GPT-5确实很强，在LMAreana上超过Gemini 2.5 Pro，重新夺回第一：
另外，Artificial Analysis平台也很提前对GPT-5进行了独立测试，GPT-5 high以 69 分刷新了他们设计的智能指数：
但是我略感失望的是：它并没有像发布前传的那么强，看完GPT-5的介绍我也没有感受到奥特曼之前所说的“坐立不安”。上面其实也可以看到，GPT-5和第二名Gemini 2.5 Pro的分差也并没有那么大。马斯克也转发了两个帖子嘲笑GPT-5在ARC-AGI和HLE上并没有超过自己之前发布的Grok 4：
不过在谷歌昨晚的举行的AI国际象棋竞赛中，OpenAI的o3以4:0的大比分赢得Grok 4获得金牌，算是给GPT-5来个庆祝了：
8 款AI 模型开展为期三天的国际象棋对决，如何评价参赛模型的表现？国际象棋考验的是什么能力？
GPT-5是免费可以在ChatGPT上用的，但是刚刚去在ChatGPT上试了，还不能用，但可以在lmarena.ai上用，所以下面就直接拿了两个例子做了测试，GPT-5都表现不错：
但是也有错的，比如之前所有大模型都错的一个2025年高考数学看图选择题，GPT-5也还是错了：
如何看待机器之心重测高考数学全卷，Gemini夺冠，豆包DeepSeek并列第二？
具体回到这次GPT-5的发布，和发布之前传的一样，GPT-5系列包含三个模型[1]：
- GPT-5：适合复杂推理、广泛的世界知识，以及大量代码或多步骤的代理任务
- GPT-5 mini：适合成本优化的推理和聊天；在速度、成本和能力之间取得平衡
- GPT-5 nano：适合高吞吐量任务，特别是简单的指令执行或分类
三个模型均以API的形式发布。三个模型均是多模态推理模型，支持文本和视觉能力。GPT-5的API价格不算太贵，输入和输出价格为$1.25/$10.00 百万tokens，相比之前的o3，输入价格降低了（$2.00），而输出价格略有提高（$8.00）。GPT-5的这个API价格估计就是锚定谷歌的Gemini 2.5 Pro，因为GPT-5的输入和输出价格恰好和Gemini 2.5 Pro的最低档价格一样。
不过，GPT‑5 在 ChatGPT 中是一个由推理模型、非推理模型和路由模型组成的系统，和很早之前奥特曼的预告一样。ChatGPT 中的非推理模型以 gpt-5-chat-latest API的形式提供。
GPT-5 是一个统一系统，内置一个智能高效、可回答大多数问题的模型，一个用于处理更难问题的深度推理模型（GPT-5 thinking），以及一个实时路由器。该路由器会根据对话类型、问题复杂度、工具需求以及你的明确意图（例如在提示中写“请认真思考”）迅速决定调用哪个模型。路由器持续基于真实信号进行训练，包括用户何时切换模型、对回答的偏好率以及实测正确率，因而性能会随时间提升。一旦达到使用上限，两个模型的迷你版本会接管后续查询。不久的将来，我们计划把这些能力整合进单一模型。
相比之前的o3，GPT-5在多个基准测试上有大的提升，特别是编程能力，在 SWE-bench Verified 上得分 74.9%，在 Aider polyglot 上得分 88%，均超过Gemini 2.5 Pro，达到了SOTA[2]。
GPT-5的幻觉率相比之前的o3有大幅度的降低，这个其实也是推理模型之前最被诟病的点：
GPT-5 模型最多可接受 272K个输入 token，并输出最多 128K个 token（总共支持 400K个 token 的上下文长度），在长下文理解能力上，GPT-5也相比之前的o3有明显的提升：
另外，GPT-5的推理也更高效，GPT-5在视觉推理、智能体编程和高难度科学问题等方面表现优于 OpenAI o3，且输出 token 数量减少了 50%–80%。
特别地，GPT-5还有一个最强大的变种版本：GPT-5 pro。它能够进行更长时间的思考，并使用可扩展但高效的并行推理计算，以提供最高质量、最全面的回答。GPT-5 Pro 类似Gemini 2.5 Deep Think，用来取代之前的o3-pro。在多个高难度智能基准测试中，GPT-5 pro 都超过了 GPT-5，比如GPT-5 pro在AIME 2025是满分：
在HLE（人类终极考试）上，使用工具的GPT-5 pro得分是42.2%，略低于马斯克的Grok 4 Heavy (44.4%)：
GPT-5这么多版本，我估计大部分人都有点懵，OpenAI也给了一个表格来说明各个GPT-5版本对标的前代的哪个模型：
然后说说GPT-5的一些新功能。首先， GPT-5的 API 新增一个参数verbosity来控制模型生成的输出 token 数量，可取值 low、medium（默认）和 high：
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5",
input="What is the answer to the ultimate question of life, the universe, and everything?",
text={
"verbosity": "low"
}
)虽然模型的推理方式基本不变，但在low设置下，模型会尝试以更简洁的方式作答。而high适用于需要模型对文档进行深入解释，或进行大规模代码重构的场景。
注意verbosity和之前的o系列模型的reasoning_effort是相区别的（它是控制模型思考或者推理的token量）。GPT-5通过新参数reasoning.effort 控制模型在生成最终回复之前消耗的推理token量。o系列推理模型仅支持 low、medium、high 三档：low 倾向于速度更快、生成更少的token，而 high 倾向于更充分的推理。而GPT-5新增了minimal，此设置会生成非常少的推理token，适用于需要尽可能快的首个 token 到达时间的场景。
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5",
input="How much gold would it take to coat the Statue of Liberty in a 1mm layer?",
reasoning={
"effort": "minimal"
}
)这个我感觉会非常实用，因为并非所有实际场景需要深思考，minimal会满足一些需要快思考的场景（这也是大部分场景）。OpenAI也发现并非所有任务都会从额外推理中受益，比如在相对简单的长上下文检索中，将 reasoning_effort 设置在 low 以上几乎不会带来提升；但在 CharXiv Reasoning 这种视觉推理基准测试中，提高 reasoning_effort 则能带来显著的性能提升：
此外，GPT-5引入了一种新的工具类型：custom tools（自定义工具），它允许模型将任意原始文本作为工具调用输入，同时在需要时依然可以对输出进行约束[3]。将工具定义为 "type": "custom"，即可让模型将纯文本输入直接发送到你的工具，而不再局限于结构化 JSON。模型可以将任何原始文本，比如代码、SQL 查询、Shell 命令、配置文件、长篇文章，直接发送给你的工具。
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5",
input="Use the code_exec tool to print hello world to the console.",
tools=[
{
"type": "custom",
"name": "code_exec",
"description": "Executes arbitrary Python code.",
}
]
)
print(response.output)这个功能会非常有用。之前的自定义工具接口要求使用 JSON 调用工具：
{
"type": "function",
"name": "get_weather",
"description": "Retrieves current weather for the given location.",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "City and country e.g. Bogotá, Colombia"
},
"units": {
"type": "string",
"enum": ["celsius", "fahrenheit"],
"description": "Units the temperature will be returned in."
}
},
"required": ["location", "units"],
"additionalProperties": false
},
"strict": true
}然而输出有效的 JSON 要求模型精确转义所有引号、反斜杠、换行符和其他控制字符。虽然模型已经在输出 JSON 上经过良好训练，但在处理较长内容（例如数百行代码或一份 5 页的报告）时，出错概率会逐渐增加。使用 custom tools 后，GPT-5 可以直接以纯文本写入工具输入，无需转义这些特殊字符。
OpenAI验证了在 SWE-bench Verified 基准上，使用 custom tools 代替 JSON tools，GPT-5 的得表现几乎无差别。
最后想说的是，奥特曼也兑现了当初的承诺：GPT-5是免费在ChatGPT中使用的。但是与 GPT-4o 一样，免费与付费用户的主要区别在于使用额度[4]：
- Pro 订阅用户：可无限使用 GPT-5，并可访问 GPT-5 Pro。
- Plus 用户：可将 GPT-5 作为日常问题的默认模型，使用额度显著高于免费用户（每 3 小时最多可发送 80 条消息；可手动选择GPT-5-Thinking 模型，但限制每周最多 200 条，其中GPT-5自动切换GPT-5-Thinking 不计入该周限额）。
- Team、Enterprise 和 Edu 客户：可将 GPT-5 作为日常办公的默认模型，额度充足，方便整个组织依赖 GPT-5。
对于 ChatGPT 免费用户，完整的推理功能可能需要几天才能全部开放（每天可使用 1 条 GPT-5 Thinking 消息）。一旦免费用户达到 GPT-5 使用上限（每 5 小时最多可发送 10 条消息），将自动切换到更小但也更快的 GPT-5 mini。
现在，让我们欢呼：ChatGPT终于从GPT-4o时代，进入了GPT-5时代。
