北京时间8月8日凌晨1点，OpenAI正式发布GPT-5。山姆・奥尔特曼(Sam Altman)称GPT-5是“迈向通用人工智能(AGI)的重要一步”。他还表示，GPT-5就像是一位真正的博士级专家，精通任何你需要的领域。

  然而发布会后大家对于GPT-5的评价直接两极分化，有说超预期的，也有失望“就这？”的。为什么会这样？我们先来看看GPT-5到底升级了啥？

  编程、写作、多模态、医疗咨询全面进化

  这场一个多小时的发布会，OpenAI的功能展示占据了绝大多数戏份。

  首先是编程能力，GPT-5直接刷新了行业天花板，在SWE-Bench Verified(代码修复测试)中得分74.9%，在Aider Polyglot(多语言编程测试)中得分88%，远超前代模型。在发布会上，OpenAI后期训练负责人Yann Dubois现场演示了GPT-5如何根据指令快速生成法语学习、并带有互动游戏的网站，甚至能自动处理交互设计、进度记录等功能。短短几分钟就有这样精致的页面，确实让人惊艳。

  多模态理解方面，GPT-5在一系列多模式基准测试中表现出色，涵盖视觉、基于视频、空间和科学推理。更强的多模态性能意味着，可以更准确地推理图像和其他非文本输入，无论是解释图表，总结演示文稿的照片还是回答有关图表的问题。

  写作方面，OpenAI毫不谦虚地称GPT-5为“GPT-5是迄今为止最强大的写作协作工具”。该模型能够帮助用户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。

  健康咨询方面，在HealthBench Hard(医疗问答测试)中，GPT-5得分46.2%。OpenAI表示，与以前的模型相比，GPT-5更像是一个积极的思想伙伴，主动标记潜在的问题并提出问题以提供更多有用的答案。OpenAI强调，该模型还提供了更精确和可靠的响应，适应用户的上下文，知识水平和地理位置，使其能够在广泛的场景中提供更安全和更有用的响应。

  想象一下，将我们的体检报告上传交给AI来辅助判断，或许能够更好地、更及时地制定诊疗决策。发布会上，OpenAI也邀请了一位同时患有三种癌症的女士分享了经历。这名换着通过上传病例报告到ChatGPT，更好地理解了报告中专业的医疗术语，在确诊初期对于自己面临的情况有了更清晰的理解。甚至由于病情的复杂程度，当专家把治疗决定全交给这位女士时，她选择了GPT来结合海量信息分析报告，并最终辅助这位患者做出了正确的决定。

  除了以上升级外，GPT-5还在降低幻觉影响方面取得突破。在启用网页搜索时，GPT-5响应的事实错误率较GPT-4o降低约45%;深度思考模式下，错误率较OpenAI o3降低近80%，大幅减少了“一本正经胡说八道”的情况。更难得的是，GPT-5在严守事实的同时，指令遵循能力跃升，拍马屁的倾向也大大降低。

  为了让对话更有趣，GPT-5还引入了批判者(Cynic)、分析者(Robot)、倾听者(Listener)和书呆子(Nerd)四种“人格模式”供用户选择。比如让模型以“书呆子”模式详细解释量子力学原理，或以“倾听者”模式提供情感支持。

  从免费用户到Pro套餐，API定价竞争力凸显

  OpenAI的商业化策略同样值得关注。免费用户可直接使用GPT-5(普通版，带推理功能)，但每月使用额度有限，触及上限后，系统会自动切换到GPT-5-mini(轻量型);Plus订阅用户除了能使用这些模型外，还享有更高的使用限额。而每月200美元的Pro套餐可无限使用GPT-5，并解锁更强的GPT-5 Pro版本(适合处理复杂任务)和GPT-5 Thinking(延长推理时间)。

  对于开发者，OpenAI的API定价也颇具竞争力：GPT-5输入1.25美元/百万tokens，输出10美元/百万tokens;GPT-5 mini输入0.25美元/百万tokens，输出2美元/百万tokens;GPT-5 nano输入0.05美元/百万tokens，输出0.4美元/百万tokens。相较主要对手Anthropic与Google，GPT-5在不仅具备竞争力，甚至更为亲民。

  性能飞跃能否掩盖PPT翻车与幻觉争议？

  既然GPT-5的提升如此显著，为何评价还会两极分化？先说说发布会上出现的低级错误，比如在介绍GPT-5性能时OpenAI播放的几页PPT，实在是让人捉摸不透，这神奇的图表也成为发布会的一大亮(槽)点，52.8>69.1，让人质疑OpenAI的严谨性。奥特曼用“GPT-6来改进”的调侃缓解尴尬，但网友似乎并不买账。除此之外还有演示中神奇的大炮轨迹...也是让人无力吐槽。

  另外，尽管OpenAI表示GPT-5的幻觉率大幅降低，但在实际测试中，模型仍会因训练数据的局限性而犯错。官方Demo里“幻觉降低”的片段，被网友揪出了错误。

  GPT-5的发布并未让竞争对手沉默。马斯克也赶来补刀，转发GPT-5在ARC-AGI-2测试中未能击败Grok 4的截图。并表示在今年年底前发布Grok 5。

  写在最后：

 

  尽管GPT-5存在争议，但不可否认的是，这款模型正悄然重塑人类与AI的关系――从工具，到伙伴，再到如今潜在的“超级智能”。那么，在你看来这个口袋里的“博士级专家团队”表现是否超预期？