AI新浪潮觀察

7min read

OpenAI GPT-5 發布：模型能力全面「屠榜」，構建「超級智能」的第一步

張勇毅 2025/08/08

摘要

OpenAI 第一次 SOTA，但他們說這只是構建「超級智能」的第一步。

作者：張勇毅

經歷過無數次「跳票」之后，GPT-5 終于來了。

北京時間 8 月 8 日凌晨一點，頗有新一代「科技春晚」架勢的 OpenAI 夏季發布會拉開帷幕，

與此前 OpenAI 速通式的發布會明顯不同，這次 OpenAI 準備了時長超過一個小時的發布會直播幾波人馬輪番上陣，你方唱罷我登場，從各種角度展示 GPT-5 的強悍性能。

先說重點：GPT-5 在多個領域的表現都迎來了全面提升，在文本、WebDev 和視覺感知能力領域排名第一；在硬提示、編碼、數學、創造力、長查詢等方面排名第一 GPT-5，在代號為「峰會」的測試下，目前保持著截至目前最高的 Arena 分數，可以說是字面意義上的「屠榜」了。

Sam Altman 表示，GPT-4o 就像中學生，而 GPT-5 就像大學生，甚至形容 GPT-5 是第一部配備視網膜顯示屏的 iPhone——「你問它一個問題，也許能得到正確答案，也許會得到一些瘋狂的東西。GPT-4 則感覺像在和一名大學生對話。而GPT-5，是第一次讓我真正感覺像在與一位博士級別的專家交談。」Sam Altman 這樣介紹 GPT-5 的能力提升。

盡管 ChatGPT 的周活躍用戶已接近 7 億，但 OpenAI 過去一段時間實際上并未擁有行業領先的前沿模型。現在，OpenAI 相信 GPT-5 將使其穩穩地重回排行榜榜首。

Altman 甚至直接在發布會中斷言：「這是世界上編碼能力最強的模型，是世界上寫作能力最強的模型，也是世界上在醫療保健領域最強的模型」

同時 OpenAI 也在發布會上宣稱，除了代碼能力爆表，GPT-5 的寫作功底和回答健康相關問題的準確性也更上一層樓。同時 GPT-5 不僅在智能上實現了「巨大飛躍」，還大幅減少了「一本正經胡說八道」的幻覺問題。它在理解和遵循指令方面表現更出色，拍馬屁的傾向也大大降低了。

告別「幻覺」，AI更可靠了

首先是本次更新的模型陣容，GPT-5 系列一共有 GPT-5, mini, nano, chat 四個版本，其中 Chat 版本對應的是實現更自然、更智能的響應的體驗——你甚至可以用它來學習一門新的語言。

另外，現在當你打開 ChatGPT 網頁之后，首先會注意到 GPT-5 被呈現為一個單一模型，而不是一個常規模型外加一個獨立的推理模型。

這背后其實是 OpenAI 開發的一個路由系統（router），它會自動為更復雜的查詢切換到推理能力更強的版本，或者在你告訴它努力思考時也會這樣做。（Altman 稱之前的模型選擇界面是「一個非常混亂的爛攤子」。）

「AI 幻覺」一直是大家吐槽的重災區。好消息是，GPT-5 在這方面下了大功夫，官方宣稱其產生幻覺的可能性「顯著降低」。具體來說：

在聯網搜索時，GPT-5 的回答出現事實錯誤的概率比 GPT-4o低了 45%。

在獨立思考時，其回答出錯的概率更是比 OpenAI o3低了 80%

GPT-5 也在新的 ARC-AGI-2 上進行了測試。除 Grok 4（思考）外，它的表現優于所有主要模型。

此外，GPT-5 還成了一個「老實人」。它不太會再對用戶撒謊，吹噓自己能完成辦不到的任務。當遇到不可能完成、指令不明確或缺少關鍵工具的任務時，它會更誠實地溝通自己的局限。

這次更新最有趣的一點，莫過于引入了四種全新的「人格」模式，用戶可以自由選擇。它們分別是：

犬儒 (Cynic)

機器人 (Robot)

傾聽者 (Listener)

學霸 (Nerd)

這些模式是可選的，你可以根據自己的喜好，設定 ChatGPT 與你互動和回答問題的方式。想讓它跟你抬杠，還是像個耐心的朋友一樣傾聽？現在都可以由你說了算。

「這個模型給人的『感覺』真的很好，」ChatGPT 的負責人 Nick Turley 說，「我認為人們會真切地感受到這一點，特別是那些平時不怎么研究模型的普通用戶。」

此外，你還可以為單個聊天窗口更改顏色主題，代碼編輯器主題愛好者狂喜了。

「軟件按需生成」時代來臨？代碼能力逆天

隨著代碼能力的進一步提升，Altman 預測，GPT-5 強大的編碼能力將開啟一個他稱之為「軟件按需生成」的時代。

在 OpenAI 的測試中，GPT-5 在 SWE-Bench, SWE-Lancer, 和 Aider Polyglot 等多個編碼基準測試中的表現均優于任何其他模型。在人類最終測試中取得 42% 的成績，在 SWE 基準測試中取得 75% 的成績。

一個小插曲是，發布會上的這張圖的坐標軸明顯有不少槽點，不僅有 52.8 > 69.1 這樣的弱智錯誤，也實際上夸大了 GPT-5 的能力提升，在社交媒體上被網友群嘲「你這 PPT 怕最好別是 GPT-5 做的」。

在發布會上，OpenAI 的后期訓練負責人 Yann Dubois 使用 GPT-5 現場演示，要求它生成一個用于學習法語、并帶有互動游戲的網站。在短短幾秒鐘內，GPT-5 就編寫了數百行代碼，并直接展示了網站的前端界面。他在 Zoom 上分享屏幕并進行了簡單的點擊操作，一切看起來都完美運行。

發布會現場，OpenAI 還直接展示了一款僅靠一段提示詞就由 GPT-5 創作的 3D 游戲。其創作的 3D 場景不僅畫面精致，其中的物理效果也非常準確的還原出了對應的效果。

更安全，也更「誠實」

據模型安全研究負責人 Alex Beutel 介紹，為了解其安全風險，OpenAI 對 GPT-5 進行了「超過五千小時」的測試。其中一個重點是「確保模型不會對用戶撒謊」。

雖然 GPT-5 的幻覺（hallucination）比 OpenAI 的 o3 推理模型要少，但「自信地撒謊」仍然是大型語言模型固有的問題。當模型開始像智能體（agent）一樣完成任務時，這個問題會變得更加復雜。不過 OpenAI 表示，GPT-5 在更可靠地處理多步驟任務方面表現更好。「過去，我們看到過模型聲稱完成了某項任務，但實際上并沒有完成的情況，」Beutel 說，「這是個問題。」

對于以前會直接拒絕回答的提示，GPT-5 將提供 OpenAI 所謂的「安全補全」機制（safe completions）。Beutel 解釋說：「比如有人問『點燃某種特定材料需要多少能量？』，這可能是一個試圖繞過安全防護造成傷害的惡意問題，也可能是一個想了解材料物理特性的學生。這給模型如何回應帶來了真正的挑戰。」

通過「安全補全」，GPT-5「試圖在保持安全的約束下，給出盡可能有幫助的答案」。模型通常只會部分遵從，并提供一些無法被實際用于造成傷害的、更宏觀層面的信息。

如何用上 GPT-5

那么，大家最關心的問題來了：怎么才能用上 GPT-5 呢？

好消息是，所有ChatGPT用戶都可以現在立即免費體驗到 GPT-5。這也是 OpenAI 第一次面向所有用戶免費開放前沿模型。當然，不同級別的用戶權限不同：

Plus 訂閱用戶在達到使用上限前，可以有更多的使用次數。

Pro 訂閱用戶則可以訪問具備更強推理能力的GPT-5 Pro版本。

當用戶達到使用上限后，ChatGPT 會自動切換到一個「迷你版」的 GPT-5 來處理后續的請求。同時，隨著 GPT-5 的上線，它將正式取代 GPT-4o, OpenAI o3, OpenAI o4-mini, GPT-4.1 和 GPT-4.5 等一系列舊模型。

此外 Token 定價部分，標準版 GPT-5 為每百萬輸入 Token 1.25 美元，每百萬輸出 Token 10 美元。mini 版 與 Nano 版定價都便宜不少。

詳細定價可參考下圖截取自官網的信息。

此外，OpenAI 還在 API 中發布了一個名為「Minimal」的新參數，這樣你就可以在所有用例中使用 GPT-5，只需改變推理的力度。

除了 OpenAI 的第一方平臺，微軟 CEO 納德拉同時也宣布，GPT-5 已在微軟全系平臺上線，包括 Microsoft 365 Copilot、Copilot、GitHub Copilot 和 Azure AI Foundry。同時所有這些改進均在 Azure 上進行訓練。

最后，Altman 表示，OpenAI 的使命是開發通用人工智能（AGI）。GPT-5 使他們更接近這一目標，盡管整個行業已經開始轉向構建所謂的「超級智能」。

「我有點討厭 AGI 這個詞，因為現在每個人對它的定義都略有不同，」Altman 說，「但這是朝著真正強大的模型邁出的重要一步。這顯然是一個具備通用智能的模型。」

然而，他也承認 GPT-5 仍然「缺少一些非常重要的東西」。

「這個模型并不會在部署后，從它遇到的新事物中持續學習。但對我來說，這感覺就像是 AGI 應該具備的特征。」

GPT-5 GPT