引子
OpenAI 于 2025 年 8 月 7 日正式发布了 GPT-5(包括快速响应模型（gpt-5-main）、深度推理模型（gpt-5-thinking）和实时路由器（gpt-5-router）,之前版本对应请参考下表)，标志着其旗舰语言模型系列的重大进展。同时，OpenAI 发布了 GPT-5 的系统卡片，详细介绍了模型的架构、推理机制（支持多层次推理，适应不同任务的复杂度）、安全性设计（引入“safe-completion”训练方法，提升模型在处理敏感任务时的安全性）和评估指标（在多个基准测试中，GPT-5 在数学、编程、健康等领域表现优异。）等关键技术细节。(OpenAI CDN)
Model progressions
📰 媒体报道与评价
各大媒体和专业人士对 GPT-5 的评价呈现出多元化的视角，既有对其技术突破的赞赏，也有对其局限性的审慎分析。
OpenAI CEO Sam Altman
1. 《金融时报》 指出，GPT-5 在数学、科学、编程和“氛围编程”（vibe coding）等领域表现出色，能够通过文本提示实时生成软件。然而，尽管在编码基准测试中略优于竞争对手 Anthropic 的模型，但在更广泛的通用人工智能（AGI）影响力和写作质量方面仍显不足。 (金融时报)
2. 《大西洋月刊》 强调，GPT-5 强调可用性而非单纯的智能，提供直观、可适应和个性化的交互体验。它整合了多个过去模型的功能，动态调整以满足用户需求，定位为“人工通用助手”的新阶段。 (The Atlantic)
3. 《路透社》 报道了 GPT-5 的发布，指出其结合了大规模预训练和新的推理技术，如测试时计算（test-time compute）。尽管早期测试者对其编码和问题解决能力给予好评，但与 GPT-4 的进步相比，GPT-5 的提升被认为更为温和。 (Reuters)
4. 《商业内幕》 引用 OpenAI CEO Sam Altman 的话，表示 GPT-5 是朝着 AGI 迈出的重要一步，但仍未实现完全的自主学习能力。Altman 强调，GPT-5 缺乏从新信息中实时学习的能力，虽然是“普遍智能”的体现，但距离 AGI 仍有差距。 (The Verge, Business Insider)
5. 《美联社》 报道了 GPT-5 的发布，认为这是评估生成式 AI 是否取得进展的关键时刻。尽管在技术基准测试中的提升有限，但其结构上的独特性可能为未来的创新铺平道路。 (AP News)
👨💻 专业人士与开发者反馈
1. OpenAI 官方开发者指南 详细介绍了 GPT-5 在编码和代理任务方面的表现，称其在 SWE-bench Verified 等基准测试中取得了 74.9% 的高分。开发者反馈称（如下图是官网拷屏的内容），GPT-5 是他们使用过的“最智能的编码模型”，在处理复杂任务时表现出色。 (OpenAI)
Cursor 联合创始人兼首席执行官 Michael Truell
2. 《Latent Space》博客 对 GPT-5 的编码能力给予高度评价，认为其是世界上最强大的编码模型之一。然而，在写作方面，GPT-5 的表现不如 GPT-4.5 和 DeepSeek R1，尤其在商业写作中，GPT-5 的风格被认为较为“LinkedIn 式”，缺乏个性化（如下图）。 (潜在空间)
Writing Example
3. 《TechCrunch》 报道了 GPT-5 在编码、推理和创意设计等方面的表现，称其在编码任务中略优于竞争对手，但在其他领域表现不一。GPT-5 在健康相关问题上的表现尤为突出，减少了幻觉现象，提高了准确性。 (TechCrunch)
GPT-5 多角度技术分析
🛡️ 1. 安全训练方法：Safe-Completion
OpenAI 引入了一种新的安全训练方法——“safe-completion”，旨在提升模型在处理敏感任务时的安全性。(OpenAI)。Safe-completion 将安全训练的重点放在模型输出的安全性上，而不是根据用户输入来确定拒绝的边界（参考下图）。
Refusal training VS Safe-Completion Training
具体来说，这通过两个训练参数来实现（训练过程参考下图）：安全约束：在后训练阶段，safe-completion 奖励机制会对违反安全政策的模型回答进行惩罚，惩罚力度根据违规的严重程度而加重。 有用性最大化：对于安全的模型回答，我们会根据其有用性给予奖励——要么直接依据用户明确的目标，要么间接通过提供信息丰富的拒绝回应，并附带有帮助且安全的替代方案。
Overall structure of the safe-completion training stack
如下张表格是在“safe-completion”安全训练背景下，用来定义和衡量模型输出质量的指标体系，具体用于评估模型回答的安全性（Safety）、有用性（Helpfulness）以及回答意图（Intent）。它的作用是帮助模型评估与优化输出的安全性和实用价值，确保模型在安全范围内尽可能提供有价值的回答。
Evaluation rubrics
将“安全完成”（safe-completions）方法应用于 GPT-5（包括推理模型和聊天模型），发现相比于基于拒绝的训练，安全完成训练在提升模型的安全性和有用性方面效果显著。为了与 OpenAI 的 o3 模型进行公平比较，OpenAI报告了 GPT-5 Thinking 与 o3 的性能对比。在对实际产品模型和受控实验的比较中，发现安全完成方法尤其适合处理双重用途的问题。下图展示了安全响应的安全评分和平均有用性评分的对比情况。
Safety VS Helpfulness given safe
🧠 2：减少幻觉和提高模型透明度
OpenAI 在 GPT-5 的开发中加强了安全性，特别是在减少幻觉现象和提高模型透明度方面。根据 OpenAI 的评估，GPT-5 在处理复杂开放性问题时，幻觉率比 GPT-4o 和 o3 模型低约 80%。此外，GPT-5 更加诚实地传达其能力和限制，减少了误导性回答的发生（参考如下图）。 (TechCrunch, OpenAI)
Hallucination rate on open-source prompts
Response-level error rate on de-identified ChatGPT traffic
Deception evals across models
🧪 3. METR 评估报告
METR 团队对 GPT-5 的自主软件能力进行了评估，使用了三种不同的任务套件：HCAST、RE-Bench 和 RE-Bench++。(metr.github.io)
-
GPT-5 在自主软件任务中表现出色，特别是在复杂的 AI 研发和软件工程任务中。如下图主要展示了 AI 代理在自动完成软件任务方面的能力进展，GPT-5（粉色方块）代表了当前顶尖水平，显示出比之前版本更长的任务持续能力。
Autonomous Software Task Completion Time of AI Agents
-
与 OpenAI o3 模型相比，GPT-5 在任务完成时间上有所提高，显示出更强的自主性。随着 GPT 模型版本的升级，模型能够成功完成的任务复杂度和持续时间大幅提升，GPT-5 在该指标上达到了新高度，能处理约 2 小时长的任务(如下图)，代表了语言模型在持续处理复杂、长时间任务上的显著进步。(metr.github.io)
Progression of GPT Model Capabilities: Increasing Task Duration
💡 4. 开发者指南：GPT-5 API
OpenAI 发布了 GPT-5 的开发者指南，介绍了新模型的 API 接口和功能特性。GPT-5 开发者指南(OpenAI)
-
新增了 verbosity 参数（值：low、medium、high），用于控制回答的简洁程度（如下例子）。
Different setting in verbosity
-
引入了 reasoning_effort 参数，支持四种推理级别：minimal、low、medium、high。 例如下图，在相对简单的长背景信息检索任务中，提升推理能力（low以上级别）带来的增益有限，但在视觉推理基准测试CharXiv Reasoning中却能提升几个百分点。
Impact of reasoning effort on benchmarks
-
新增了自定义工具（custom tools）类型，允许开发者使用纯文本调用工具，而非 JSON 格式。之前，开发人员自定义工具设计的接口要求必须采用 JSON 格式调用。然而，要输出有效的 JSON，模型必须完美地转义所有引号、反斜杠、换行符和其他控制字符。尽管模型经过充分训练能够输出 JSON 格式，但当输入内容较长时（例如数百行代码或一份 5 页报告），其出错概率会显著上升。借助自定义工具，GPT‑5 可以将工具输入以纯文本形式编写，无需对所有需要转义的字符进行转义处理。在 SWE-bench 中，使用自定义工具而非 JSON 工具进行验证时，GPT‑5 的得分与之前大致相同。(OpenAI)
🧠 5. GPT-5 官方介绍页面
OpenAI 的官方介绍页面提供了 GPT-5 的概述，包括其主要特性和应用场景（OpenAI）。
-
GPT-5 是 OpenAI 迄今为止最智能、最快速、最有用的模型，具备专家级的思维能力。
Intelligence
-
支持多模态输入（文本、图像、视频、音频），在健康、编程、创作等领域表现出色（如下图）。
Multimodal
Coding
Long Context
🧾 总结
GPT-5 被广泛认为是 OpenAI 在人工智能领域的重要进展，尤其在编码、推理和健康领域表现出色。然而，在写作质量和通用人工智能的实现方面，仍存在提升空间。OpenAI 对安全性的重视也为其在实际应用中的可靠性提供了保障。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
