历经多年等待，GPT-5 终于在这个凌晨正式发布。
直播开始时，观众们满怀着期待，而 OpenAI 的核心团队成员则显得有些紧张。这种紧张也情有可原——毕竟 GPT-5 携带着众多新技术和功能，是 OpenAI 长期努力的结晶。
直播过程中，奥特曼（Sam Altman）频繁更新推特，介绍了 GPT-5 的多个亮点。我们以他的推特内容为主线，为大家逐一解析 GPT-5 的主要特点。
一体化智能系统
GPT-5 是一个集成模型，用户无需在不同的子模型之间切换，模型本身能够根据任务的需求自动选择合适的处理方式。GPT-5 包含三个模型：高效应答模型、深度推理模型（GPT-5 Thinking 模式），以及根据对话类型、问题复杂度和工具需求自动选择最佳处理模型的实时路由系统。这一设计简化了用户的操作流程，提高了模型的灵活性和适应能力。
奥特曼特别提到了 GPT-5 的实时路由器，这个系统通过分析用户的行为、偏好和反馈数据，不断优化其路由策略。当某一个模型的使用量接近上限时，更轻量化的版本会自动接管后续的任务，确保服务连续性和稳定性。
此外，GPT-5 在基准测试中表现出色，响应速度更快，尤其是在处理现实生活中的多样化需求时。OpenAI 表示，GPT-5 在降低幻觉生成、提高指令遵循精度和减少迎合性回答等方面取得了显著进展，这使其在文本创作、编程开发和健康咨询等常用场景中表现更加出色。
性能评估
接下来，我们看看 GPT-5 在各个基准测试中的具体成绩。
尽管奥特曼强调基准测试的成绩并不是最重要的指标，但他们还是公布了一系列令人瞩目的跑分结果。以下是几个主要领域的表现：
- 数学领域：在 2025 年 AIME 测试中，无工具辅助条件下，GPT-5 达到了 94.6% 的准确率。
- 真实编程应用：在 SWE-bench Verified 测试中，GPT-5 的得分为 74.9%；而在 Aider Polyglot 测试中，得分为 88%。
- 多模态理解：在 MMMU 测试中，GPT-5 达到了 84.2% 的准确率。
- 健康领域：在 HealthBench Hard 测试中，GPT-5 达到了 46.2% 的准确率。
通过 GPT-5 Pro 的扩展推理能力，该模型在 GPQA 测试中以 88.4% 的成绩（无工具辅助）创下了新的最佳纪录。
需要注意的是，这些测试结果是在“高推理强度”设置下得出的，这通常代表了用户在使用模型时可能体验到的最佳性能。
编码基准
GPT-5 在编程任务中的表现尤为突出。它不仅能够快速生成高质量的代码，还能理解和执行复杂的任务。例如，它可以在几分钟内创建一个法语学习网页，帮助用户练习发音、做题和玩游戏。
GPT-5 在指令遵循和智能工具调用方面也有了显著提升，使其能够更好地处理多步骤请求和跨工具操作。这种能力使其在动态变化的任务中表现更为可靠。
多模态基准
GPT-5 在多模态基准测试中同样表现优异，覆盖了视觉、视频、空间及科学推理等多个领域。增强的多模态能力使 ChatGPT 能够更精准地解析图像等非文本输入，无论是解读图表数据、总结演示文稿的照片，还是回答基于示意图的问题都能游刃有余。
健康基准
在健康咨询领域，GPT-5 也进行了专门的优化。直播中，一位癌症患者分享了她在使用 ChatGPT 解释病情方面的体验，进一步证明了 GPT-5 在医疗领域的实用价值。奥特曼表示，GPT-5 是目前最优秀的健康模型。
经济价值型任务表现
在 OpenAI 内部的复杂任务评估基准中，GPT-5 同样表现出色。该测试旨在评估模型在经济价值和知识型工作中的表现。结果显示，GPT-5 在启动推理功能时，约有一半的案例中表现达到或超过了人类专家的水平。同时，它在法律、物流、销售、工程等多个职业领域中，综合任务表现全面优于前代模型和 ChatGPT Agent。
为了支持这些高性能任务，GPT-5 是在微软 Azure AI 超级计算机上训练的，并且很快就上线到了微软的平台上。
更快、更高效的 Thinking 模式
GPT-5 能在更短的时间内产生更有价值的输出。数据显示，GPT-5 在视觉推理、智能体编程和研究生级科学问题解决等场景中，启用思考功能后的性能明显优于 OpenAI 的前代模型，同时输出 token 数量减少了 50-80%。这种效率的提升不仅意味着更高的生产力，也为用户节省了大量的资源。
为了应对最具挑战性的复杂任务，OpenAI 推出了 GPT-5 Pro，替代了前代的 o3-pro。GPT-5 Pro 具备长时间思考的能力，并能利用可扩展且高效的并行测试时间计算，提供最高质量的答案。
GPT-5 Pro 在多个极具挑战性的基准测试中取得了最高性能，特别是在包含极高难度的科学问题的 GPQA 测试中。
费用和版本
在费用方面，GPT-5 提供了三种使用计划：免费版、Plus 和 Pro。免费版用户也能享受到“博士级别的智能”，即具备推理功能的标准 GPT-5。Plus 计划的用户在使用频率上有所放宽，而 Pro 计划的用户则可以获得 GPT-5 Pro 的高级功能。
面向开发者，GPT-5 的 API 价格如下：标准版 GPT-5 为每百万输入 Token 1.25 美元，每百万输出 Token 10 美元，mini 版和 Nano 版的价格则更低。
直播中的小插曲
尽管直播中 OpenAI 花了大量时间介绍 GPT-5 的优点，但仍然出现了一些技术和展示上的小问题。例如，直播中展示的一些跑分图被指出存在错误，奥特曼也坦诚地承认了这一点。
更尴尬的是，特斯拉 CEO 埃隆·马斯克在推特上转发了 GPT-5 在 ARC-AGI-2 基准测试中未能击败 Grok 4 的消息，这对 OpenAI 来说无疑是一次打击。
此外，有人对 GPT-5 在减少幻觉方面的 demo 提出了质疑，认为问题在于数据来源而非模型本身。这种批评也不无道理，数据的质量对于模型的表现至关重要。
总体来看，GPT-5 的表现确实令人印象深刻，但也有不少用户认为它并未完全达到他们的预期。特别是在面对其他竞争者的最新模型时，GPT-5 的优势并不像宣传的那样明显。
模型系统卡
最后，我们附上了 GPT-5 的模型系统卡，有兴趣的读者可以详细了解其技术细节。
链接：https://cdn.openai.com/pdf/8124a3ce-ab78-4f06-96eb-49ea29ffb52f/gpt5-system-card-aug7.pdf
值得一提的是，这张图展示了 GPT-5 系列模型与前几代 OpenAI 模型之间的关系，可以帮助读者更清晰地理解 GPT-5 的技术演进。
最后，你对 GPT-5 的表现满意吗？还是更期待其他竞争对手的新产品，比如 DeepSeek-R2？
