OpenAI Astra曝光循环深度架构：35亿参数等效500亿算力，奥特曼主动踩刹车

9月2日，《The Information》披露，OpenAI即将发布的旗舰模型Astra采用「循环深度（recurrent depth）」技术，让文本在同一网络层多次循环处理。35亿参数的模型在推理时可等效调用最高500亿参数的算力，大幅压缩内存与带宽成本；但推理过程（思维链）将不可读，加重安全审查担忧，奥特曼已因「能力过强」主动踩下刹车。

什么是循环深度

传统大模型靠堆叠参数规模换取能力，而循环深度让同一层网络反复处理输入，用「计算深度」换「参数规模」，在保持小参数 footprint 的同时逼近大模型的推理表现，显著降低显存与带宽占用。

代价：思维链不可读

为换取效率，模型内部推理过程不再可读，这给可解释性与安全审查带来新难题，也引发监管与学界对「黑箱加深」的担忧。

奥特曼为何踩刹车

报道称奥特曼以「能力过强」为由主动放缓开发，呼应OpenAI既有的准备框架（Preparedness Framework）——在能力跨越安全阈值前，先行扩大安全测试与内部管控。

FAQ

Q1：循环深度解决什么问题？

用计算深度换参数规模，在更小参数下逼近大模型能力，显著降低显存与带宽成本，利于端侧与低成本部署。

Q2：35亿参数等效500亿算力如何解读？

指推理时通过同层多次循环，等效调用最高500亿参数的算力，是效率导向的架构创新而非真实参数量。

Q3：为何思维链不可读引发担忧？

不可读使安全审查与事后追责变难，监管与学界担心模型能力越过可解释边界。

Q4：奥特曼踩刹车意味着什么？

表明前沿实验室对能力跃迁保持审慎，先在安全测试与内部管控上补齐，再推进发布。