经过十多天的预热，GPT-5 终于来了！

泄露的内部测试成绩、OpenAI高管频繁接受采访、CEO 山姆·奥特曼（Sam Altman）表示“自己毫无用处、瘫坐在椅子上、想起了曼哈顿时刻”的公开评论、网友提前测试疑似 GPT-5模型……

网络上关于GPT-5的讨论早已超越了简单的性能指标，大家都被吊足了胃口。

今天，奥特曼画的这张大饼，终于端上桌了。

（来源：X）

说回GPT-5，它的最大特点是统一（unified），一个统一的系统。

GPT-5系统包含一个能够解答大多数问题的智能快速模型、一个能够解决更复杂问题的深度推理模型，以及一个实时路由器，可以根据对话类型、复杂性、工具需求和明确意图快速决定使用哪个模型。

例如，如果你在提示中说“认真思考一下”，GPT-5就会启用深度推理模型。

（来源：OpenAI）

更好看的前端设计和UI设计（目前大模型的弱项）：

（来源：OpenAI）

不过眼尖的网友也发现了直播中的一些bug，比如直播柱状图中的52.8% 比 69.1% 还高：

（来源：OpenAI）

另一张图中，50% 却比 47.4% 还低：

（来源：OpenAI）

除了代理编码之外，GPT-5 在代理任务方面也普遍表现更佳。GPT-5 在指令遵循（Scale MultiChallenge 上 69.6%，由 o3-mini 评分）和工具调用（τ2 -bench telecom 上 96.7%）的基准测试中创下了新纪录。

OpenAI称，GPT-5 能够更可靠地遵循指令，在指令评估测试 COLLIE、Scale MultiChallenge 和OpenAI内部指令评估中均表现出色。

图 | 幻觉是AI大模型始终绕不开的问题（来源：OpenAI）

最后，面对OpenAI预热了数周的GPT-5直播，网友似乎并不买账。

一个是图表多次出现低级错误，直播演示的用例也不够新颖，另一个是长时间的预热，加之奥特曼的多次炒作，把大家的期待值拉的太高。

面对如此期待，发布会竟然将更改聊天框的颜色作为一个亮点，这个功能还只开放给付费用户，网友也是直呼“OpenAI变成了苹果”。

（来源：OpenAI）

最重要的是，虽然一些大模型的SOTA记录被GPT-5打破了，但提升并没有想象中那么大，有的甚至是微乎其微的。

奥特曼口中的“AI曼哈顿时刻”，不知什么时候才能真正到来。

参考资料：

https://openai.com/live/

https://openai.com/index/introducing-gpt-5/

https://openai.com/index/introducing-gpt-5-for-developers/

https://openai.com/index/gpt-5-system-card