Model tercepat dalam sejarah OpenAI, mati.
Kepala Codex Tibo memposting, GPT-5.3-Codex-Spark, pensiun minggu depan.
1200 Token per detik, model pertama OpenAI yang lepas dari Nvidia, pengiriman pertama dari pesanan besar Cerebras 750 MW, dari rilis hingga ditutup, hanya hidup selama 7 bulan.
Alasan Tibo sederhana, penggunaan terus menurun, dan mereka sudah punya model yang jelas lebih baik. "Sudah waktunya memberi ruang untuk masa depan."
Kemudian, dia menambahkan lagi di kolom komentar, "Tidak percaya, kami pernah merilis model dengan nama sepanjang ini!!"
Di upacara perpisahan, semua orang hanya peduli 'kuota cadangan'
Spark pergi dengan tenang, bahkan terasa canggung.
Vaibhav Srivastav dari Hugging Face mencoba menyisakan sedikit kehangatan di kolom komentar.
Terima kasih atas jasamu, kamu spesial, semoga kamu bangga menjadi yang pertama 'anak tercepat'. Sebelum pensiun minggu depan, kirimkan prompt, rasakan sejauh mana kita telah berjalan sejak saat itu.
Komentar populer berikutnya, gayanya langsung menjadi tajam.
Jadi sebenarnya buat apa model ini? Beberapa hari lalu saya masih mendiskusikannya dengan rekan kerja.
OpenAI akan mempensiunkan Codex-Spark, 67 pengguna berat yang tersisa pasti akan sedih.
Evaluasi yang lebih mematikan datang dari developer argofowl, "Spark adalah model yang menyenangkan, tapi juga model yang sangat buruk, sama sekali tidak bisa digunakan. Senang dia pergi, saya sudah tidak menyentuhnya selama berbulan-bulan."
Ada juga developer yang menyatakan, dalam beberapa proyek yang cukup besar, dia hampir tidak pernah menggunakan Spark, bahkan untuk tugas dasar seperti memahami konteks proyek, menganalisis log, akan dengan cepat memenuhi jendela konteks, memaksanya membuka percakapan baru.
Faktanya, yang benar-benar merasa sedikit menyesalkan pensiunnya Spark, bukanlah modelnya sendiri, melainkan kuota independen yang menyertainya.
Developer terkenal Chubby mengaku menginginkan "GPT-6-Spark", karena Spark memiliki paket independen yang tidak memakan kuota utama.
Dalam situasi kuota Astra yang sangat ketat saat ini, banyak developer menggunakan Spark sebagai "tangki cadangan" setelah kuota utama habis untuk bertahan sementara waktu.
'Masa depan' 7 bulan lalu, dikalahkan oleh 'mengorbankan kecerdasan untuk kecepatan'
Mundur ke tanggal 12 Februari tahun ini, kemeriahan saat Spark diluncurkan sangat besar.
Ini adalah model pertama OpenAI yang dirancang khusus untuk pemrograman real-time, konteks 128k, menghasilkan lebih dari 1000 Token per detik.
Menurut angka resmi yang diberikan, overhead bolak-balik antara klien dan server turun 80%, biaya pemrosesan per Token turun 30%, latensi Token pertama dipotong setengah.
Kode tidak lagi muncul baris demi baris, melainkan tercurah dalam blok-blok utuh di layar.
Reaksi developer yang pertama kali mencobanya, juga sangat bersemangat.
Developer Ryan Vogel langsung memasukkannya ke dalam alur kerja resmi, GPT-5.4 bertanggung jawab atas perencanaan, GPT-5.3-Codex bertanggung jawab membangun, Spark bertanggung jawab menjelajahi basis kode, mencari dokumentasi, memberikan pendapat kedua.
Dia mengatakan ini pertama kalinya dalam alur kerjanya tidak ada satu pun model Claude, "Lebih efisien, pengeluaran lebih sedikit".
Penulis Instructor Jason Liu, langsung membuka 20 sub-agen Spark untuk mencari sistem file, menyatakan "RAG sudah mati".
Kemudian, tidak lama setelahnya, dia bergabung dengan tim Codex OpenAI.
Yang lebih krusial, Spark membawa ambisi OpenAI untuk lepas dari ketergantungan pada satu jenis perangkat keras.
Ini adalah model produksi pertama OpenAI yang berjalan di luar tumpukan teknologi Nvidia, kekuatan komputasi dasarnya berasal dari chip wafer-scale WSE-3 dari perusahaan startup Cerebras.
Ini menandai pesanan komputasi besar senilai lebih dari 200 miliar dolar dengan Cerebras sebesar 750 MW, menyerahkan jawaban pertama.
Tapi popularitasnya turun lebih cepat daripada naiknya.
Cacat fatal Spark adalah, satu wafer tidak bisa menampung model flagship, pada dasarnya ini adalah "model kecil terdistilasi" yang mengorbankan untuk kecepatan ekstrem.
Dalam evaluasi Terminal-Bench 2.0, Spark hanya mendapatkan akurasi 58.4%, jauh di bawah GPT-5.3-Codex versi lengkap sebesar 77.3%.
Kurva SWE-Bench Pro yang dirilis OpenAI sendiri juga menunjukkan — meskipun Spark bisa menekan durasi tugas antara 1 sampai 2 menit, tapi akurasinya akan berhenti di antara 47% sampai 51%.
Sebagai perbandingan, GPT-5.3-Codex versi lengkap mulai dari 3 menit sudah 51%, ditarik ke 9 menit menjadi 56%, 16 menit bisa mencapai 57%.
Artinya, beberapa menit yang dihemat Spark, ditukar dengan penurunan lima enam poin.
Promosi "percepatan 15x" juga terbongkar.
Hari kedua setelah rilis, developer Nicholas Van Landschoot memposting artikel panjang di X, membedah kondisi perbandingan OpenAI, yang disebut 15x, adalah membandingkan Spark dengan GPT-5.3-Codex yang dibuka dengan kekuatan inferensi tertinggi.
Pada akurasi yang setara, Spark sebenarnya hanya 1.37x lebih cepat.
Dalam skenario coding aktual, kelemahannya diperbesar tanpa batas, membuat-buat endpoint API, format JSON tidak stabil, tugas multi-langkah mudah melenceng.
Ringkasan dari lembaga pelatihan Turing College tepat sasaran, "Kecepatan tanpa kecerdasan, hanyalah kegagalan yang lebih cepat."
Bagi programmer, menunggu 17 menit untuk kode yang bisa dijalankan, selalu lebih menguntungkan daripada menghabiskan 2 menit untuk mendapatkan sampah yang penuh bug.
Jadi, model yang mengandalkan kecepatan ini, pasti menuju marginalisasi.
Sang flagship turun tangan, Ultrafast mengakhiri Spark
Yang benar-benar memberi vonis mati pada Spark, adalah mode Ultrafast yang dirilis Cerebras pada 13 Agustus.
Kali ini, yang berjalan di wafer bukan lagi Spark versi tereduksi, melainkan sang flagship model GPT-5.6 Sol itu sendiri.
Dengan memotong model flagship yang besar per lapisan, menempatkannya di beberapa node CS-3 membentuk pipeline, mode Ultrafast menjamin kecepatan menakutkan 750 Token per detik dengan prasyarat "kecerdasan setara dengan versi standar".
Perbandingan yang diberikan Cerebras adalah, Ultrafast 14x lebih cepat daripada tier Standar, di antaranya ada tier Priority, hanya 2.5x lebih cepat.
Evaluasi CEO Cerebras Andrew Feldman terhadap ini tegas, "Kecepatan dan kecerdasan, tidak lagi saling eksklusif."
Mereka mengambil 6 tugas keselarasan kualitas dalam GDP-Val untuk membuat perbandingan waktu.
Sol tier Standar rata-rata membutuhkan 7.7 menit, di mana 7.5 menit dihabiskan untuk generasi model. Beralih ke Ultrafast, total tugas yang sama 83 detik, generasi model 68 detik, sisa 15 detik adalah overhead non-inferensi seperti pemanggilan alat.
Artinya, end-to-end lebih cepat 5.6x, dan kualitas jawaban juga hampir tidak ada perbedaan.
Kalimat ini tidak hanya menyatakan terobosan teknologi, tetapi juga langsung menguras seluruh makna keberadaan Spark.
Tujuan desain Spark adalah "menukar kecerdasan dengan kecepatan", dan hanya setengah tahun kemudian, di wafer perusahaan yang sama sudah bisa menjalankan model flagship lengkap, kecepatannya hanya lebih lambat seperempat, tetapi kemampuannya tidak berkurang sedikit pun.
Kapasitas produksi Cerebras terbatas.
Saat "versi tereduksi" yang tidak dilirik dan "versi flagship" yang antri berebut berada di batch wafer yang sama, siapa yang harus memberi ruang untuk masa depan, jawabannya jelas.
Kecepatan bukan lagi 'model khusus', melainkan 'tier berbayar'
Spark bukan satu-satunya beban sejarah yang dibersihkan.
Dalam tiga bulan terakhir, perpustakaan model OpenAI sedang mengalami "penggantian besar-besaran" yang agresif.
2 Juni, GPT-5.2 dan GPT-5.3-Codex dipensiunkan.
31 Agustus, GPT-5.4 dan 5.4 Mini dipensiunkan, pengguna bermigrasi keseluruhan ke generasi 5.6.
11 September, giliran GPT-5.3-Codex-Spark.
Bersamaan dengan kepergian generasi lama, Codex menyambut era penamaan baru Sol (Matahari), Terra (Bumi), Luna (Bulan), Astra (Bintang).
Nama seperti "GPT-5.3-Codex-Spark" yang memiliki nomor versi panjang dan sufiks lini produk, memang sudah seperti peninggalan zaman sebelumnya.
Logika pergeseran yang lebih dalam adalah, atribut "cepat" ini, sedang berevolusi dari model khusus independen, menjadi "tier" standar dari model flagship.
Sama seperti kekuatan inferensi dibagi dari Light ke Max, kecepatan OpenAI sekarang juga diurutkan dari Standard, Priority hingga Ultrafast. Kecepatan terkait dengan kekuatan komputasi, model bisnis membayar per tier sudah benar-benar terbukti berjalan.
Melihat ke belakang, Spark telah menyelesaikan misi sejarahnya dengan sempurna.
Sebagai penjelajah transisi, dia membuktikan wafer Cerebras cukup kuat menahan lalu lintas tingkat produksi AI generatif, juga membuktikan tugas inferensi sepenuhnya bisa berjalan di luar ekosistem Nvidia.
Saat penjelajahan selesai, pasukan utama resmi memasuki, misi penjelajah pun secara alami berakhir.
Jalan buntu "menukar kecerdasan dengan kecepatan" hari ini secara resmi ditutup.
Seiring platform-platform besar mulai bersaing untuk efisiensi maksimal perangkat keras dasar, aturan perlombaan senjata putaran berikutnya telah benar-benar berubah.
Yang akan diperebutkan selanjutnya bukan lagi siapa yang bisa membuat model tereduksi tercepat, melainkan siapa yang bisa menjalankan model flagship terkuat, dengan kecepatan paling ekstrem.
Referensi:
https://x.com/thsottiaux/status/2098300998968357218
Editor: Musa
Artikel ini berasal dari akun WeChat publik "Xin Zhi Yuan", penulis: ASI Revelations
