OpenAI史上最快的模型，迎来了它的谢幕。

近日，Codex负责人Tibo在X上发帖官宣：GPT-5.3-Codex-Spark 将于下周正式退役。

作为OpenAI第一个逃离英伟达生态的模型，也是750兆瓦Cerebras算力大单的首次交付，Spark从万众瞩目的发布到光速下线，仅仅活了7个月。

Tibo给出的理由非常现实：“用量一直在狂掉，而我们现在有明显更好用的模型，是时候给未来腾出空间了。”他还忍不住自黑了一句：“真不敢相信我们当初居然发布了名字这么长的模型！”

尴尬的离场：用户只心疼“备用额度”

Spark的离开并没有在开发者群体中引发太多伤感，场面甚至显得有些滑稽。

虽说有少数人给这位“最快的小子”留下了温情的告别语，但评论区更多的是犀利的吐槽。有开发者直言：“这玩意到底是干嘛用的？我同事都没搞明白。”更有暴躁老哥一针见血：“Spark是个好玩的模型，极度糟糕、根本没法用，我好几个月没碰过了，很高兴它终于走了。”

据说，在稍微上点规模的项目里，Spark连理解项目上下文、分析日志这种基础活儿都干不好，动不动就把上下文窗口塞满，不仅凭空捏造API，JSON格式也极其不稳定。

事实上，大家真正惋惜的根本不是模型本身，而是它附带的**“独立配额”**。

在Astra额度天天被挤爆的当下，Spark拥有一份不占主额度的独立套餐。很多开发者其实只把它当成主额度耗尽后的“备用油箱”来续命。现在备用油箱没了，这才是最让人心痛的。

7个月前的未来，败给了真实的“降智提速”

把时间线拉回7个月前，Spark上线时的排场可谓相当风光。

作为首个专为实时编程设计的模型，它拥有128k上下文，每秒生成超过1000个Token，底层算力全部来自初创公司Cerebras的晶圆级芯片WSE-3。那时候的代码不再是一行一行蹦，而是像瀑布一样倾泻在屏幕上。

早期甚至有开发者用多个Spark子代理去搜文件系统，激动地喊出“RAG已死”。

但谎言很快戳破。Spark的致命伤在于：一块晶圆根本装不下完整的旗舰模型。它本质上只是一个为了追求极致速度而妥协的“蒸馏版小模型”。

在实际测试中，Spark的表现严重缩水。Terminal-Bench 2.0评测中它只有58.4%的准确率（完整版有77.3%）。所谓的“15倍提速”，是在极苛刻的对比条件下得出的，在同等准确率下，它其实只比完整版快了1.37倍。

正如一家培训机构一针见血的评价：“没有智能的速度，只是更快地失败。” 毕竟，对程序员来说，等20分钟拿到能跑的代码，也比2分钟拿到一堆Bug的垃圾要强。

旗舰满血下场，终结了“降智”时代

真正给Spark宣判死刑的，是Cerebras在8月祭出的杀手锏——Ultrafast模式。

这一次，晶圆上跑的不再是阉割版的Spark，而是旗舰本尊 GPT-5.6 Sol！

通过将庞大的旗舰模型按层切分，铺设在多台节点上形成流水线，Ultrafast模式在保证“满血智商”的前提下，直接飙出了每秒750个Token的恐怖速度，比标准档快了14倍！端到端的任务耗时缩短了整整5.6倍。

当同一台服务器上已经能跑完整的旗舰模型，连速度都相差无几时，Spark这种“拿智能换速度”的过渡型产品就彻底失去了存在的意义。

【编辑观察】：速度不再是专属，而是“付费档位”

过去短短几个月，OpenAI的模型库经历了一场疯狂的“大换血”。从5.2、5.4到如今的Spark，全都在为全新的Sol、Terra、Luna、Astra纪元让路。

这不仅是版本号的更迭，更揭示了AI行业的一个残酷真相：“快”不再适合作为一个独立出来的残血模型，它已经变成了旗舰模型的一项“收费档位”！ 就像画质分为“标清”和“极清”一样，生成速度也彻底与算力挂钩。

Spark完成了它作为探路者的使命，证明了非英伟达生态也能扛住生产级流量。而在未来的军备竞赛中，“阉割版”将被主流抛弃，巨头们要比拼的，是谁能把最强大的模型跑出最极限的速度。