网易首页 > 网易号 > 正文 申请入驻

解读|远未达到AGI但是一款好产品的GPT-5,或成为OpenAI的利润引擎

0
分享至

GPT-5终于现身了,这款被OpenAI称为目前“最聪明、最智能”的新旗舰模型减少了幻觉、改善了指令遵循,在视觉推理、智能编程、研究生级科学问题解决等多项能力上,仅需使用OpenAI o3模型50%-80%的输出token,就能实现更优表现。

数字经济学者刘兴亮8日在接受澎湃科技采访时表示,从“选模型”到“模型会选自己”,GPT-5形态进化,OpenAI正聚焦“少折腾菜单,多交付结果”。GPT-5写代码更少废话、走流程更少走神,但在写作质感和AGI跨度上并没有达到他的想象,可以先将其当成“超级实习生”。商业层面上,GPT-5更像一台利润引擎,铺开给全体用户,押注企业用量放大。

快思慢想研究院院长、原商汤智能产业研究院创始院长田丰则表示,GPT-5专业推理能力更强,幻觉更少,但远未达到AGI,其通用泛化能力不足,多模态能力也并未形成巨大的领先优势。总体来看,GPT-5并未像GPT-3或GPT-3.5那样对人们形成巨大冲击,而是沿着现有方向进一步提升推理能力。不过,GPT-5和GPT-4的最大区别是产品越做越好,新模型将更多承担营收任务。

自动决定“快答”还是“深想”

GPT-5采用一体化系统设计,其中,智能高效的基础模型可以处理大多数问题,深度推理模型GPT-5 Thinking专攻复杂难题,实时路由系统能根据对话类型、问题复杂度、工具需求及用户明确指令,快速决定调用哪个模型。也就是说,GPT-5懂得何时快速响应,何时深入思考以提供专业级答案。

GPT-5的回答速度更快,在基准测试中超越前代模型,在编程、数学、写作、健康、视觉感知等领域达到先进性能。在数学方面,无需工具的情况下,GPT-5在2025年AIME竞赛数学测试中得分94.6%。

GPT-5在AIME竞赛数学中的性能表现。

GPT-5在MMMU(多模态推理评估)中达到84.2%。在真实世界编程方面,GPT-5在SWE-bench Verified测试中得分74.9%,在Aider Polyglot测试中得分88%。而OpenAI o3在SWE-bench Verified测试中得分为69.1%,GPT-4o为30.8%。

在编程能力方面,GPT-5在SWE-bench Verified测试中得分74.9%。

借助GPT-5 Pro的扩展推理能力,它还在GPQA(研究生级别专家推理)测试中创下新纪录,无需工具即可达到88.4%的得分。

HealthBench是OpenAI今年早些时候发布的基于真实场景和医生定义的评估标准。在HealthBench评估中,GPT-5得分显著高于所有前代模型,得分为46.2%,是OpenAI目前最擅长处理健康相关问题的模型。它会主动提出潜在问题,通过提问来提供更有帮助的答案。但它无法替代医疗专业人员,而是可以将其视为一个辅助伙伴,例如帮助用户理解检查结果、在与医生沟通时提出恰当的问题、在做决策时权衡各种选项。

尽管GPT-5的专业推理能力更强了,但田丰表示,这并不意味着它可以快速迁移到开放型任务链条上,GPT-5的泛化推理能力仍有待加强,多模态推理能力也没有形成领先优势。

减少幻觉、改善指令遵循、诚实回答

OpenAI表示,团队在减少幻觉、改善指令遵循和减少奉承方面取得进展。在测试中,GPT-5回应出现事实错误的概率比GPT-4o低约45%;在启用思考功能时,其事实错误率比OpenAI o3低约80%。

在训练过程中,推理模型通常可能会谎报任务完成情况,或对不确定的答案表现得过于自信。但启用思考功能的GPT-5能更诚实地向用户说明自身的行动与能力范围,尤其针对那些不可能完成、描述不充分或缺乏关键工具支持的任务。

为测试这一点,OpenAI从多模态基准测试测试CharXiv的提示词中移除了所有图像,结果发现OpenAI o3仍有86.7%的概率对不存在的图像给出自信回答,而GPT-5的这一比例仅为9%。因此,在推理过程中,GPT-5能更准确地识别任务何时无法完成,并清晰说明自身局限,回答更诚实。

GPT-5在指令遵循和智能体工具运用的基准测试中性能优异,能执行多步骤任务、协调不同工具并适应语境变化。在实际应用中,它能更好地处理复杂且动态变化的任务。

GPT-5在复杂前端生成和大型代码库调试方面的性能突出,仅凭提示就创建出美观且响应迅速的网站、APP和游戏。

GPT-5创建的游戏。提示词包括界面色彩丰富并带有视差滚动背景;角色采用卡通风格,看起来生动有趣;目标是跳过障碍物,尽可能长时间地存活。

GPT‑5能帮助用户梳理模糊想法,将其转化为富有感染力的文字,更好地协助用户起草和编辑报告、邮件、备忘录等。在自由形式写作中的指令遵循能力测试中,GPT‑5得分99%。

GPT‑5在自由形式写作中的指令遵循能力测试中的表现。

追求更成熟的工程化产品

目前,GPT-5面向所有用户开放,Plus订阅用户可获得更多使用额度,Pro订阅用户则能访问GPT-5 Pro 版本,该版本具备扩展推理能力,可提供更全面精准的回答。

刘兴亮表示,此次GPT-5直接变成ChatGPT默认款,会根据任务自动决定“快答”还是“深想”,也能手动切到“GPT-5 Thinking/Pro”实现更长推理。GPT-5面向所有用户开放,付费用户只是额度更高,同时上线语音升级、学习模式,以及接入了Gmail、日历等“生活插件”,总体来看就是少折腾“菜单”,多交付结果。商业层面上,GPT-5更像一台利润引擎,铺开给全体用户,押注企业用量放大。

“大家需要的是一个专业化的产品,并不是一个聊天搭子。”田丰表示,OpenAI正朝着典型的产品型公司发展,GPT-5和GPT-4的最大区别是产品越做越好,而医疗、编程等领域对AI产品的要求就是严谨。“OpenAI非常明确,它并不是在科研领域追求AGI,而是在产品领域追求一个更成熟的工程化产品。这和谷歌DeepMind的路完全不一样。”

田丰表示,未来新模型将更多承担营收任务。尽管B端行业是OpenAI的营收重点,但OpenAI期望在C端产品层面打造出AI原生应用的爆款工具,“To C的估值显然要比To B大很多。”

在GPT-5发布前,OpenAI推出自GPT-2以来的首批开源权重语言模型gpt-oss-120b与gpt-oss-20b,可在高端笔记本和手机上运行。田丰表示,OpenAI的目标一直是在闭源模型领域做到最强,最近的开源是一个“别扭”的举动。OpenAI并未将最强大的基础模型开源,而是开源出端侧小模型,这并不能支撑起开源大生态,开发者无法大范围二次开发。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
最佳论文:中国财政供养人员达6846万,占总人口4.85%

最佳论文:中国财政供养人员达6846万,占总人口4.85%

玛丽姬丝
2026-11-16 13:15:03
新华社快讯:习近平将同俄罗斯总统普京、美国总统特朗普举行中俄美元首会晤

新华社快讯:习近平将同俄罗斯总统普京、美国总统特朗普举行中俄美元首会晤

新华社
2026-11-16 09:01:02
疑似用虾滑充当肿瘤?中南大学湘雅医院被爆出史诗级全AI论文

疑似用虾滑充当肿瘤?中南大学湘雅医院被爆出史诗级全AI论文

西虹市闲话
2026-11-16 18:42:42
原上海医科大学附属妇产科医院党委书记花俊生逝世,享年91岁

原上海医科大学附属妇产科医院党委书记花俊生逝世,享年91岁

澎湃新闻
2026-11-16 09:20:27
美国媒体说黄仁勋疯了...

美国媒体说黄仁勋疯了...

新动察
2026-11-16 16:09:57
倍诺达价格直降100万元!药企回应:定价经过深思熟虑,不存在“卖一针亏一针”的情况

倍诺达价格直降100万元!药企回应:定价经过深思熟虑,不存在“卖一针亏一针”的情况

红星新闻
2026-11-16 20:35:09
三天吃了20%跌幅:科技股现跌停潮不少股民爆仓!

三天吃了20%跌幅:科技股现跌停潮不少股民爆仓!

城事堂
2026-11-16 18:48:46
《奥特曼》女星,突然去世,年仅23岁

《奥特曼》女星,突然去世,年仅23岁

中国新闻周刊
2026-11-16 19:04:57
东契奇43+3+9无缘今日最佳!对不起,你碰到创纪录的阿门了

东契奇43+3+9无缘今日最佳!对不起,你碰到创纪录的阿门了

微评体育圈
2026-11-16 12:41:43
大反转!黄仁勋准备杀回英伟达,谁说的短剧节奏太快脱离现实,今天开始认真学习红果

大反转!黄仁勋准备杀回英伟达,谁说的短剧节奏太快脱离现实,今天开始认真学习红果

起点财经
2026-11-16 11:37:48
被骂“滚回中国”后,华人家庭谢绝“当面道歉”!“没有必要,希望她自己想想为什么”

被骂“滚回中国”后,华人家庭谢绝“当面道歉”!“没有必要,希望她自己想想为什么”

发现新西兰
2026-11-16 11:23:23
1987年邓小平召集小型会议,众目睽睽之下,猛地指向刘华清与洪学智问杨尚昆:命令究竟有没有下达

1987年邓小平召集小型会议,众目睽睽之下,猛地指向刘华清与洪学智问杨尚昆:命令究竟有没有下达

唠叨说历史
2026-11-16 16:13:14
“乡村田地停放两架废弃飞机9年”调查:企业买飞机改造为住宿餐厅早已停业 镇政府回应土地属非基本农田

“乡村田地停放两架废弃飞机9年”调查:企业买飞机改造为住宿餐厅早已停业 镇政府回应土地属非基本农田

红星新闻
2026-11-16 18:07:10
西甲向总台澄清,涉亚马尔种族歧视内容系伪造

西甲向总台澄清,涉亚马尔种族歧视内容系伪造

上观新闻
2026-11-16 19:58:57
4岁藏族小女孩牵着高反女游客找氧气:“别哭了,哭的话会越来越缺氧”

4岁藏族小女孩牵着高反女游客找氧气:“别哭了,哭的话会越来越缺氧”

一丝不苟的法律人
2026-11-15 17:01:02
突发!英特尔陈立武被起诉!四大芯片公司华人CEO,要被逐个清算?

突发!英特尔陈立武被起诉!四大芯片公司华人CEO,要被逐个清算?

起点财经
2026-11-16 15:41:03
网友翻出黄仁勋18年前探望四川地震灾区孩子的照片

网友翻出黄仁勋18年前探望四川地震灾区孩子的照片

3DM游戏
2026-11-15 19:51:38
深圳,准备好了!APEC盛会开幕进入倒计时

深圳,准备好了!APEC盛会开幕进入倒计时

新民晚报
2026-11-16 20:09:22
昨晚陪闺蜜去汗蒸,她脱光的瞬间我破防:女人差距不止看脸蛋

昨晚陪闺蜜去汗蒸,她脱光的瞬间我破防:女人差距不止看脸蛋

皓皓情感说
2026-11-16 07:51:03
挥泪斩马谡!曼联驱逐“顶薪大核”,签约顶星!两强援闪电加盟

挥泪斩马谡!曼联驱逐“顶薪大核”,签约顶星!两强援闪电加盟

头狼追球
2026-11-16 17:53:47
2026-11-16 21:12:49
澎湃新闻 incentive-icons
澎湃新闻
专注时政与思想的新闻平台。
947938文章数 5098777关注度
往期回顾 全部

科技要闻

历史头一回!马斯克用"筷子"夹住太空飞船

头条要闻

上任2个月尤尼斯在街头遭暗杀身亡 知情人:被以"斩首"

头条要闻

上任2个月尤尼斯在街头遭暗杀身亡 知情人:被以"斩首"

体育要闻

NBA开赛最大惊喜,是他们?

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

更豪华更好开 问界新M8细节升级见真章

态度原创

时尚
旅游
教育
房产
军事航空

“小棕裙”今年冬天爆火,这样穿时髦又松弛!

旅游要闻

秋假遛娃剑门关,全程17000步,6个小时,喜提废腿体验!

教育要闻

济南市历下区燕山小学教育集团将出席2026第四届课博会,解码“做中学”视域下小学科学教育生态构建

房产要闻

从林屿间到林屿熙岸,招商蛇口在崖州湾为何总出爆款?

军事要闻

哈马斯拉法旅指挥官死于以军空袭

无障碍浏览 进入关怀版