撰文：李丹，華爾街見聞
今年 OpenAI 最爲大衆期待的產品來了。
美東時間 8 月 7 日週四，OpenAI 宣佈，推出新一代旗艦人工智能（AI）模型 GPT-5。它是 OpenAI 首個「一體化」的 AI 系統，是 OpenAI 首次將 o 系列模型的推理能力與 GPT 系列模型快速響應能力相結合的產物。
OpenAI CEO Sam Altman 在新模型發佈會上高度評價 GPT-5，稱它是「世界上最好的模型」，是相比此前模型的「重大升級」，並表示，它的問世標誌着，OpenAI 在實現通用人工智能（AGI）道路上邁出「重要一步」。
OpenAI 介紹，GPT-5 在多項基準測試中表現出色，在編程、數學、健康等領域達到前沿水平。GPT-5 在 SWE-bench Verified 代碼測試中得到 74.9% 的準確率，略超 Anthropic 本週二發佈的新模型 Claude Opus 4.1。同時，GPT-5 的幻覺問題大幅改善，錯誤信息率僅爲 4.8%，遠低於前代模型 GPT-4o 的 20.6%。
從本週四當日起，GPT-5 向所有 ChatGPT 的免費用戶和訂閱 Plus、Pro、Team 的付費用戶開放，作爲默認模型使用，並於一週內在 Enterprise 和 Edu 付費方案上線。
與 GPT-4o 一樣，GPT-5 免費和付費版的區別在於用量。Plus 用戶享有更高使用限額，Pro 用戶可無限使用並獲得增強版本 GPT-5 Pro。對於免費用戶，完整的推理功能可能需要幾天時間才能全部上線。一旦免費用戶達到 GPT-5 的用量限制，OpenAI 就將爲他們切換到更小的模型 GPT-5 mini。
OpenAI 週三還表示，將以每年 1 美元的象徵性收費向美國聯邦政府機構提供 ChatGPT 產品。具體來說是 ChatGPT 的企業版，其中包含強化的安全和隱私功能。
OpenAI 剛剛官宣 GPT-5，微軟就宣佈，從本週四開始，將 GPT-5 整合到旗下廣泛的產品組合中，包括 365 Copilot、Copilot、GitHub Copilot 和 Azure AI Foundry 等平臺，讓微軟的企業和消費者用戶能夠立即體驗到 GPT-5 的高級推理能力和編程優勢。
GPT-5 擁有編程、創意寫作、健康領域三大優勢
OpenAI 的 GPT5 發佈公告在一開頭就說，GPT-5 是 OpenAI「最智能、最快速、最實用的模型，其內置的思維能力，讓每個人都能擁有專家級的智慧。」
根據 OpenAI 介紹，作爲 OpenAI 的「最強大模型」，GPT-5 在三個關鍵領域實現了顯著提升。
首先是編程能力。GPT-5 是 OpenAI 迄今爲止最強大的編碼模型，在複雜的前端生成和大型代碼庫調試方面表現突出，能夠僅憑一個提示就創建美觀響應式的網站、應用程序 App 和遊戲。早期測試者注意到其在間距、排版和留白等設計選擇方面的改進。
在從 GitHub 獲取現實世界編碼任務的基準測試 SWE-bench Verified 中，GPT-5 思考後首次嘗試的準確率達 74.9%，高於 OpenAI 推理模型 o3 的 69.1% 和 GPT-4o 的 30.8%。
評論指出，這意味着，GPT-5 的表現略勝於 Anthropic 週二推出的 Claude Opus 4.1 和谷歌 DeepMind 的 Gemini 2.5 Pro，後兩者在 SWE-bench Verified 測試的得分分別爲 74.5% 和 59.6%。
不過，在衡量數學、人文和自然科學領域模型表現的各學科專家級能力 Humanity『s Last Exam 測試中，帶有擴展推理功能的 GPT-5 增強版本 GPT-5 pro 在使用工具的情況下得分 42%。這略低於得分 44.4% 的 xAI 模型 Grok 4 Heavy。
Altman 稱，GPT-5 尤其擅長按需啓動整個軟件 App，也就是所謂的「氛圍編碼」、即用 AI 根據自然語言提示生成功能代碼，從而加快開發速度。
作爲實例，OpenAI 的研究者演示了，要求 GPT-5 創建一款網頁 App，幫助說英語的用戶學習法語，且該 App 必須有一個引人入勝的主題，包含抽認卡、測驗、經典的貪喫蛇遊戲，以及追蹤每日學習進度的方法。
研究者將相同的提示詞提交到兩個 GPT-5 窗口中，幾分鐘後生成了兩個不同的 App。OpenAI 的負責人稱，這些 App「存在一些缺陷」，但用戶可以根據個人喜好再調整 AI 生成的軟件，例如更改背景或添加更多標籤頁。
在創意寫作方面，GPT-5 能夠處理結構複雜的寫作任務，如無韻律的抑揚格五音步詩或自然流動的自由詩。OpenAI 的 ChatGPT 業務副總 Nick Turley 表示，GPT-5 在創意任務上表現出「更好的品味」，響應更自然。
健康諮詢是第三個重要提升領域。
GPT-5 能更積極地標記潛在健康問題，幫助用戶解析醫療結果，儘管 OpenAI 強調，ChatGPT 不能替代醫療專業人員。
在名爲 HealthBench Hard Hallucinations 的測試中，具備思考能力的 GPT-5 出現幻覺的錯誤信息率僅爲 1.6%。這遠低於 GPT-4o 和 o3 模型，後兩者的錯誤信息率分別爲 15.8% 和 12.9%。
幻覺可能性顯著降低 新的安全訓練模式
OpenAI 稱，GPT-5 相比此前的模型更可靠和實用，它能更準確地回答現實世界的疑問，出現幻覺的可能性顯著降低。
在對代表 ChatGPT 生產流量的匿名提示詞啓用網絡搜索後，GPT-5 響應中包含事實錯誤的可能性比 GPT-4o 低約 45%；在思考後，GPT-5 響應中包含事實錯誤的可能性比 o3 低約 80%。下圖可見，GPT-5 響應的錯誤信息率僅爲 4.8%，GPT-4o 爲 20.6%，o3 爲 22%。
OpenAI 還表示，爲 GPT-5 引入了一種新的安全訓練形式，名爲安全補全（safe completions）。它教模型在安全範圍內儘可能給出最有幫助的答案。有時，這可能意味着部分回答用戶的問題，或者只提供高水平的回答。
如果需要拒絕，經過訓練的 GPT-5 會以透明的方式告知用戶拒絕的原因，並提供安全的替代方案。
在受控的實驗和 OpenAI 的生產模型中，OpenAI 都發現這種安全補全的方法更加細緻入微，能夠更好地引導雙重用途問題，增強對模糊意圖的魯棒性，並減少不必要的過度拒絕。
OpenAI 的後訓練負責人 Michelle Pokrass 表示：「GPT-5 已經過訓練，能夠識別任務何時無法完成，避免猜測，並能更清晰地解釋侷限性，相比之前的模型，這減少了無根據的斷言。」
推出四種可選的 ChatGPT 聊天預設性格
OpenAI 稱，GPT-5 在指令執行方面表現提升，其執行自定義指令的能力也得到了相應的提升。OpenAI 將爲所有 ChatGPT 用戶推出四種預設性格的全新研究預覽版。
初始的四種性格選項——憤世嫉俗者（Cynic）、機器人（Robot）、傾聽者（Listener）和書呆子（Nerd）都是可選的，用戶可在設置中隨時調整，用以匹配 ChatGPT 和用戶的溝通風格。
上述四種性格最初適用於文本聊天，之後將擴展到語音聊天，讓用戶無需編寫自定義提示詞即可設置 ChatGPT 的交互方式——無論是簡潔專業的、周到支持的，還是略帶諷刺的。
OpenAI 稱，所有這些新性格都達到或超過了我們減少諂媚行爲的內部評估標準。
Altman 盛讚歷史性突破 用回 GPT-4 後效果相當糟
在本週四的簡報會上，Altman 對 GPT-5 給予了極高評價，將 GPT-5 定位爲通往 AGI 的重要里程碑。他表示：
「在以往歷史上任何時期，擁有像 GPT-5 這樣的東西都是不可想象的。」「這是第一次感覺就像在與任何領域的專家交談。」
Altman 在簡報會上甚至不惜用「踩」GPT-4 擡高 GPT-5。他說：
「我嘗試過用回 GPT-4，但效果相當糟糕。」
GPT-5 採用統一的系統架構，配備實時路由器，能夠根據對話類型、複雜性和工具需求自動決定是快速響應還是進行深度「思考」。這消除了用戶選擇合適設置的需要，使 ChatGPT 更易於使用。
在經濟價值工作的內部基準測試中，使用推理模式的 GPT-5 在大約一半的案例中可與專家水平相當或更優，涵蓋法律、物流、銷售和工程等 40 多個職業。OpenAI VP Nick Turley 稱：「這個模型的感覺真的很好。」
Altman 比喻，使用 GPT-5 就像隨時擁有一支學歷通通爲博士的專家團隊。他還說：「在很多新領域，人們受到想法的限制，但實際上卻沒有執行能力。」
微軟全面整合搶佔先機
微軟在 GPT-5 發佈當日即宣佈，將其整合到廣泛的產品線中。在企業級應用方面，Microsoft 365 Copilot 將利用 GPT-5 更好地處理複雜問題、在長對話中保持專注並理解用戶上下文。企業用戶可通過推理功能處理電子郵件、文檔和文件。
對於消費者，Microsoft Copilot 的新智能模式將利用 GPT-5 幫助用戶發現最佳解決方案。用戶可通過 copilot.microsoft.com 或 Windows、Mac、Android 和 iOS 設備上的 Copilot 應用免費體驗 GPT-5。
開發者將通過 GitHub Copilot 和 Visual Studio Code 獲得 GPT-5 支持，用於編寫、測試和部署代碼。Azure AI Foundry 平臺將提供所有 GPT-5 模型，配備 AI 驅動的模型路由器，根據每個任務的複雜性、性能需求和成本效率選擇最優模型。
微軟 AI 紅隊使用嚴格的安全協議測試了 GPT-5 推理模型，結果顯示，該模型在惡意軟件生成、欺詐自動化等多種攻擊模式下展現出 OpenAI 歷代模型中最強的 AI 安全配置之一。