新智元報道

編輯：KingHZ 桃子

GPT-5智商測試，僅拿下了70分？全網狂吐槽「降智」背后的真相，竟是「路由」決定了模型的智能。想要解鎖神級GPT-5，秘訣在于prompt。這不，醫學家借助GPT-5重現了「神之一手」時刻。

GPT-5發布72小時后，一張IQ測試結果震驚了全網。

在門薩IQ測試中，GPT-5拿下了118分，離線測試70分；GPT-5 Thinking則分別獲得了85分和57分。

這一結果，創OpenAI模型家族IQ測試有史以來的最低紀錄。

實際上，這背后的實際原因，歸咎于「路由」問題。

并非是GPT-5太笨了，而是作為一個「單體模型」，其中一個組件決定了它的智能。

類似的問題，奧特曼也曾在Reddit AMA問答中做出了回應。

他表示，內部出現了嚴重故障（Sev級），自動切換系統無法工作，導致GPT-5表現得像降智一樣。

METR的最新報告中，可以看出GPT-5依舊處于帕累托前沿，智能呈指數級增長并未放緩。

也就是說，GPT-5還在延續Scaling Law的神話。

GPT-5很強，關鍵在于prompt

那些一味地吐槽GPT-5的網友們，實際上并未發掘出最新模型的潛力。

Cline人工智能主管表示，核心在于一個人的想法、品味，以及溝通方式。

對于那些具備系統思維的用戶而言，GPT-5堪稱革命性工具。只要肯花時間：構建完整思維框架，制定明確需求規格向模型清晰闡述。

由此，它就能自主精準執行，全程無需人工糾偏。

無獨有偶，NYT暢銷書作者Mark Manson也表示，所有人都在用錯誤的方式與GPT-5對話，關鍵在于掌握主動權。

這樣，讓它知道你可不是好糊弄的，才會給出完美答案。

舉個栗子，你想要問「blueberry」有幾個b，并恐嚇它「答不對小心Bambi媽媽找你算賬」。

此時，GPT-5根本不會犯錯。

再比如，網友們吵翻的GPT-5連一個簡單方程式都不會解，實際訣竅也在提示上。

當提示變成「think harder and solve」時，就可以得出正確的解。

怎樣提示才算有效？有網友曝出了GPT-5系統提示，堪稱一座金礦。

「神之一手」時刻

在醫學領域，GPT-5已經可以媲美人類專家了。

生物醫學家Derya Unutmaz在體驗GPT-5之后，深刻感受到了AlphaGo的「第37步」時刻。

事情是這樣的，兩年前，Derya的實驗室開展了一系列前沿免疫學實驗，旨在調控T細胞的能量代謝。

這種免疫細胞對癌癥免疫治療、慢性病和自身免疫疾病都有重大影響。

當時，他們獲得了一個令人驚艷的結果，但有個發現始終無法解釋。

團隊為此折騰了好幾周，也只得到部分答案。

基于這些實驗，Derya將未發表的數據圖上傳給GPT-5 Pro去分析，結果令人大吃一驚。

GPT-5僅憑如上一張圖表，就準確識別出關鍵發現，并提供了實驗方案的建議。

最不可思議的是，它提出的機制最終解釋了全部結果。

Derya Unutmaz表示，這簡直就是AI領域的「神之一手」的時刻。這一過程證明了，GPT-5已成為頂尖專家和真正的科研伙伴，能提供深刻洞見。

OpenAI攜GPT-5劍指Anthropic王座

GPT-5雖還不是AGI，但其強大的編程能力，已經吸引了更多開發者。

另外，其全新的個性化選項和減少的「幻覺」現象，則可能為免費版ChatGPT吸引更多日常用戶。

這無疑是向Anthropic發出的挑戰書。

之所以這樣說，原因在于：編寫代碼的最強AI模型，一般公認為Anthropic的Claude模型。

因此，OpenAI發布新模型時，極力強調GPT-5在編程方面的強大能力

GPT-5是我們迄今為止最強大的編程模型。在復雜前端生成和調試大型代碼庫方面，GPT-5表現尤為突出。

只需一個提示，它就能直觀且優雅地創造出美觀、響應式的網站、應用程序和游戲，將想法轉化為現實。

意圖非常明顯。

在新聞發布會上， 奧特曼表示，新模型不僅擅長編碼，還能將軟件項目從想法一步轉化為可用代碼。

GPT-5生成的各種程序

AI初創公司MagicPath的首席執行官Pietro Schirano稱GPT-5是目前最出色的編程模型，是一個「絕佳的合作者」。他表示：

這就像電力進入千家萬戶，是一個「前所未有」的變革時刻，它將徹底改變我們的開發方式。

在長達一小時的直播中，OpenAI大部分時間都在展示GPT-5的編程能力，包括演示一系列基準測試結果.

Cursor、Vercel和JetBrains等還分享了GPT-5的早期測試的評價。

「AI編程」神器Cursor的首席執行官Michael Truell夸其為「使用過的最智能的編碼模型」：

團隊發現，GPT-5不僅表現出色、易于引導，還展現出其他模型未曾有過的獨特個性。

它不僅能捕捉到難以察覺的深層錯誤，還能運行長時間、多輪次的后臺AI智能體，完成復雜任務——這些任務往往讓其他模型無從下手。

Vercel的創始人、首席執行官Guillermo Rauch，認為「GPT-5是最好的前端AI模型」：

我們在v0.dev上使用時的初步印象是，它是最好的前端AI模型，在美學感和代碼質量上均達到頂尖表現，堪稱獨一無二。

它在復雜計算機科學與藝術感的交匯處表現出色，標志著從過去簡單的代碼補全到如今跨設備、跨屏幕的全棧應用的飛躍時刻。

IDE傳統巨頭JetBrains的首席執行官Kirill Skrygan，表示「GPT-5顛覆了編程」:

GPT-5對編碼領域來說是一個革命性的突破。作為默認模型，它使JetBrains AI Assistant和編碼智能體Junie的性能和質量提升了超過1.5倍。

在我們的新無代碼平臺Kineto上，GPT-5將設計、前端以及應用整體體驗的端到端質量提升了一倍。

從數據上看，Anthropic的營收增長主要得益于其強大的編程能力。

據The Information報道，Anthropic的年營收已接近50億美元，高于本月初的40億美元，這反映出它作為程序員和編程應用首選的地位。

與此同時，OpenAI的年營收目前為120億美元，這個數字則反映了其更廣泛的業務和更大的規模。

未來，是智能體式推理

GPT-5發布之后，OpenAI首席研究官Mark Chen和總裁Greg Brockman一同在TBPN最新采訪中，談論了最新模型一些研發爆點。

Mark Chen最先提到了，GPT-5的訓練關鍵在于合成數據。

它的成功意味著，完全突破了互聯網數據枯竭的限制，并且在核心領域實現更全面的知識覆蓋。

OpenAI當前在做的，是將世界引向「智能體式推理」的時代，GPT-5是這一轉變的關鍵。

通過更快、更智能的模型減少用戶干預，讓AI無縫地融入日常和專業使用中。

Mark強調，OpenAI多年來致力于推理模型，但以往接口笨拙，如在GPT-4和o1之間切換。

如今，GPT-5通過速度優化，實現了無縫整合，讓用戶無需等待長推理過程。

他詳細舉例說道，以往模型如o1在所有任務上提供更好答案，但太慢。GPT-5結合了推理和非推理能力，成為「一站式商店」（one-stop shop）。

尤其是，后訓練團隊的貢獻，讓模型在編碼等領域成為「怪物」。

當被問及模型命名時，Mark笑稱數字命名「瘋狂」，但確實奏效了。

他表示，GPT-5在創意協作、軟件工程方面的能力，確實超越了GPT-4.5，而且更快、更便宜。

GPT-5像給ChatGPT「一臺電腦」，包括Python REPL、瀏覽器。模型能零樣本學習新工具，這一過程就像人類體驗新工具一樣。

在部分需要創造性的任務中，GPT-5能夠給出驚喜的解法。下一步的目標是，將LLM能力提升到「理論框架」層面，提出新假設、輔助科研創新。

多線并行，隨時發貨

在OpenAI內部，團隊會在不同時間尺度上運作：從探索想法到轉化，再到旗艦模型發布。

不僅是單一技術的突破，而是多軸進步。

Mark將其描述成「探索與執行」的pipeline，強調了公司模型快速迭代的能力。

我們給它空間去成長，一旦準備好，就直接發貨。

目前，OpenAI模型以算法優化為主，同時吸收了硬件和推理架構改進的成果，并借鑒開源社區在推理加速上的經驗。

最后，他還提到了ChatGPT處理了全球約71%的大模型查詢，并提供了獨特的使用數據洞察。

Mark表示，不只依賴DUA或點贊數據，就是為了避免「迎合性」偏差，而要挖掘隱性行為信號，指導模型去改進。

GPT-5已是AI「自我迭代」

Greg Brockman經歷了 GPT-1 到 GPT-5 的每一次發布，總結了每個版本給他的感受：

GPT-1：用公開數據訓練Transformer，證明「預訓練有用」。

GPT-2：第一次覺得「生成的東西挺酷」，有獨角獸故事。

GPT-3：剛好跨過「有人愿意用」的門檻，但可靠性差。

GPT-4：真正具備現實可用性，開始能寫代碼、做健康問答。

GPT-5：在可靠性、實用性、代碼能力上設定了全新標準，軟件工程將被徹底變革。

2019年底，GPT-3出來了。OpenAI意識到必須打造一個產品，才能繼續推進使命，籌集資金。

他們決定打造API，讓別人自己去探索用途。

2020年年初，Greg Brockman的團隊四處奔波，試圖找到愿意嘗試API的客戶。

到2020年中，OpenAI才把API推向市場，而ChatGPT是2022年11月才發布。

當時，OpenAI考慮把ChatGPT叫「Chat with GPT-3.5」。ChatGPT還有個前身產品叫WebGPT，也是基于GPT-3.5。整個2022年，OpenAI基本上是在付錢讓人用ChatGPT的前身：用戶不會付錢給OpenAI，OpenAI得付錢給他們用。

什么時候意識到ChatGPT會爆？

對Greg Brockman來說，真正觸動他的時刻是完成GPT-4訓練的時候。

那是2022年8月8日，OpenAI完成了GPT-4的初步后訓練。雖然有一堆bug，但創造力特別驚人，真的非常有趣。

OpenAI花了大約一年半的時間，才讓模型的創意寫作能力達到當初那個有bug的版本的水平。

那一刻OpenAI意識到，這個模型不僅能完成特定任務的后訓練，還能泛化，表現出智能行為，即使沒有直接針對這點訓練。這顯然是個殺手級應用。

于是把原計劃的GPT-4 API發布推遲，先把ChatGPT做出來，2022年11月上線。

回頭看，GPT-3.5其實已經是當時社會沒見過的「可用模型」，只是在OpenAI眼里全是缺點。

而GPT-3.5引發了OpenAI的商業范式革命：從「付費請人測試」到「用戶主動訂閱」的根本性轉變。

Ben Thompson稱OpenAI為「意外誕生的消費級公司」：ChatGPT發布后72小時內突破百萬用戶，形成現象級需求。

很多人在事后說，OpenAI一開始就旨在證明「Scaling」是AI進步的關鍵，但其實幾乎是反過來的：Scaling是他們嘗試了很多無效方法后，唯一奏效的東西。

而現在OpenAI已經看到AI模型正在協助創造下一代模型，并能監督那些對人類來說過于復雜的工作。

Greg Brockman表示：我們不應該為了美觀而刻意優化 CoT（思考鏈），也不用強迫模型隱藏其推理過程，應該讓它們自由地展示自己的「想法」。

Greg Brockman曾提到，隨著模型能力的提升，它們不僅能完成簡單的任務，還能勝任一些復雜的、人類難以把控的工作。

這種「可擴展的監督」概念，正是為了解決這一挑戰而提出的：利用強大的 AI 模型來為復雜任務提供可靠的反饋和監督，或者通過「批評模型」協助人類專家，從而更輕松地進行監督。這確保了即使 AI 系統變得更加智能、更復雜，它們也能與人類價值觀保持一致，并得到安全的管理。

參考資料：

https://www.axios.com/2025/08/08/openai-aims-gpt-5-at-anthropics-coding-crown

https://x.com/thealexbanks/status/1953867094648385990

https://x.com/slow_developer/status/1954097563981812149

https://x.com/tbpn/status/1954249389796651184

https://www.youtube.com/watch?v=gaImbWPGgtU