实测GPT-5：界面更简洁回答更高效，但“不够惊艳”

北京时间8月8日，“跳票”多次的GPT-5终于“千呼万唤始出来”，OpenAI首席执行官山姆·奥特曼以一个77分钟的发布视频揭开了这个继两年前GPT-4发布震撼业界后，就被不断寄予厚望的大模型。

新京报AI研究院第一时间对GPT-5进行了实测，发现接入GPT-5的能力后，ChatGPT的对话界面更加简洁，完全践行了此前奥特曼曾表示的将多模态、深度思考、联网搜索等集成化的思路，在对话中，该款大模型也确实可以做到依据问题，丝滑切换不同的回答方式，让用户的使用体验“更上一层楼”。但对一些较为复杂问题的回复，依然有错误出现，总体来看其模型能力并未与市面上其他模型拉开显著差距。

ChatGPT最新界面截图

事实上，由于OpenAI在近几年发布的GPT-4，甚至o1模型的表现都做到了大幅领先同行，GPT-5也被不少业界人士期待能够再度复制此前的辉煌，甚至成为实现AGI（通用人工智能）的标志。此次发布后，GPT-5的能力依然在各项跑分测试中做到了领先，但其所带来的“惊艳程度”显然不及GPT-4和o1。

在AI大模型行业“以月为单位”的迭代速度，以及国产优秀AI大模型不断涌现的背景下，山姆·奥特曼要想继续谱写OpenAI一枝独秀的叙事，GPT-5现在的表现仍然不够。不过这也不能否认GPT-5在工程化和商业化层面的优秀之处。下面，新京报AI研究院将主要结合GPT-5在创意写作、编程这两个奥特曼在发布会中特别强调的优秀能力进行实测，观察其C端产品表现。

创意写作：中文能力中规中矩，提示词和跨界作图切换“丝滑”

本次发布，GPT-5在关于编程、数学、长文本等多个维度的测评中夺得榜首，但在当前此类榜单时刻“攻守易形”的前提下，新京报AI研究院更加关注其在实操中的表现。

对于具体的亮点能力，OpenAI官网特意放出了创意写作、编程设计和药物研究三个视频切片。其中，创意写作是普通人最容易理解的大模型能力。奥特曼也表示“GPT-5的写作能力比GPT-4o要好得多。”此外，他还表示，“GPT-5采用集成模型，这意味着不再需要模型切换器，它将自己决定何时需要深度思考，它非常智能、直观且快速，适用于所有人，包括免费用户。”

对此，新京报AI研究院以最近网上讨论较为热烈的《明末：渊虚之羽》中涉及的历史问题为背景，对GPT-5输入提示词“你是一个明末，1647年住在四川的农民，请在这个历史背景下，写出这个农民在一年里可能的遭遇，要求写实。”

面对该提示词，在不使用GPT-5模型时，ChatGPT主要描述了该农民在“春夏秋冬”四季的遭遇，描写了农民身处乱世的情景。而GPT-5的回答则不止描述出了该农民的名字、住址，还具体撰写了他从1月到12月的生活情景，背景则包括了明军、大西军、清军，这和当时的历史史实相符。

回答完毕后，GPT-5还提示是否“在这个基础上帮你补充更多当时四川的社会背景细节，比如‘湖广填四川’的人口损失数据、兵乱的路线、南明与清军的攻防形势，让这个农民的故事更真实可考。”当我们选择让其继续回答后，GPT-5生成了一份包含农民故事与旁注史料的完整回答，其回复质量显然比前代模型提高了不少。

GPT-5的部分回答截图

不过，当我们以同样的提示词让DeepSeek以及Kimi生成回答时，这两个国产大模型也给出了不错的回复，其中DeepSeek的文采更好，Kimi则展示出了更多细节，与ChatGPT使用GPT-5生成的回复相比，三者的差距并没有特别明显。

但ChatGPT在引导用户继续提问上更胜一筹，在两次回答我们提出的问题后，ChatGPT表示，“我还可以帮你把这个农民的一年经历，配上一张1647年四川兵乱形势图，标出清军、南明军、白号军（注:白号军历史上在清代咸丰及同治年间出现，此处应为大模型幻觉导致生成了错误内容）的活动路线，这样读起来会更直观。你要我帮你画出来吗？”这一回复显示搭载GPT-5的ChatGPT不仅已经做到了多模态能力在对话中的随时调用，还能依据上下文主动提供这一能力，可以更大幅度地提升用户体验。

不过，GPT-5随后生成出来的图片较为粗陋且与图片说明存在矛盾，并不能直观表述“四川兵乱形势图”，显示其能力依然有局限。

GPT-5生成的图片，虽然文字回复优秀但图片与图片说明文字存在矛盾

编程能力：速度提升明显，错误依然存在

OpenAI在本次发布会中花费最多时间介绍的能力是编程，整个围绕AI编程的介绍几乎占到了发布会时间的一半。AI编程也是当前各个大模型在落地上最为成熟的能力，最受企业欢迎，商业化上也已经走通。

在发布会的演示中，OpenAI展示了GPT-5的种种神奇能力，如使用SVG动图解释伯努利效应、制作学习法语的web程序、制作老鼠吃奶酪的游戏等等。但相比发布会中的演示，现实情况如何呢？

对此，新京报AI研究院也进行了实测。当输入“请你做一个学英语的web应用程序，要生动有趣”时，GPT-5仅花费了约10秒钟就生成出了一个名为“趣味英语学习”的程序，当输入英文单词，其会生成出关于该单词的“一个趣味事实”，例如当输入“apple（苹果）”，其回复该单词来自古英语“æppel”。

GPT-5生成的英语学习游戏

当要求升级，输入“以二战主题制作一款华容道游戏”时，GPT-5的思考时间显著变长，但最后还是生成了一款以“盟军俘虏德军将领”为主题的华容道游戏，并以隆美尔代替了曹操的位置。

GPT-5生成的二战背景华容道游戏

值得注意的是，虽然GPT-5的编程速度很快，生成的结果往往也可以实现初步交互，但一旦深入体验其生成的程序，就会发现很多错误。如英语学习游戏虽然以极快速度生成，但其只能对较为简单的单词有反应，稍微复杂一点的单词就会报错。华容道游戏也是一样，虽然可以通过点击鼠标移动方块，但最为关键的“隆美尔”方块出现了无法移动的BUG。

总体而言，新京报AI研究院发现，GPT-5确实做到了奥特曼提及的“智能、直观且快速”，在产品水平和用户体验上都有进步，但其依然没有摆脱大模型固有的幻觉问题，并且该问题在面对复杂问题时更为明显。

不过，相比市面上的其他模型，GPT-5虽然没有做到断崖式领先，但其能力也优于同类模型，如GPT-5编程能力较o3和GPT-4o模型显著提升，在SWE-bench Verified测试得分74.9%（o3为69.1%，GPT-4o为30.8%），略超Anthropic本周发布的新模型Claude Opus4.1的74.5%。

值得注意的是，GPT-5虽然免费向所有用户开放，但依然维持了使用次数限制。本次实测，新京报AI研究院一共进行了9轮对话，就触及了次数限制的天花板，要想真正在工作生活中使用GPT-5的能力，还需要“充值”。

API价格方面，GPT-5每百万token输入1.25美元，输出10美元。该价格低于GPT-4o和Gemini 2.5 Pro，仅为Claude Opus 4.1的1/15。开源证券发布的研报认为，此次价格下探展现了头部厂商抢占市场份额的决心，有望加速应用端落地。

新京报AI研究院 罗亦丹

编辑 岳彩周

校对 付春愔