GPT-5 简介
这是OpenAI迄今为止最智能、最快、最实用的模型，具有内置思维，可将专家级智能交到每个人手中。
OpenAI已经推出 GPT-5，这是OpenAI迄今为止最优秀的人工智能系统。GPT-5 的智能性能远超OpenAI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。它是一个统一的系统，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响应。GPT-5 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。
文章目录
一个统一的系统
GPT-5 是一个统一的系统，它包含一个能够解答大多数问题的智能高效模型、一个能够解决更复杂问题的 更深层次的推理模型（GPT-5 思维），以及一个实时路由器，可以根据对话类型、复杂度、工具需求以及你的明确意图（例如，如果你在提示中说“认真思考一下”）。路由器会根据真实信号持续训练，包括用户切换模型的时间、响应偏好率以及测量的正确率，并随着时间的推移不断改进。一旦达到使用限制，每个模型的迷你版本将处理剩余的查询。在不久的将来，OpenAI计划将这些功能集成到一个模型中。
更智能、更广泛适用的模型
GPT-5 不仅在基准测试中超越了之前的模型，回答问题的速度也更快，而且最重要的是，它对现实世界的查询更加有用。OpenAI在减少幻觉、提高指令执行能力和减少谄媚方面取得了显著进展，同时提升了 GPT-5 在 ChatGPT 最常见的三个用途（写作、编程和健康）中的表现。
编码
GPT-5 是OpenAI迄今为止最强大的编码模型。它在复杂的前端生成和大型代码库的调试方面表现出色。它通常只需一次提示就能创建美观且响应迅速的网站、应用程序和游戏，并兼具美感，直观而优雅地将创意转化为现实。早期测试人员也注意到了它的设计选择，对间距、排版和留白等方面有了更深入的理解。点击此处，了解 GPT-5 为开发者带来哪些功能的完整详情。
以下是 GPT-5 仅用一个提示创建的一些示例：
滚球小游戏像素艺术打字游戏鼓模拟器Lofi 可视化工具
**提示：**在单个 HTML 文件中创建单页应用程序，并满足以下要求：
- 名称：跳球跑者
- 目标：跳过障碍物，尽可能长时间地生存。
- 特点：提高速度、跟踪高分、重试按钮以及动作和事件的有趣声音。
- UI 应色彩丰富，具有视差滚动背景。
- 角色应该看起来很卡通，看起来很有趣。
- 每个人都应该享受游戏的乐趣。
创造性表达和写作
GPT-5 是OpenAI迄今为止最强大的写作协作工具，能够帮助您将粗略的想法转化为引人入胜、富有文学深度和节奏感的文字作品。它能够更可靠地处理结构模糊的写作，例如持续不押韵的抑扬格五音步或流畅自然的自由诗，将对形式的尊重与清晰的表达相结合。这些改进的写作功能意味着 ChatGPT 能够更好地帮助您完成日常任务，例如起草和编辑报告、电子邮件、备忘录等。下表比较了 GPT-5 和 GPT-4o 的写作风格。
健康
GPT-5 是OpenAI迄今为止针对健康相关问题的最佳模型，它使用户能够了解并倡导自己的健康。该模型在HealthBench 上的得分明显高于任何先前的模型。HealthBench是OpenAI今年早些时候基于现实场景和医生定义的标准发布的评估。与之前的模型相比，它更像是一个积极的思想伙伴，主动标记潜在顾虑并提出问题以提供更有用的答案。该模型现在还可以提供更精确、更可靠的响应，适应用户的背景、知识水平和地理位置，使其能够在各种场景中提供更安全、更有用的响应。重要的是，ChatGPT 不会取代医疗专业人员——您可以将其视为合作伙伴，帮助您了解结果，在您与医疗服务提供者相处的时间内提出正确的问题，并在您做出决策时权衡各种选择。
您可以在以下示例中看到 GPT-5 在某些方面优于OpenAI以前的跨领域模型——更丰富、更详细、更实用：
诗了解癌症风险婚礼祝酒词乐队全球巡演策划投手康复计划
GPT-4o
写一首能引起情感共鸣的短诗。京都的一位寡妇总是在奇怪的地方发现她已故丈夫的袜子。
袜子不该穿的地方
碗柜里放着饭碗——一个碗 叠得整整齐齐，就像他刚出门一样。 另一个碗放在花园扫帚后面， 上面沾满了梅花和疑惑。
榻榻米上，柔软而孤独， 一只脚跟指向寺庙的钟声。 被炉里，温暖如呼吸—— 她哭泣，却不言。
洗衣机空了。一直都是空的。 但袜子总是会浮上来，狡黠而又善良。 她从不问它们是怎么回来的。 她只希望他不介意。
GPT-5
写一首能引起情感共鸣的短诗。京都的一位寡妇总是在奇怪的地方发现她已故丈夫的袜子。
茶罐里有一只袜子， 散发着淡淡的樟脑和雨水的气味。
另一只则在木屐架旁等待， 蜷缩着身子，像一条熟睡的锦鲤。
她掀起另外两张蒲团，将其折叠起来， 放在他曾经用脚温暖过她的地方。
京都的钟声在傍晚滚下山坡。 她把它们挂在竹竿上，那是 已不复存在的国家的黑色旗帜，
并数着它们，就像数着祝福、 呼吸或走到一扇 只有当你停止敲门时才会打开的门前的脚步一样。
GPT-5 的回应以更强烈的结尾、清晰的意象和引人注目的隐喻（“一个不复存在的国家的黑旗”、“京都的钟声在傍晚滚滚而下”），触及了更广阔的情感弧线，从而构建了生动的文化和地域感。GPT-4o 的版本则遵循更可预测的结构和押韵模式，以讲述而非展现（“她哭泣，却不诉说”）。
-
OpenAI根据在给定提示下哪个模型表现更好，在 4o 和 OpenAI o3 之间选择一个响应。
评估
GPT-5 的全面智能化程度显著提升，这体现在它在学术和人工评估基准测试中的表现上，尤其是在数学、编码、视觉感知和健康领域。它在数学（AIME 2025 无需工具测试得分 94.6%）、真实世界编码（SWE-bench Verified 得分 74.9%，Aider Polyglot 得分 88%）、多模态理解（MMMU 得分 84.2%）和健康（HealthBench Hard 得分 46.2%）方面均创下了新的最高水平——这些提升在日常使用中得到了充分体现。凭借 GPT-5 pro 的扩展推理能力，该模型还在****GPQA上创下了新的最高水平，无需工具测试得分高达 88.4%。
*不应将使用工具的 AIME 结果与不使用工具的模型的性能直接进行比较；它们是 GPT-5 如何有效利用可用工具的一个例子。
编码
遵循指令和代理工具使用
GPT-5 在测试指令遵循和代理工具使用能力的基准测试中表现出显著提升，这些能力使其能够可靠地执行多步骤请求、协调不同工具并适应环境变化。在实践中，这意味着它能够更好地处理复杂且不断变化的任务；GPT-5 可以更忠实地遵循你的指令，并利用其可用的工具端到端地完成更多工作。
多式联运
该模型在一系列多模态基准测试中表现出色，涵盖视觉推理、视频推理、空间推理和科学推理。更强大的多模态性能意味着 ChatGPT 能够更准确地对图像和其他非文本输入进行推理——无论是解读图表、总结演示文稿照片，还是回答有关图表的问题。
健康
经济重要任务
GPT-5 也是OpenAI内部基准测试中表现最佳的模型，该基准测试衡量了复杂且具有经济价值的知识型工作的表现。在推理方面，GPT-5 在大约一半的案例中与专家相当或更胜一筹，同时在涵盖法律、物流、销售和工程等 40 多个职业的任务中，其表现优于 o3 和 ChatGPT Agent。
上述评估方法：GPT-4o 的结果反映了截至 2025 年 8 月 ChatGPT 中该模型的最新版本。所有模型均在高“推理努力”设置下进行评估。在 ChatGPT 中，推理努力程度可能有所不同，“高”表示用户使用该模型时可能遇到的上限。
更快、更高效的思考
GPT-5 用更少的思考时间实现了更大的价值。在OpenAI的评估中，GPT-5（具备思考能力）的表现优于 OpenAI o3，在视觉推理、代理编码和研究生水平的科学问题解决等功能上，输出 token 数量减少了 50% 至 80%。
GPT-5 在 Microsoft Azure AI 超级计算机上进行了训练。
构建更强大、更可靠、更有用的模型
更准确地回答现实世界的疑问
GPT-5 产生幻觉的可能性显著低于OpenAI之前的模型。在 ChatGPT 生产流量中代表匿名提示的网页搜索中，GPT-5 的响应包含事实错误的可能性比 GPT-4o 低约 45%；在思考时，GPT-5 的响应包含事实错误的可能性比 OpenAI o3 低约 80%。
OpenAI特别投入精力，使OpenAI的模型在推理复杂的开放式问题时更加可靠。因此，OpenAI添加了新的评估方法，以对开放式事实性进行压力测试。OpenAI测量了 GPT-5 在思考开放式事实搜索提示时的幻觉率，这些提示来自两个公开的事实性基准：LongFact（在新窗口中打开）（概念和对象）和FActScore（在新窗口中打开）在所有这些基准测试中，“GPT-5思维”的幻觉数量均大幅下降——大约比o3少了六倍——这标志着在生成持续准确的长篇内容方面取得了显著的飞跃。OpenAI对这些基准的评估实施和评分细节，请参阅系统卡。
更诚实的回应
除了事实性增强之外，GPT-5（具备思考能力）还能更诚实地向用户传达其操作和能力——尤其是在处理那些不可能完成、具体要求不明确或缺少关键工具的任务时。为了在训练中获得高额奖励，推理模型可能会学会谎报自己成功完成了任务，或者对不确定的答案过于自信。例如，为了测试这一点，OpenAI从多模态基准测试 CharXiv 的提示中删除了所有图像，结果发现 OpenAI o3 仍然能够以 86.7% 的概率对不存在的图像给出自信的答案，而 GPT-5 的这一比例仅为 9%。
在推理过程中，GPT-5 能够更准确地识别任务无法完成的情况，并清晰地传达其局限性。OpenAI评估了涉及不可能完成的编码任务和缺失多模态资产的场景下的欺骗率，发现 GPT-5（具有思考能力）的欺骗性在各方面均低于 o3。在大量代表实际 ChatGPT 流量的对话中，OpenAI将欺骗率从 o3 的 4.8% 降低到 GPT-5 推理响应的 2.1%。虽然这对用户来说是一项有意义的改进，但仍有更多工作要做，OpenAI正在继续研究如何提高模型的真实性和诚实性。更多详细信息请参阅系统卡。
更安全、更有帮助的回应
GPT-5 推进了安全领域的发展。过去，ChatGPT 主要依赖于基于拒绝的安全训练：根据用户的提示，模型应该遵循或拒绝。虽然这种训练对于明确的恶意提示效果良好，但它难以处理用户意图不明确，或信息可能被善意或恶意利用的情况。拒绝训练对于病毒学等双重用途领域尤其缺乏灵活性，因为在这些领域中，良性请求可以在高层次上安全地完成，但如果详细完成，则可能为恶意行为者提供便利。
对于 GPT-5，OpenAI引入了一种新的安全训练形式——安全补全——它教会模型在安全界限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。如果模型需要拒绝，GPT-5 会经过训练，以透明的方式告知拒绝原因，并提供安全的替代方案。在受控实验和OpenAI的生产模型中，OpenAI都发现这种方法更加细致入微，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。在OpenAI的安全补全论文中，了解更多关于OpenAI新的安全训练方法以及方法、指标和结果的完整细节。
在不同提示意图类型中，安全性和实用性（给定安全响应）的比较。GPT-5（具有思考能力）在所有提示意图类型中都表现出更高的安全性和更大的实用性。
减少谄媚，改进作风
总体而言，与 GPT-4o 相比，GPT-5 的亲切感有所减弱，不必要的表情符号也更少，后续的互动也更加细腻周到。与其说是“与 AI 对话”，不如说更像是在与一位拥有博士级智力水平的乐于助人的朋友聊天。
今年早些时候，OpenAI发布了 GPT-4o 的更新，无意中导致模型变得过于奉承、过度讨好或讨好。OpenAI很快撤回了这一更改，并努力通过以下方式理解和减少这种行为：
- 开发新的评估方法来衡量谄媚程度
- 改进OpenAI的训练，使模型不那么阿谀奉承——例如，添加通常会导致过度一致的例子，然后教它不要这样做。
在使用专门设计用于引发谄媚回应的提示进行针对性谄媚性评估时，GPT-5 显著减少了谄媚性回复（从 14.5% 降至不到 6%）。有时，减少谄媚性可能会降低用户满意度，但OpenAI所做的改进不仅将谄媚性降低了一半以上，还带来了其他可衡量的收益，因此用户能够继续进行高质量、建设性的对话——这符合OpenAI帮助人们良好使用 ChatGPT 的目标。
更多自定义 ChatGPT 的方法
GPT-5 在指令遵循方面表现明显更好，并且OpenAI看到其遵循自定义指令的能力也有相应的提升。
OpenAI还为所有 ChatGPT 用户推出了四种全新预设性格的研究预览，这得益于可操控性的改进。这些性格最初适用于文本聊天，稍后将扩展到语音聊天，让您无需编写自定义提示即可设置 ChatGPT 的互动方式——无论是简洁专业、周到支持还是略带讽刺。初始的四种性格选项分别是愤世嫉俗者、机器人、倾听者和书呆子，它们都是可选的，可以在设置中随时调整，并根据您的沟通风格进行设计。
所有这些新人物都达到或超过了OpenAI减少谄媚的内部评估标准。
OpenAI期待根据早期反馈进行学习和迭代。
全面防范生物风险
OpenAI决定将“GPT-5思维”模型视为生物和化学领域的高能力模型，并已实施强有力的保障措施，以充分降低相关风险。OpenAI根据“防范框架” 对该模型进行了严格的安全评估测试，并与CAISI和英国AISI等合作伙伴完成了5000小时的红队演练。
与OpenAI对 ChatGPT Agent 的方法类似，虽然OpenAI没有确凿的证据表明该模型可以有效地帮助新手造成严重的生物伤害——OpenAI定义的阈值（在新窗口中打开）为了实现高性能——OpenAI正在采取预防措施，并立即启动必要的保障措施，以便在这些能力可用时做好充分准备。因此，“GPT-5思维”拥有强大的安全堆栈和多层生物学防御系统：全面的威胁建模、通过OpenAI新的安全完成范式训练模型不输出有害内容、始终在线的分类器和推理监视器，以及清晰的执行流程。
在OpenAI的系统卡中了解有关 GPT-5 强大安全方法的更多信息。
GPT-5 用于
为了应对最具挑战性、最复杂的任务，OpenAI还发布了 GPT-5 pro，以取代 OpenAI o3-pro。O3-pro 是 GPT-5 的一个变体，它能够长时间思考，使用可扩展且高效的并行测试时间计算，从而提供最高质量和最全面的答案。GPT-5 pro 在多项极具挑战性的智能基准测试中取得了 GPT-5 系列中的最高性能，包括在包含极其困难的科学问题的 GPQA 上取得的领先性能。
在对 1000 多个具有经济价值的现实世界推理题的评估中，外部专家 67.8% 的答案是 GPT-5 pro，而非“GPT-5 思维”。GPT-5 pro 的重大错误减少了 22%，并且在健康、科学、数学和编程方面表现出色。专家们将其答案评为相关、实用且全面。
如何使用 GPT-5
GPT-5 是 ChatGPT 中的新默认模型，它将取代已登录用户的 GPT-4o、OpenAI o3、OpenAI o4-mini、GPT-4.1 和 GPT-4.5。只需打开 ChatGPT 并输入您的问题；GPT-5 会处理其余部分**，并在对答案有利时自动应用推理。付费用户仍然可以从模型选择器中选择“GPT-5 思维”**，或者在提示中输入类似“认真思考一下”的内容，以确保在生成答案时使用推理。
可用性和访问
GPT-5 今日起面向所有 Plus、Pro、Team 和 Free 用户推出，Enterprise 和 Edu 版用户也将在一周内获得访问权限。Pro、Plus 和 Team 用户也可以在Codex CLI中使用 GPT-5 进行编码。（在新窗口中打开）通过使用 ChatGPT 登录。
与 GPT-4o 一样，GPT-5 免费和付费访问之间的区别在于使用量。专业版订阅用户可以无限制访问 GPT-5，还可以访问GPT-5 Pro。此外，用户可以舒适地将其用作日常问题的默认模型，使用量明显高于免费用户。团队、企业和教育客户也可以轻松地将 GPT-5 用作日常工作的默认模型，其宽松的限制使整个组织都可以轻松地依赖 GPT-5。对于 ChatGPT 免费套餐用户，完整的推理功能可能需要几天时间才能完全推出。一旦免费用户达到 GPT-5 的使用限制，他们将转换到GPT-5 mini，这是一个更小、更快、功能更强大的模型。