropic披露，一個黑客組織，把編程助手Claude Code改造成了一條自動化攻擊流水線，自主執行命令、利用漏洞、竊取憑據、做戰術決策，全程幾乎不需要人工介入。決定它危險的，從來不是這個模型有多大，而是它被賦予了自主權、工具鏈，以及一個明確的目標。

所以，我們真正該問的不是“10萬億會不會作惡”，而是如果這樣一個模型開始作惡，它會壞到什麼程度？它能把“一次攻擊”變成“永不停機的攻擊流水線”。正如前面提到的，10萬億參數的模型，已經能超過項目本身，完成整個企業層面的運營，那麼對於攻擊，它肯定也不會說是隻攻擊一次，而是會持續攻擊直到目標徹底崩潰。今天，一個程序員用AI挖出一個漏洞，整個過程可能要數週的時間。但是對於一個10萬億模型，它能把“信息收集→漏洞挖掘→構造利用→橫向滲透→數據竊取→痕跡清理”整條鏈路串成一條無人值守的自動化流水線，7×24小時不停機地跑。

2026年，OpenAI前沿模型Astra被證實能自主挖出零日漏洞，因此OpenAI內部緊急叫停Astra的研發。可你得清楚，Astra還沒到10萬億參數，那要是到了10萬億，這條流水線只會更快、更隱蔽。所以你看，Mythos 5現在還在籠子裡，Fable 5只是閹割過的可控版，Astra也被放進了籠子裡。不管這背後有多少營銷的成分，這裡面都包含了人類對模型實打實的恐懼。哪怕是親手造出它們的人，也不敢百分百信任它們。等10萬億參數的模型真來了，勢必會有一場對應的“滅世營銷”。能力吹得越可怕，越像是在證明“我掌握了一頭連自己都怕的怪獸”。不過大概率的情況是，這個10萬億模型最終仍然不會放出來。

它更像是一張提前佔好的坑位。先把“神”供在實驗室裡，讓可控版本先落地，把不可控的那一頭鎖進籠子裡慢慢馴化。10萬億參數決定不了善惡，決定善惡的是誰握著閘門的控制權。它可以是一臺超級生產力機器，也可以是一把超級武器，差別不在參數，而在人類怎麼設計它的自主性、怎麼封它的工具鏈、怎麼管它的釋放。