当地时间8月7日，OpenAI宣布推出新一代旗舰人工智能（AI）模型GPT-5，称它是“世界上最好的模型”，将免费提供给用户。

　　今天将向免费用户、Plus用户、Pro用户和团队用户推出。下周向企业用户和教育用户推出。

图源：OpenAI官网

　　面向所有用户开放

　　可免费使用的“博士级专家”

　　OpenAI表示，GPT-5将面向所有用户开放，Plus会员可获得更多使用量，Pro会员则可访问GPT-5 Pro版本——该版本具有扩展推理能力，可提供更全面、更准确的答案。

　　OpenAI在新闻稿中介绍，GPT-5的智能性能远超公司之前的所有模型，在编码、数学、写作、健康、视觉感知等领域均拥有卓越的性能。

　　OpenAI表示，这项技术比之前的模型“感觉更人性化”，即使是新手也能通过简短的文本提示构建简单的软件应用程序。

　　一位OpenAI工程师要求该系统生成一款帮助人们学习法语的在线应用程序，而该系统在几分钟内就创建完成了。

　　声明补充称，GPT-5是一个统一的系统，能够识别何时快速响应，何时需要更长时间的思考以提供专家级的应答，不必由用户手动选择使用常规语言模型还是推理系统。

　　ChatGPT团队负责人Nick Turley表示，新模型在响应速度、回答准确性以及减少“幻觉”方面都优于前代产品，“你跟它对话时，会感觉自然了不少。”

　　OpenAI首席执行官山姆·奥特曼（Sam Altman）表示：“无论是显而易见的还是微妙的，感觉都好多了。GPT-5第一次让人感觉像是在与任何领域的专家交谈——一位博士级别的专家。”奥特曼称该系统是该公司朝通用人工智能（AGI）的最终目标迈出的“重要一步”。

　　山姆·奥特曼对GPT-5给予了极高评价，将GPT-5定位为通往AGI的重要里程碑。他表示：“在以往历史上任何时期，拥有像GPT-5这样的东西都是不可想象的。”甚至不惜用“踩”GPT-4抬高GPT-5。他说：“我尝试过用回GPT-4，但效果相当糟糕。”

　　一键生成网页、像诗人一样写作

　　更懂健康问题

　　根据OpenAI介绍，作为OpenAI的“最强大模型”，GPT-5在三个关键领域实现了显著提升。

　　首先是编程能力。GPT-5是OpenAI迄今为止最强大的编码模型，在复杂的前端生成和大型代码库调试方面表现突出，能够仅凭一个提示就创建美观响应式的网站、应用程序App和游戏。早期测试者注意到其在间距、排版和留白等设计选择方面的改进。

　　在从GitHub获取现实世界编码任务的基准测试SWE-bench Verified中，GPT-5思考后首次尝试的准确率达74.9%，高于OpenAI推理模型o3的69.1%和GPT-4o的30.8%。

　　评论指出，这意味着，GPT-5的表现略胜于Anthropic周二推出的Claude Opus 4.1和谷歌DeepMind的Gemini 2.5 Pro，后两者在SWE-bench Verified测试的得分分别为74.5%和59.6%。

　　不过，在衡量数学、人文和自然科学领域模型表现的各学科专家级能力Humanitys Last Exam测试中，带有扩展推理功能的GPT-5增强版本GPT-5 pro在使用工具的情况下得分42%。这略低于得分44.4%的xAI模型Grok 4 Heavy。

　　奥尔特曼称，GPT-5尤其擅长按需启动整个软件App，也就是所谓的“氛围编码”、即用AI根据自然语言提示生成功能代码，从而加快开发速度。

　　作为实例，OpenAI的研究者演示了，要求GPT-5创建一款网页App，帮助说英语的用户学习法语，且该App必须有一个引人入胜的主题，包含抽认卡、测验、经典的贪吃蛇游戏，以及追踪每日学习进度的方法。

　　研究者将相同的提示词提交到两个GPT-5窗口中，几分钟后生成了两个不同的App。OpenAI的负责人称，这些App“存在一些缺陷”，但用户可以根据个人喜好再调整AI生成的软件，例如更改背景或添加更多标签页。

　　在创意写作方面，GPT-5能够处理结构复杂的写作任务，如无韵律的抑扬格五音步诗或自然流动的自由诗，犹如诗人。OpenAI的ChatGPT业务副总Nick Turley表示，GPT-5在创意任务上表现出“更好的品味”，响应更自然。

　　健康咨询是第三个重要提升领域。GPT-5能更积极地标记潜在健康问题，帮助用户解析医疗结果，尽管OpenAI强调，ChatGPT不能替代医疗专业人员。

　　在名为HealthBench Hard Hallucinations的测试中，具备思考能力的GPT-5出现幻觉的错误信息率仅为1.6%。这远低于GPT-4o和o3模型，后两者的错误信息率分别为15.8%和12.9%。

　　幻觉可能性显著降低新的安全训练模式

　　这是OpenAI首次使用推理模型来支持ChatGPT的免费版本。与之前的技术不同，推理模型可以花时间“思考”复杂的问题，然后才能确定答案，可减少“幻觉”或编造内容的出现。

　　OpenAI表示，GPT-5的幻觉率较低，这意味着该模型编造答案的频率较低。该公司表示，在开发GPT-5的同时，还进行了广泛的安全评估，包括5000小时的测试。GPT-5将使用“安全完成”，而不是在用户有潜在风险的情况下直接拒绝回答他们的问题。

　　OpenAI称，GPT-5相比此前的模型更可靠和实用，它能更准确地回答现实世界的疑问，出现幻觉的可能性显著降低。

　　在对代表ChatGPT生产流量的匿名提示词启用网络搜索后，GPT-5响应中包含事实错误的可能性比GPT-4o低约45%；在思考后，GPT-5响应中包含事实错误的可能性比o3低约80%。下图可见，GPT-5响应的错误信息率仅为4.8%，GPT-4o为20.6%，o3为22%。

　　OpenAI还表示，为GPT-5引入了一种新的安全训练形式，名为安全补全（safe completions）。它教模型在安全范围内尽可能给出最有帮助的答案。有时，这可能意味着部分回答用户的问题，或者只提供高水平的回答。

　　如果需要拒绝，经过训练的GPT-5会以透明的方式告知用户拒绝的原因，并提供安全的替代方案。

　　在受控的实验和OpenAI的生产模型中，OpenAI都发现这种安全补全的方法更加细致入微，能够更好地引导双重用途问题，增强对模糊意图的鲁棒性，并减少不必要的过度拒绝。

　　OpenAI的后训练负责人Michelle Pokrass表示：“GPT-5已经过训练，能够识别任务何时无法完成，避免猜测，并能更清晰地解释局限性，相比之前的模型，这减少了无根据的断言。”

　　四种可选的ChatGPT聊天预设性格

　　OpenAI称，GPT-5在指令执行方面表现提升，其执行自定义指令的能力也得到了相应的提升。OpenAI将为所有ChatGPT用户推出四种预设性格的全新研究预览版。

　　初始的四种性格选项——愤世嫉俗者（Cynic）、机器人（Robot）、倾听者（Listener）和书呆子（Nerd）都是可选的，用户可在设置中随时调整，用以匹配ChatGPT和用户的沟通风格。

　　上述四种性格最初适用于文本聊天，之后将扩展到语音聊天，让用户无需编写自定义提示词即可设置ChatGPT的交互方式——无论是简洁专业的、周到支持的，还是略带讽刺的。

　　基准图错误遭吐槽

　　马斯克也跑来拆台

　　值得注意的是，在GPT-5的发布会上，现场也出了一些小bug，直播中展示的性能图表存在数据与图表显示不匹配的情况，例如在编程基准测试（swe-bench）的图表中，GPT-5的准确率标注为52.8%，但对应的柱状图高度却超过了标注为69.1%的旧模型O3的柱状图，引发了网友的广泛质疑。奥特曼也承认了错误：

　　这样的错误还不止一个：

　　更尴尬的是，马斯克也跑来拆台，转发了GPT-5在ARC-AGI-2上没有打败Grok 4的消息：

　　连关于减少幻觉方面的demo，也被人挑出了毛病：

　　总体来看，GPT-5的表现在一些人看来没有达到预期。

　　微软：将把OpenAI的GPT-5整合到消费者、开发者和企业产品中

　　据财联社报道，微软将OpenAI的GPT-5集成到其Copilot生态系统中，包括Microsoft365Copilot、GitHubCopilot、AzureAIFoundry和CopilotStudio。

　　新的智能模式支持动态模型切换，以增强推理和特定任务的响应。Microsoft365Copilot现在提供了对复杂查询的改进上下文理解和处理，而GitHubCopilot用户可以访问GPT-5的高级代码编写功能。

　　GPT-5有四个版本，针对逻辑、多步骤任务和多模态企业应用程序进行了优化。开发人员可以通过AzureAIFoundry利用GPT-5，利用其模型路由器来确保AI驱动的应用程序中特定于任务的精度。