当地时间8月7日，OpenAI推出大型语言模型GPT-5，这一成果历经多次推迟后终于面世。这距离GPT-4的发布已过去了两年半。OpenAI称它是“世界上最好的模型”，将免费提供给用户。
图片来源：OpenAI官网
首席执行官山姆·奥尔特曼在发布会上形容，与GPT-5对话“就像在与某个领域的博士级专家交流”。这一版本首次采用集成模型架构，将根据任务自动选择推理深度，无需用户切换模式。
目前Plus、Pro、团队和免费用户均已接入GPT-5，企业版与教育版用户预计将在一周内覆盖，免费用户将在数天内完成覆盖。
也有业内人士认为GPT-5“不够惊艳”，马斯克在社交媒体表示“不服”称，GPT-5在ARC-AGI-2上没有打败Grok 4。
面向所有用户开放
OpenAI在新闻稿中写道，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。
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。
OpenAI表示，GPT-5将面向所有用户开放。即C端免费用户也可以使用GPT-5，但有使用次数限制，每天可以聊“几个小时”，当达到上限后，会自动切换到GPT-5 mini模型。Plus用户则将拥有比免费用户“高得多”的使用额度 ，基本满足日常应用。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。
对于开发者API用户来讲，GPT-5几乎给出了一个难以拒绝的价格：每百万token输入1.25美元，输出10美元。这个价格不仅比GPT 4o便宜，也仅为Claude Opus 4.1的1/15，甚至比一直以“低价”著称的Gemini 2.5 Pro更便宜。
先前，OpenAI首席执行官萨姆·奥尔特曼（Sam Altman）称GPT-5是一次“重大升级”。
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。”
在8月7日的简报会上，奥尔特曼对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。”
“这是第一次感觉就像在与任何领域的专家交谈。”Altman在简报会上甚至不惜用“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
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。”
推出四种可选的 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。
此外，微软在GPT-5发布当日即宣布，将其整合到广泛的产品线中。在企业级应用方面，Microsoft 365 Copilot将利用GPT-5更好地处理复杂问题、在长对话中保持专注并理解用户上下文。企业用户可通过推理功能处理电子邮件、文档和文件。
对于消费者，Microsoft Copilot的新智能模式将利用GPT-5帮助用户发现最佳解决方案。用户可通过copilot.microsoft.com或Windows、Mac、Android和iOS设备上的Copilot应用免费体验GPT-5。
开发者将通过GitHub Copilot和Visual Studio Code获得GPT-5支持，用于编写、测试和部署代码。Azure AI Foundry平台将提供所有GPT-5模型，配备AI驱动的模型路由器，根据每个任务的复杂性、性能需求和成本效率选择最优模型。
马斯克拆台
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：
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：
据证券时报报道，有人工智能资深研究员认为，GPT-5 仍然只是“渐进式优化”，而非颠覆性、跨越式的提升。GPT-5表现不够惊艳的核心原因在于，大模型训练遵循Scaling Laws（缩放定律），即模型性能随着参数规模、训练数据量、计算资源的增加而提升。如今这一定律正在放缓，预训练带来的边际收益在减弱，而且全球高质量数据已经枯竭，这也使得OpenAI的训练资源面临瓶颈，模型性能提升十分有限。
GPT-5这次发布或许还与OpenAI近期资本运作有关。
据参考消息网援引《金融时报》网站8月1日报道，OpenAI已获得83亿美元新资本，估值达到3000亿美元。据知情人士透露，这笔新资金来自黑石集团、得克萨斯太平洋集团资本公司、富达管理与研究公司和普徕仕公司等原有及新加入的投资者。
GPT-5的发布，将进一步巩固OpenAI在大模型技术领域的领先优势，提振投资者信心，有助于公司估值的增长及股票二次出售计划的实施。
