OpenAI GPT-5 发布说明

OpenAI 推出了 GPT-5，这是一套统一的 AI 系统，在智能水平上相较于之前的模型实现了显著飞跃。通过集成实时路由器，动态在快速高效模型和更深层推理模型（GPT-5 thinking）之间进行选择，该系统在编码、数学、写作和健康等方面提供了最先进的性能。

统一系统架构

GPT-5 作为统一系统运行，包含三个核心组件：用于标准查询的智能高效模型、用于复杂问题的更深层推理模型（称为 “GPT-5 thinking”）以及实时路由器。路由器根据对话复杂度、工具需求、用户意图（例如 “think hard about this” 之类的提示）和对话类型来决定使用哪个模型。

为确保持续可用，每个模型都有一个 “mini” 版本，在达到主要使用限制后处理查询。OpenAI 计划在未来将这些独立的能力整合为单一模型。

技术能力与领域表现

GPT-5 在多个关键基准上取得了新的最先进（SOTA）结果，展示了在专业领域的智能提升：

• 数学： 在 AIME 2025 上取得 94.6%（未使用工具）。
• 编码： 在 SWE-bench Verified 上取得 74.9%，在 Aider Polyglot 上取得 88%。
• 多模态理解： 在 MMMU 上取得 84.2%。
• 健康： 在 HealthBench Hard 上取得 46.2%。
• 通用科学： GPT-5 pro 在 GPQA 上取得 88.4%（未使用工具）。

编码与开发

GPT-5 是 OpenAI 迄今为止最强大的编码模型，在调试大型代码库和复杂前端生成方面取得了显著进展。该模型对美学设计（包括排版和间距）有直观的理解，能够仅凭单一提示生成响应式网站和应用程序。

健康与医学信息

GPT-5 在 HealthBench 上的得分显著高于之前的模型。它作为主动的思考伙伴，主动标记潜在问题并提出澄清性问题。模型会根据用户的地域、知识水平和上下文调整回答，以提供更安全、更可靠的信息。

创意写作与表达

该模型在处理结构模糊性和文学深度方面表现出提升，例如能够维持自由诗体或无韵的抑扬格五音步，使其在撰写专业报告、电子邮件和备忘录时更为高效。

可靠性、事实性与诚实性

与前代模型相比，GPT-5 在幻觉和欺骗行为方面实现了显著降低：

• 事实性： 回答出现事实错误的概率约比 GPT-4o 低 45%。在使用 “thinking” 模式时，GPT-5 出现事实错误的概率约比 OpenAI o3 低 80%。
• 开放式事实性： 在 LongFact 和 FActScore 基准上，“GPT-5 thinking” 的幻觉数量是 o3 的六分之一。
• 诚实性： 在将多模态提示中的图像移除的测试（CharXiv）中，GPT-5 对不存在的图像给出自信答案的比例仅为 9%，而 o3 为 86.7%。生产流量中的欺骗率从 4.8%（o3）下降至 2.1%（GPT-5）。

安全性与行为改进

安全完成范式

OpenAI 已超越单纯基于拒绝的安全训练，采用 “安全完成” 方法。该方法教导模型在安全边界内提供尽可能有帮助的答案，可能包括部分回答或高层概览。如果需要拒绝，模型会解释原因并提供安全的替代方案。

减少阿谀奉承

GPT-5 旨在减少过度的迎合并降低不必要的表情符号使用。在针对性评估中，阿谀回复率从 14.5% 降至不足 6%，目标是呈现类似 “拥有博士级智能的乐于助人的朋友” 的语气。

生物风险防护

由于 “GPT-5 thinking” 模型在生物与化学领域被归类为 “高能力”，OpenAI 实施了多层防御体系。包括与 CAISI、UK AISI 等合作伙伴进行 5,000 小时的红队测试、持续运行的分类器以及推理监控，以最大限度降低生物风险。

GPT-5 Pro 与访问层级

GPT-5 pro 取代了 OpenAI o3‑pro。它利用可扩展的并行推理计算，为最复杂的任务提供更深入的推理。在对 1,000 条具有经济价值的推理提示进行评估时，外部专家在 67.8% 的情况下更倾向于 GPT-5 pro 而非 “GPT-5 thinking”，并指出其重大错误减少了 22%。

可用性：

• 免费用户： 可使用 GPT-5，达到使用限制后切换至 GPT-5 mini。
• Plus、Team 与 Pro 用户： 更高的使用限制。Pro 订阅者可无限使用 GPT-5，并独享 GPT-5 pro。
• 企业与教育用户： 访问将在下周推出。
• 开发者访问： 通过 Codex CLI 为 Pro、Plus 与 Team 用户提供。