就在最近，SemiAnalysis发表了一篇硬核长文博客，爆料了不少大模型圈的内幕消息。

其中，一些最核心的亮点，先一睹为快：

• OpenAI正在训练一个规模介于GPT-4.1和GPT-4.5之间的新模型
• 下一代推理模型o4将基于GPT-4.1展开RL训练
• 强化学习改变了实验室结构，甚至是大厂未来研究的侧重方向和优先级
• 定义奖励函数难上加难，往往AI钻空子之后，漏洞才能被发现
• 不牺牲LLM任何性能，不用合并权重，RL另一条路——数据混合
• 与预训练不同，RL可持续更新Scaling模型能力，DeepSeek-R1是典例
• 高质量数据是Scaling强化学习的护城河
• 训练小模型，蒸馏效果要比RL更好