夜雨聆风一个代号，撕开了硅谷最讳莫如深的伤疤。
过去两年，整个AI圈都在窃窃私语同一件事，OpenAI的预训练，是否跑不动了？ 自2024年5月GPT-4o发布以来，这家曾定义"大力出奇迹"的公司，再没有成功部署过一个全新的frontier预训练底座。o1靠推理链惊艳世界，GPT-4.5砸下天量算力却反响平平，GPT-5甚至被曝训练算力低于上一代，所有迹象都指向一个令对手窃喜、令投资人不安的结论：OpenAI的"地基"，裂了。
然后，“Doug”出现了
▲ 社区流传的原始帖文与幻灯片：OpenAI已克服预训练问题，代号"Doug"的更大模型正在推进
一张幻灯片，炸开一个行业
这条在X上流传的帖子措辞短促，却句句踩在火药上：帖子声称OpenAI已经修好了预训练问题，一个规模远超现有模型的新底座正在训练，内部代号“Doug”。 配图是一张深色背景、白色衬线字体的幻灯片，只有一行要点，像会议室里泄出的最后一页PPT。
发帖者特意强调了为什么这件事重要，过去这些年，OpenAI的巨大进步几乎全部来自强化学习（RL）和后训练。如果预训练底座能再次做大，就可能产生乘法效应：更强的地基，叠加已经炉火纯青的RL配方，能力曲线可能再度陡峭到令人窒息。
评论区的反应倒是轻松得多有人玩笑说"内部其实叫Dogue"，有人调侃"dougie这名字还不错"。
▲ 有网友调侃：内部其实叫"Dogue"，在缺乏官方口径时，代号本身也成了社交货币
但轻松的表皮下，是一条绷了两年的舆论钢缆。
"自GPT-4o以来，没有一次成功的全规模预训练"
要听懂Doug的分量，你得先明白"预训练卡住"这个故事是怎么立起来的。
产业分析机构SemiAnalysis在讨论Google TPU与NVIDIA GPU的长文中，写下了一句被全行业反复引用的判断：OpenAI的顶尖研究者自2024年5月GPT-4o以来，尚未完成一次被广泛部署为新frontier模型的成功全规模预训练。
▲ OfficeChai转述SemiAnalysis观点：自GPT-4o以来，OpenAI未完成一次成功的全规模预训练
这句话像一根刺，扎进了所有后续讨论里。OfficeChai转述了这一判断，AIBase进一步概括为"多次尝试扩大参数与数据，因收敛困难或性能退化而中止"，Hacker News上开发者们把它和模型知识截止日期等蛛丝马迹放在一起反复咀嚼。
与此同时，Google DeepMind那边高调宣称预训练仍在带来"从没见过的跃迁"。两相对比，"谁还跑得动大预训练"变成了行业地位的象征问题，这场争夺超出了学术讨论，也牵动着千亿美元估值。
GPT-4.5的冷场与GPT-5的"降级"：大底座一度成了赔本买卖
故事最尴尬的一章，属于GPT-4.5
这是OpenAI明确定位为"无监督学习范式扩展"的产品，换句话说，就是要证明"把底座做大仍然有用"。结果呢？发布观感偏冷，改进幅度不及预期，很快被更便宜的推理模型比下去，社区甚至出现了"弃用GPT-4.5"的讨论。Bunnyhopping上的深度分析文章《Pre-training isn't dead, it's just resting》指出：GPT-4.5在纯预训练算力的坐标上未必违背扩展趋势，问题在于，同期后训练和推理扩展实在太有效了，"只把底座做大"在性价比上显得无比尴尬。
▲ 深度分析文章认为：预训练没有死，只是在"休息"，经济约束暂时压过了科学规律
到了GPT-5，事情更微妙Epoch AI的研究指出：GPT-5很可能是GPT系列中训练算力低于上一代的异类。
▲ Epoch AI：GPT-5训练算力可能低于GPT-4.5，但GPT-6大概率不会
原因并不神秘大约2024年9月前后，推理模型相关的后训练技术让"三倍后训练算力"在某些任务上至少可比肩"三倍预训练"，甚至存在一个数量级的预训练成本节省想象空间。既然如此，何必花几个月占满整个集群？在更小的底座上把后训练推到极限，先把产品做出来，这是务实选择，却也让外界愈发确信：OpenAI正在用后训练的"创可贴"掩盖预训练的"骨折"。
一位Transformer之父的加盟，被解读为"预训练已修复"
2026年6月，一则人事变动被社区玩成了行业最大的梗。
Noam Shazeer，Transformer论文共同作者、Google传奇研究员，宣布加入OpenAI。消息一出，独立研究者Nathan Lambert立刻引用其声明，只写了一句：
"OpenAI just fixed their supposed 'scaling pretraining problem'"，OpenAI刚刚修好了他们所谓的"扩展预训练问题"。
▲ Nathan Lambert的辛辣点评：把人才争夺与技术标签焊在了一起
这当然是黑色幽默，一个人的加入不等于一个工程问题的解决。但它精准地捕捉到了行业心态：在公开舆论里，"预训练问题"已经成为OpenAI的固有标签，任何风吹草动都会被拿来做注脚。
科学硬核：为什么底座规模仍然关键
Doug传闻的分量，在于最近的研究揭示了一个反直觉的深层机制：预训练质量会同时影响模型当前的能力和后续RL的潜力。
arXiv上一篇论文《Understanding Reasoning from Pretraining to Post-Training》，在国际象棋等可控环境中做了预训练与RL的联合算力扫描，拟合出了一条联合扩展定律。Hugging Face的Lewis Tunstall在读书会笔记中总结了三条核心洞见：
▲ Lewis Tunstall介绍预训练-RL联合扩展定律：更强的底座让RL本身扩展得更好
第一，更强的预训练会让RL本身扩展得更好，给定RL预算能达到的性能上限，很大程度由预训练损失决定。第二，总预算较低时应把更多算力给预训练；预算升高后，RL的最优占比可从约20%升到近30%。第三，RL更提升"一次答对"的可靠性，对"多候选覆盖"帮助有限。
社区研究者tokenbender把这翻译成了更扎心的工程语言：两个参数量相近、甚至初始基准相近的模型，可能因预训练路径不同而有完全不同的"RL可塑性"。 一个被过度蒸馏、基准分数漂亮的底座，也可能是一片贫瘠的土壤，你往上面浇再多的RL肥料，也长不出参天大树。
▲ tokenbender的论文笔记：预训练质量决定了模型的"RL可塑性"，过度蒸馏的底座可能是贫瘠土壤
这就是Doug传闻的戏剧张力所在，如果OpenAI真的训出了一个更健康、更大的预训练底座，那么过去两年在o1、o3等推理模型上积累的所有RL配方，将获得一个全新的、更肥沃的生长基质。底座抬升后再叠加后训练，可能形成双重增益。
代号政治：从Spud到Doug，名字背后的命名混乱
但在兴奋之前，有一个前车之鉴值得所有人冷静三秒。
2026年上半年，社区曾长期把代号Spud的预训练底座当作"准GPT-6"来期待。结果它以GPT-5.5的名义发布，Sam Altman此前放在"GPT-6讨论框架"里的记忆、个性化等能力，被拆散塞进了5.x产品线。外界解读永远比内部路线图噪声更大。
Doug可能重演同样的剧本：它也许只是内部项目名、数据配比实验的代号，甚至只是某张幻灯片上的概括词。把一个泄漏代号等同于产品发布时间表，证据远远不够。
更稳妥的阅读方式：Doug仍待证实，大预训练是否回归
让我们把镜头拉远
OpenAI研究员、Transformer共同作者之一Łukasz Kaiser在访谈中给出过一个更内部的判断：扩大预训练仍能提升模型，但已处在S曲线顶部；出于经济约束，公司转向更高效的模型；GPT-4时期算力几乎全给训练，ChatGPT爆火后大量GPU转向推理服务；2026年会有更多GPU上线
▲ Łukasz Kaiser访谈要点摘要：预训练在S曲线顶部，但"there is no wall"，没有墙
他的结论被摘要者浓缩为四个字：there is no wall，没有墙。
Epoch AI的前瞻也指向同一方向：当后训练的边际收益开始回落、而GPU供给继续扩张时，训练总算力的增长将重新向"更大的最终训练运行"回归。他们预期后续旗舰，无论叫GPT-6还是别的什么，很可能比GPT-5、甚至比GPT-4.5吃掉更多训练算力。
Doug传闻值得认真对待，因为它提出了一个关键问题：整个行业是否正在经历从"后训练独大"到"双轮驱动"的范式回摆。
2022到2023年，预训练规模是主旋律，ChatGPT的RLHF证明后训练能改变产品形态。2024到2025年，推理模型与RL成为新主轴，预训练被宣判"死亡"。而2026年的传闻场里，有人重新喊出了大底座回来了。
这轮变化源于算力账单逼出来的路径切换。智能的生产函数有多个自变量，短暂优化其中一个，不代表其他变量被物理删除。预训练从来没有"死"，它只是在经济学的暴风雪里冬眠了一阵。
而现在，可能有人正在试着把它叫醒