作者：李丹
来源：华尔街见闻
原文标题：OpenAI最强模型GPT-5发布：性能大幅提升，微软抢先整合
今年 OpenAI 最为大众期待的产品来了。
美东时间 8 月 7 日周四，OpenAI 宣布，推出新一代旗舰人工智能（AI）模型 GPT-5。它是 OpenAI 首个「一体化」的 AI 系统，是 OpenAI 首次将 o 系列模型的推理能力与 GPT 系列模型快速响应能力相结合的产物。
OpenAI CEO Sam Altman 在新模型发布会上高度评价 GPT-5，称它是「世界上最好的模型」，是相比此前模型的「重大升级」，并表示，它的问世标志着，OpenAI 在实现通用人工智能（AGI）道路上迈出「重要一步」。
OpenAI 介绍，GPT-5 在多项基准测试中表现出色，在编程、数学、健康等领域达到前沿水平。GPT-5 在 SWE-bench Verified 代码测试中得到 74.9% 的准确率，略超 Anthropic 本周二发布的新模型 Claude Opus 4.1。同时，GPT-5 的幻觉问题大幅改善，错误信息率仅为 4.8%，远低于前代模型 GPT-4o 的 20.6%。
从本周四当日起，GPT-5 向所有 ChatGPT 的免费用户和订阅 Plus、Pro、Team 的付费用户开放，作为默认模型使用，并于一周内在 Enterprise 和 Edu 付费方案上线。
与 GPT-4o 一样，GPT-5 免费和付费版的区别在于用量。Plus 用户享有更高使用限额，Pro 用户可无限使用并获得增强版本 GPT-5 Pro。对于免费用户，完整的推理功能可能需要几天时间才能全部上线。一旦免费用户达到 GPT-5 的用量限制，OpenAI 就将为他们切换到更小的模型 GPT-5 mini。
OpenAI 周三还表示，将以每年 1 美元的象征性收费向美国联邦政府机构提供 ChatGPT 产品。具体来说是 ChatGPT 的企业版，其中包含强化的安全和隐私功能。
OpenAI 刚刚官宣 GPT-5，微软就宣布，从本周四开始，将 GPT-5 整合到旗下广泛的产品组合中，包括 365 Copilot、Copilot、GitHub Copilot 和 Azure AI Foundry 等平台，让微软的企业和消费者用户能够立即体验到 GPT-5 的高级推理能力和编程优势。
GPT-5 拥有编程、创意写作、健康领域三大优势
OpenAI 的 GPT5 发布公告在一开头就说，GPT-5 是 OpenAI「最智能、最快速、最实用的模型，其内置的思维能力，让每个人都能拥有专家级的智慧。」
根据 OpenAI 介绍，作为 OpenAI 的「最强大模型」，GPT-5 在三个关键领域实现了显著提升。
首先是编程能力。GPT-5 是 OpenAI 迄今为止最强大的编码模型，在复杂的前端生成和大型代码库调试方面表现突出，能够仅凭一个提示就创建美观响应式的网站、应用程序 App 和游戏。早期测试者注意到其在间距、排版和留白等设计选择方面的改进。
在从 GitHub 获取现实世界编码任务的基准测试 SWE-bench Verified 中，GPT-5 思考后首次尝试的准确率达 74.9%，高于 OpenAI 推理模型 o3 的 69.1% 和 GPT-4o 的 30.8%。
评论指出，这意味着，GPT-5 的表现略胜于 Anthropic 周二推出的 Claude Opus 4.1 和谷歌 DeepMind 的 Gemini 2.5 Pro，后两者在 SWE-bench Verified 测试的得分分别为 74.5% 和 59.6%。
不过，在衡量数学、人文和自然科学领域模型表现的各学科专家级能力 Humanity『s Last Exam 测试中，带有扩展推理功能的 GPT-5 增强版本 GPT-5 pro 在使用工具的情况下得分 42%。这略低于得分 44.4% 的 xAI 模型 Grok 4 Heavy。
Altman 称，GPT-5 尤其擅长按需启动整个软件 App，也就是所谓的「氛围编码」、即用 AI 根据自然语言提示生成功能代码，从而加快开发速度。
作为实例，OpenAI 的研究者演示了，要求 GPT-5 创建一款网页 App，帮助说英语的用户学习法语，且该 App 必须有一个引人入胜的主题，包含抽认卡、测验、经典的贪吃蛇游戏，以及追踪每日学习进度的方法。
研究者将相同的提示词提交到两个 GPT-5 窗口中，几分钟后生成了两个不同的 App。OpenAI 的负责人称，这些 App「存在一些缺陷」，但用户可以根据个人喜好再调整 AI 生成的软件，例如更改背景或添加更多标签页。
在创意写作方面，GPT-5 能够处理结构复杂的写作任务，如无韵律的抑扬格五音步诗或自然流动的自由诗。OpenAI 的 ChatGPT 业务副总 Nick Turley 表示，GPT-5 在创意任务上表现出「更好的品味」，响应更自然。
健康咨询是第三个重要提升领域。
GPT-5 能更积极地标记潜在健康问题，帮助用户解析医疗结果，尽管 OpenAI 强调，ChatGPT 不能替代医疗专业人员。
在名为 HealthBench Hard Hallucinations 的测试中，具备思考能力的 GPT-5 出现幻觉的错误信息率仅为 1.6%。这远低于 GPT-4o 和 o3 模型，后两者的错误信息率分别为 15.8% 和 12.9%。
幻觉可能性显著降低 新的安全训练模式
OpenAI 称，GPT-5 相比此前的模型更可靠和实用，它能更准确地回答现实世界的疑问，出现幻觉的可能性显著降低。
在对代表 ChatGPT 生产流量的匿名提示词启用网络搜索后，GPT-5 响应中包含事实错误的可能性比 GPT-4o 低约 45%；在思考后，GPT-5 响应中包含事实错误的可能性比 o3 低约 80%。下图可见，GPT-5 响应的错误信息率仅为 4.8%，GPT-4o 为 20.6%，o3 为 22%。
OpenAI 还表示，为 GPT-5 引入了一种新的安全训练形式，名为安全补全（safe completions）。它教模型在安全范围内尽可能给出最有帮助的答案。有时，这可能意味着部分回答用户的问题，或者只提供高水平的回答。
如果需要拒绝，经过训练的 GPT-5 会以透明的方式告知用户拒绝的原因，并提供安全的替代方案。
在受控的实验和 OpenAI 的生产模型中，OpenAI 都发现这种安全补全的方法更加细致入微，能够更好地引导双重用途问题，增强对模糊意图的鲁棒性，并减少不必要的过度拒绝。
OpenAI 的后训练负责人 Michelle Pokrass 表示：「GPT-5 已经过训练，能够识别任务何时无法完成，避免猜测，并能更清晰地解释局限性，相比之前的模型，这减少了无根据的断言。」
推出四种可选的 ChatGPT 聊天预设性格
OpenAI 称，GPT-5 在指令执行方面表现提升，其执行自定义指令的能力也得到了相应的提升。OpenAI 将为所有 ChatGPT 用户推出四种预设性格的全新研究预览版。
初始的四种性格选项——愤世嫉俗者（Cynic）、机器人（Robot）、倾听者（Listener）和书呆子（Nerd）都是可选的，用户可在设置中随时调整，用以匹配 ChatGPT 和用户的沟通风格。
上述四种性格最初适用于文本聊天，之后将扩展到语音聊天，让用户无需编写自定义提示词即可设置 ChatGPT 的交互方式——无论是简洁专业的、周到支持的，还是略带讽刺的。
OpenAI 称，所有这些新性格都达到或超过了我们减少谄媚行为的内部评估标准。
Altman 盛赞历史性突破 用回 GPT-4 后效果相当糟
在本周四的简报会上，Altman 对 GPT-5 给予了极高评价，将 GPT-5 定位为通往 AGI 的重要里程碑。他表示：
「在以往历史上任何时期，拥有像 GPT-5 这样的东西都是不可想象的。」「这是第一次感觉就像在与任何领域的专家交谈。」
Altman 在简报会上甚至不惜用「踩」GPT-4 抬高 GPT-5。他说：
「我尝试过用回 GPT-4，但效果相当糟糕。」
GPT-5 采用统一的系统架构，配备实时路由器，能够根据对话类型、复杂性和工具需求自动决定是快速响应还是进行深度「思考」。这消除了用户选择合适设置的需要，使 ChatGPT 更易于使用。
在经济价值工作的内部基准测试中，使用推理模式的 GPT-5 在大约一半的案例中可与专家水平相当或更优，涵盖法律、物流、销售和工程等 40 多个职业。OpenAI VP Nick Turley 称：「这个模型的感觉真的很好。」
Altman 比喻，使用 GPT-5 就像随时拥有一支学历通通为博士的专家团队。他还说：「在很多新领域，人们受到想法的限制，但实际上却没有执行能力。」
微软全面整合抢占先机
微软在 GPT-5 发布当日即宣布，将其整合到广泛的产品线中。在企业级应用方面，Microsoft 365 Copilot 将利用 GPT-5 更好地处理复杂问题、在长对话中保持专注并理解用户上下文。企业用户可通过推理功能处理电子邮件、文档和文件。
对于消费者，Microsoft Copilot 的新智能模式将利用 GPT-5 帮助用户发现最佳解决方案。用户可通过 copilot.microsoft.com 或 Windows、Mac、Android 和 iOS 设备上的 Copilot 应用免费体验 GPT-5。
开发者将通过 GitHub Copilot 和 Visual Studio Code 获得 GPT-5 支持，用于编写、测试和部署代码。Azure AI Foundry 平台将提供所有 GPT-5 模型，配备 AI 驱动的模型路由器，根据每个任务的复杂性、性能需求和成本效率选择最优模型。
微软 AI 红队使用严格的安全协议测试了 GPT-5 推理模型，结果显示，该模型在恶意软件生成、欺诈自动化等多种攻击模式下展现出 OpenAI 历代模型中最强的 AI 安全配置之一。
Twitter：https://twitter.com/BitpushNewsCN
比推 TG 交流群：https://t.me/BitPushCommunity
比推 TG 订阅： https://t.me/bitpush
