從GPT-5看AI：OpenAI再領潮流
OpenAI 正式發布 GPT-5 了。
公司稱這是一個統一的系統，能自己決定回答問題前需要思考多久。Sam Altman 說，GPT-5 就像是你可以“向一個真正的專家、博士級別的專家提問任何問題”，然后得到靠譜的回答。
新模型正逐步向全部 7 億 ChatGPT 用戶開放——是的，哪怕你沒花錢買訂閱也能用。
看完一小時的發布會后，問題很簡單：GPT-5 真有比之前模型大進步，還是被炒過頭了？
在這篇文章里，我會詳細聊聊 GPT-5 是什么、新功能有哪些、性能數據如何，以及今天起你怎么能用上它。
GPT-5 是什么？
GPT-5 是 OpenAI 取代 GPT-4o 的最新模型。
它被描述為一個統一系統，意思是用戶不用手動在“快速”模型和“思考”模型間選來選去。
其實你會發現，在 ChatGPT 里，他們把其他模型都去掉了，只留了 ChatGPT 5。
GPT-5 在 ChatGPT 中
GPT-5 用的是 OpenAI 說的 real-time router，會決定是快速回答還是對難題啟動“GPT-5 thinking”模式。如果你在輸入里寫“認真想想”，模型會明確啟動更長的推理過程。
一旦你用過了限額，一個更小的“mini”版本會接手處理剩下的問題。OpenAI 說，這種路由決定基于實時信號，比如用戶換模型?
System: 模型、評分反饋和答案修正情況。路由器會不斷學習，越來越聰明。
這個模型還被宣傳為更適合 ChatGPT 的常見任務：
? 寫作輔助和編輯。
? 編程，尤其是復雜的前端工作和大項目調試。
? 健康相關查詢，準確性和語境理解比之前模型更強。
理論上，這個模型能應對大多數常見任務，比如快速回答、復雜研究、創意寫作、編程項目，甚至醫療信息（當然有常規免責聲明）。
GPT-5 的新功能
GPT-5 比之前模型有幾大核心升級。有些是底層技術改進，有些是用戶能直接感受到的變化。
更智能的路由和推理：模型現在能自己決定啥時候多想想。這種“test-time compute”方法讓它能在難題上花更多算力。思考模式可以自動或手動啟動。這是普通用戶第一次能用上這種能力——之前這種長推理功能只在研究或企業實驗中出現過。
更擅長現實任務：據 OpenAI 說，GPT-5 更不容易出現 hallucination，語境理解更強，尤其是在編程、數學、健康和 multimodal reasoning 領域。他們稱普通模式的 hallucination 率比 GPT-4o 低了約 45%，思考模式下比 OpenAI o3 低了約 80%。
更強的編程能力：這個功能被大力宣傳。GPT-5 據說能從單一提示生成更美觀、更實用的網站、應用和游戲，還能更好地調試大代碼庫。公司甚至展示了一個一次性生成完整功能游戲“Jumping Ball Runner”的演示。
改進的寫作：OpenAI 說 GPT-5 的寫作更“resonant”、結構更清晰，處理復雜文學形式的能力更強。這聽起來可能有點小眾，但對用 ChatGPT 做內容創作的人來說，這意味著初稿質量更高，機械化措辭更少。
健康和專家領域：GPT-5 在 HealthBench 上的得分顯著提高，能提供更準確、語境更強的健康回答。OpenAI 還是強調這不能代替醫生，但模型現在會主動問澄清問題，標記潛在問題。
個性化風格：你現在可以設置 ChatGPT 以四種預設“個性”回應：Cynic、Robot、Listener 和 Nerd。這樣互動更自然，不用老是重寫自定義指令。
更安全的回答：對于有風險的問題，GPT-5 不再直接拒絕，而是盡量給部分或高層次的回答。OpenAI 稱之為“safe completions”，讓模型在灰色地帶的回答更細膩，減少用戶挫敗感。
GPT-5 性能與基準測試
OpenAI 在發布會上提供了不少基準測試數據來支持他們的說法。以下是一些關鍵數字。
在 SWE-bench Verified（現實世界編程測試）中，GPT-5 的思考模式下 pass@1 達到 74.9%，相比 OpenAI o3 的 69.1% 和 GPT-4o 的 30.8%。
GPT-5 SWE 基準測試。
圖片來源：OpenAI
如果你是前端工程師，你會喜歡 GPT-5 更注重美學、更有野心、更準確。
看看這個用以下提示生成的樣本用戶界面：
提示：創建一個單頁應用，寫在一個 HTML 文件里，要求如下：
? 名稱：Audio Step Sequencer
? 技術棧：WebAudio API
? 目標：16 步鼓點網格
? 功能：節奏、swing、模式保存/加載、導出 WAV（簡單緩沖渲染）
? UI 要未來感，玩起來要好玩！
GPT-5 樣本 UI 結果。
圖片來源：Jim Clyde Monge
想了解更多 GPT-5 的編程能力，可以看看 OpenAI 的博客文章。我已經迫不及待想用這個模型寫 web 應用了。
說到 web 開發，Cursor 的聯合創始人兼 CEO Michael Truell 說，這是他們用過的最聰明的編程模型。
“GPT-5 是我們用過的最聰明的編程模型。我們團隊發現 GPT-5 非常智能，易于引導，甚至有種其他模型沒有的個性。它不僅能發現深藏的 bug，還能運行長時間、多輪的后臺代理，完成復雜的任務——這種問題以前的模型都會卡住。從規劃 PR 到完成端到端構建，它都成了我們的日常主力。” —— Michael Truell
是的，GPT-5 現已在 Cursor 上可用。你只需要更新 IDE，然后在模型下拉列表中選 GPT-5。
GPT-5 在 Cursor 上。
圖片來源：Jim Clyde Monge
我還沒來得及深入體驗這個新模型，但我會在另一篇文章里分享我的想法和感受。
在數學方面，GPT-5 Pro 在 AIME 2025 競賽基準測試中創下 94.6% 的新紀錄，沒用任何工具。這比 OpenAI 之前任何模型都高，展現了其長推理模式的效果。
GPT-5 AIME 2025 基準測試。
圖片來源：OpenAI
在其他數學重度測試如 Harvard-MIT Mathematics Tournament (HMMT) 中，它的準確率保持在 90% 以上，對于競賽級問題來說很強。
在健康領域，GPT-5 的思考模式在 HealthBench Hard 上得分 46.2%，相比 OpenAI o3 的 25.5%。
GPT-5 HealthBench。
圖片來源：OpenAI
這些是高風險的健康對話，事實準確性至關重要。模型在這里的 hallucination 率更低，意味著回答更可靠，但并非完全無誤。
在 multimodal reasoning（涉及圖像、圖表和空間信息的推理）方面，GPT-5 表現也很出色。
GPT-5 MMMU 基準測試。
圖片來源：OpenAI
在研究生級視覺問題解決的 MMMU Pro 基準測試中，思考模式下達到 84.6%，比 GPT-4o 的 83.3% 略有提升。在 VideoMMMU 和 CharXiv-Reasoning 等相關測試中也有更高得分，表明它在文本和視覺輸入結合時的表現更強。
想了解更多 GPT-5 與其他模型的評估結果，可以看看 OpenAI 的官方博客文章。
我的個人觀察
在結束這部分之前，我想提一下發布會上的一些尷尬說法和柱狀圖的不一致。
比如，表示 69.1% 的柱子跟 30.8% 的柱子一樣高，但它應該高一倍多。而 52.8% 的柱子看起來比 69.1% 的還高。
GPT-5 學術基準測試。
這看起來太離譜了，不知道是我眼花還是他們真搞錯了。
還有，在 Deception Evals 的柱狀圖上，50.0 的柱子比 47.4 的短很多。
GPT-5 Deception 評估。
他們沒說這些圖表是不是用 ChatGPT 做的，但在推廣一個強調準確性的工具時，展示有問題的視覺效果可不太好看。
我還注意到這個圖表。
GPT-5 GPQA Diamond 基準測試。
圖片來源：OpenAI
如果你說“巨大飛躍”或“全面更聰明”，但新模型的性能只是略超前代，那可不算啥。
Sam Altman 本人在 X 上展示了 GPT-5 的新 UI/UX 生成能力：
當你用上 GPT-5，試試像“用 beatbot 做一個慶祝 GPT-5 的酷炫節拍”這樣的指令。這是一個很棒的預覽，展示了 AI 開始生成自己的 UX 和更動態的界面。你可以直接與合成器互動，或讓 ChatGPT 做調整，太酷了！
但用戶試了這個指令，根本不行，哈哈。
GPT-5 在 ChatGPT 中的失敗演示。
就我而言，它只是把我引導到 App Store 的一個應用列表，挺諷刺的，因為他們還在吹噓大幅改進的指令遵循和前端生成能力。
最后，我注意到 GPT-5 在 Humanity’s Last Exam 評估中得分低于 Grok 4 Heavy。如下圖所示，Grok 4 Heavy 得 44.4%，而 GPT-5 只有 42%。
GPT-5 Humanity’s Last Exam。
Grok 4 在 ARC-AGI-2 性能評估中也比 GPT-5 得分高。
GPT-5 vs Grok 4 ARC AGI。
圖片來源：X
這種小細節會影響發布會的可信度。這些細節看似小，但大家都會注意到。
GPT-5 可用性和訪問
OpenAI 今天開始向 Free、Plus、Pro 和 Team 用戶推出 GPT-5。
?Free 用戶：能用 GPT-5，但限額較低，之后會切換到 GPT-5 mini。全面推出可能需要幾天。
?Plus 用戶（每月 20 美元）：限額更高，默認用 GPT-5。
?Pro 用戶（每月 200 美元）：無限制使用 GPT-5，并可訪問 GPT-5 Pro 以獲得更長的推理。
?Team/Enterprise/Edu：一周內推出，組織范圍內的使用限額很寬松。
它已經在各大平臺上出現了。我的新聞推送里滿是 Cursor、Lovable 和 Microsoft Copilot 等工具在發布幾小時后切換到 GPT-5 的消息。
對于開發者，GPT-5 的 API 現已可用。有三種變體：GPT-5、GPT-5 mini 和 GPT-5 nano，分別針對不同的成本和延遲需求。
GPT-5 模型。圖片來源：OpenAI 官網
API 用法很簡單，舉個例子：
import OpenAI from "openai";
const client = new OpenAI();
const response = await client.responses.create({
model: "gpt-5",
input: "Write a short bedtime story about a unicorn.",
});
console.log(response.output_text);這些模型現已在 OpenAI playground 上可用，你可以測試所有模型。
GPT-5 在 OpenAI Playground 上。
價格方面，標準層 GPT-5 模型的費率是每百萬輸入 token 1.25 美元，每百萬輸出 token 10 美元。如果使用緩存輸入，價格大幅降至每百萬 token 0.125 美元。
較小的版本便宜得多：
? GPT-5 Mini：每百萬輸入 token 0.25 美元，輸出 token 2 美元（緩存輸入 0.025 美元）。
? GPT-5 Nano：最便宜，每百萬輸入 token 0.05 美元，輸出 token 0.40 美元（緩存輸入 0.005 美元）。
還有一個 gpt-5-chat-latest，價格與主 GPT-5 模型相同，專為想要最新調優版本的對話用例的開發者設計。
GPT-5 文本 token。
其他模態的價格可以在這頁查看。
總結
看完功能、基準測試和早期反饋后，我不得不說，過去幾個月的炒作把期待值拉得太高了。
還有，那些柱狀圖上的小細節錯誤讓我有點煩。
這些小細節會削弱發布會的可信度。當你推出一個號稱更準確、更可信的模型時，柱狀圖高度不匹配和基準測試視覺效果的不一致顯得有點馬虎。
總的來說，GPT-5 是個不錯的增量升級，但整體……有點讓人失望。
總之，接下來的幾天我會用 GPT-5 跑一些真實的寫作和編程場景，看看它在基準測試幻燈片之外的實際表現。現在，如果你有 Plus 或 Pro 訂閱，不妨試試看。
本文轉載自??AI大模型觀察站??，作者：AI大模型觀察站
