TranFu
返回

As 成为 AI 产业观察信号

TFTranFu 精选2025/12/11 19:19

As AI Grows More Complex, Model Builders Rely on NVIDIA: Unveiling what it describes as the most capable model series yet for professional knowledge work, OpenAI launched GPT-5.2 in December. The model was trained and de

As 成为 AI 产业观察信号
图片来源:blogs.nvidia.com
文章作者、来源:blogs.nvidia.com

正文

OpenAI 于 12 月发布了 GPT-5.2,称其为迄今面向专业知识工作的最强模型系列。该模型在 NVIDIA 基础设施上完成训练和部署,其中包括 NVIDIA Hopper 和 GB200 NVL72 系统。

GPT-5.3 Codex 于 2 月发布,这是首个参与构建自身的 OpenAI agentic coding 模型,并且完全在 GB200 NVL72 上完成训练和服务。

GPT-5.2 在 GPQA-Diamond、AIME 2025 和 Tau2 Telecom 等行业基准测试中取得了已公布的最高分。在 ARC-AGI-2 等面向 AGI 开发所需能力的主流基准测试中,GPT-5.2 为最先进性能树立了新的标杆。

GPT 5.3-Codex 将 GPT‑5.2-Codex 的编码性能与 GPT‑5.2 的推理能力整合到一个模型中,性能提升 25%。在用于评估编码、智能体和真实世界能力的四项基准测试中,GPT 5.3-Codex 在 SWE-Bench Pro 和 Terminal-Bench 上创下新的行业高点,同时在 OSWorld 和 GDPval 基准测试中也表现强劲。

GPT 5.2 和 GPT 5.3-Codex 是领先 AI 构建者如何在 NVIDIA 全栈 AI 基础设施上进行大规模训练和部署的最新例证。

得益于三大扩展定律,AI 模型正变得更加强大:预训练、后训练和测试时扩展。

推理模型如今已经无处不在。它们会在推理阶段投入计算资源,通过多个网络协同工作来处理复杂查询。

但预训练和后训练依然是智能的基石。它们是让推理模型变得更聪明、更有用的核心。

而要做到这一点,需要规模。从零开始训练前沿模型并不是一项小工程。

这需要数万甚至数十万块 GPU 高效协同工作。

这样的规模对多个维度都提出了卓越要求。它需要世界级加速器,需要覆盖 scale-up、scale-out 以及日益重要的 scale-across 架构的先进网络,还需要一套经过全面优化的软件栈。简而言之,这是一套为在规模化场景下交付性能而专门构建的基础设施平台。

在最新的 MLPerf Training 行业基准测试中,与 NVIDIA Hopper 架构相比,NVIDIA GB200 NVL72 系统在所测试的最大模型上实现了 3 倍更快的训练性能,并且每美元性能提升近 2 倍。

而与 NVIDIA Hopper 相比,NVIDIA GB300 NVL72 的速度提升超过 4 倍。

这些性能提升有助于 AI 开发者缩短开发周期,并更快部署新模型。

如今多数领先的大语言模型都在 NVIDIA 平台上完成训练。

NVIDIA 支持多种模态的 AI 开发,包括语音、图像和视频生成,以及生物学和机器人等新兴领域。

例如,Evo 2 等模型可以解码基因序列,OpenFold3 可预测 3D 蛋白质结构,Boltz-2 可模拟药物相互作用,帮助研究人员更快识别有前景的候选对象。

在临床方面,NVIDIA Clara 合成模型可生成逼真的医学影像,在不暴露患者数据的情况下推进筛查和诊断。

Runway 和 Inworld 等公司都在 NVIDIA 基础设施上进行训练。

Runway 上周发布了 Gen-4.5,这是一款新的前沿视频生成模型;根据 Artificial Analysis 排行榜,它是目前全球评分最高的视频模型。

Gen-4.5 现已针对 NVIDIA Blackwell 进行优化,其从初始研发、预训练、后训练到推理,整个开发过程都完全基于 NVIDIA GPU。

Runway 还发布了 GWM-1,这是一款在 NVIDIA Blackwell 上训练的先进通用世界模型,旨在实时模拟现实。它具备交互性、可控性和通用性,可应用于视频游戏、教育、科学、娱乐和机器人等领域。

MLPerf 是行业标准的训练性能基准测试。在最新一轮测试中,NVIDIA 提交了全部七项 MLPerf Training 5.1 基准的结果,展现出强劲的性能和多样化能力。它也是唯一在所有类别中提交结果的平台。

NVIDIA 支持多样化 AI 工作负载的能力,有助于数据中心更高效地利用资源。

这也是 Black Forest Labs、Cohere、Mistral、OpenAI、Reflection 和 Thinking Machines Lab 等 AI 实验室都在 NVIDIA Blackwell 平台上进行训练的原因。

NVIDIA Blackwell 已通过领先的云服务提供商、新型云厂商和服务器制造商广泛供货。

而 NVIDIA Blackwell Ultra 在计算、内存和架构方面进一步提升,目前也正由服务器制造商和云服务提供商陆续推出。

包括 Amazon Web Services、CoreWeave、Google Cloud、Lambda、Microsoft Azure、Nebius、Oracle Cloud Infrastructure 和 Together AI 等在内的主要云服务提供商和 NVIDIA Cloud Partners,已经提供由 NVIDIA Blackwell 驱动的实例,确保在预训练规模持续扩大时提供可扩展的性能。

从前沿模型到日常 AI,未来正在 NVIDIA 之上构建。

了解更多关于 NVIDIA Blackwell 平台的信息。

编者按:本文已于 2026 年 2 月 6 日更新,加入 OpenAI 及其 GPT-5.3 Codex 的最新模型信息。后续 OpenAI 发布新模型和新数据时,本文还将继续更新。

阅读原文

AI解读

这是一条雷达解读:它可能反映 AI 产品、开发者工具、模型基础设施或研究方向的新变化。

对研究员 / 分析师来说,可以作为后续选题、产品观察或技术调研的线索。

建议打开原文核对细节,并观察是否有同类信号在其他来源重复出现。