1. 首頁 > 生活百科 > >

實測GPT-5：界面更簡潔回答更高效，但“不夠驚艷”

it芯片英偉達美國政府軟件芯片

實測GPT-5：界面更簡潔回答更高效，但“不夠驚艷”

文章圖片

實測GPT-5：界面更簡潔回答更高效，但“不夠驚艷”

文章圖片

實測GPT-5：界面更簡潔回答更高效，但“不夠驚艷”

北京時間8月8日 ， “跳票”多次的GPT-5終于“千呼萬喚始出來” ， OpenAI首席執行官山姆·奧特曼以一個77分鐘的發布視頻揭開了這個繼兩年前GPT-4發布震撼業界后 ， 就被不斷寄予厚望的大模型 。
新京報AI研究院第一時間對GPT-5進行了實測 ， 發現接入GPT-5的能力后 ， ChatGPT的對話界面更加簡潔 ， 完全踐行了此前奧特曼曾表示的將多模態、深度思考、聯網搜索等集成化的思路 ， 在對話中 ， 該款大模型也確實可以做到依據問題 ， 絲滑切換不同的回答方式 ， 讓用戶的使用體驗“更上一層樓” 。 但對一些較為復雜問題的回復 ， 依然有錯誤出現 ， 總體來看其模型能力并未與市面上其他模型拉開顯著差距 。
ChatGPT最新界面截圖
事實上 ， 由于OpenAI在近幾年發布的GPT-4 ， 甚至o1模型的表現都做到了大幅領先同行 ， GPT-5也被不少業界人士期待能夠再度復制此前的輝煌 ， 甚至成為實現AGI（通用人工智能）的標志 。 此次發布后 ， GPT-5的能力依然在各項跑分測試中做到了領先 ， 但其所帶來的“驚艷程度”顯然不及GPT-4和o1 。
在AI大模型行業“以月為單位”的迭代速度 ， 以及國產優秀AI大模型不斷涌現的背景下 ， 山姆·奧特曼要想繼續譜寫OpenAI一枝獨秀的敘事 ， GPT-5現在的表現仍然不夠 。 不過這也不能否認GPT-5在工程化和商業化層面的優秀之處 。 下面 ， 新京報AI研究院將主要結合GPT-5在創意寫作、編程這兩個奧特曼在發布會中特別強調的優秀能力進行實測 ， 觀察其C端產品表現 。
創意寫作：中文能力中規中矩 ， 提示詞和跨界作圖切換“絲滑”
本次發布 ， GPT-5在關于編程、數學、長文本等多個維度的測評中奪得榜首 ， 但在當前此類榜單時刻“攻守易形”的前提下 ， 新京報AI研究院更加關注其在實操中的表現 。
對于具體的亮點能力 ， OpenAI官網特意放出了創意寫作、編程設計和藥物研究三個視頻切片 。 其中 ， 創意寫作是普通人最容易理解的大模型能力 。 奧特曼也表示“GPT-5的寫作能力比GPT-4o要好得多 。 ”此外 ， 他還表示 ， “GPT-5采用集成模型 ， 這意味著不再需要模型切換器 ， 它將自己決定何時需要深度思考 ， 它非常智能、直觀且快速 ， 適用于所有人 ， 包括免費用戶 。 ”
對此 ， 新京報AI研究院以最近網上討論較為熱烈的《明末：淵虛之羽》中涉及的歷史問題為背景 ， 對GPT-5輸入提示詞“你是一個明末 ， 1647年住在四川的農民 ， 請在這個歷史背景下 ， 寫出這個農民在一年里可能的遭遇 ， 要求寫實 。 ”
【實測GPT-5：界面更簡潔回答更高效，但“不夠驚艷”】面對該提示詞 ， 在不使用GPT-5模型時 ， ChatGPT主要描述了該農民在“春夏秋冬”四季的遭遇 ， 描寫了農民身處亂世的情景 。 而GPT-5的回答則不止描述出了該農民的名字、住址 ， 還具體撰寫了他從1月到12月的生活情景 ， 背景則包括了明軍、大西軍、清軍 ， 這和當時的歷史史實相符 。
回答完畢后 ， GPT-5還提示是否“在這個基礎上幫你補充更多當時四川的社會背景細節 ， 比如‘湖廣填四川’的人口損失數據、兵亂的路線、南明與清軍的攻防形勢 ， 讓這個農民的故事更真實可考 。 ”當我們選擇讓其繼續回答后 ， GPT-5生成了一份包含農民故事與旁注史料的完整回答 ， 其回復質量顯然比前代模型提高了不少 。
GPT-5的部分回答截圖
不過 ， 當我們以同樣的提示詞讓DeepSeek以及Kimi生成回答時 ， 這兩個國產大模型也給出了不錯的回復 ， 其中DeepSeek的文采更好 ， Kimi則展示出了更多細節 ， 與ChatGPT使用GPT-5生成的回復相比 ， 三者的差距并沒有特別明顯 。
但ChatGPT在引導用戶繼續提問上更勝一籌 ， 在兩次回答我們提出的問題后 ， ChatGPT表示 ， “我還可以幫你把這個農民的一年經歷 ， 配上一張1647年四川兵亂形勢圖 ， 標出清軍、南明軍、白號軍（注:白號軍歷史上在清代咸豐及同治年間出現 ， 此處應為大模型幻覺導致生成了錯誤內容）的活動路線 ， 這樣讀起來會更直觀 。 你要我幫你畫出來嗎？”這一回復顯示搭載GPT-5的ChatGPT不僅已經做到了多模態能力在對話中的隨時調用 ， 還能依據上下文主動提供這一能力 ， 可以更大幅度地提升用戶體驗 。
不過 ， GPT-5隨后生成出來的圖片較為粗陋且與圖片說明存在矛盾 ， 并不能直觀表述“四川兵亂形勢圖” ， 顯示其能力依然有局限 。
GPT-5生成的圖片 ， 雖然文字回復優秀但圖片與圖片說明文字存在矛盾
編程能力：速度提升明顯 ， 錯誤依然存在
OpenAI在本次發布會中花費最多時間介紹的能力是編程 ， 整個圍繞AI編程的介紹幾乎占到了發布會時間的一半 。 AI編程也是當前各個大模型在落地上最為成熟的能力 ， 最受企業歡迎 ， 商業化上也已經走通 。
在發布會的演示中 ， OpenAI展示了GPT-5的種種神奇能力 ， 如使用SVG動圖解釋伯努利效應、制作學習法語的web程序、制作老鼠吃奶酪的游戲等等 。 但相比發布會中的演示 ， 現實情況如何呢？
對此 ， 新京報AI研究院也進行了實測 。 當輸入“請你做一個學英語的web應用程序 ， 要生動有趣”時 ， GPT-5僅花費了約10秒鐘就生成出了一個名為“趣味英語學習”的程序 ， 當輸入英文單詞 ， 其會生成出關于該單詞的“一個趣味事實” ， 例如當輸入“apple（蘋果）” ， 其回復該單詞來自古英語“?ppel” 。
GPT-5生成的英語學習游戲
當要求升級 ， 輸入“以二戰主題制作一款華容道游戲”時 ， GPT-5的思考時間顯著變長 ， 但最后還是生成了一款以“盟軍俘虜德軍將領”為主題的華容道游戲 ， 并以隆美爾代替了曹操的位置 。
GPT-5生成的二戰背景華容道游戲
值得注意的是 ， 雖然GPT-5的編程速度很快 ， 生成的結果往往也可以實現初步交互 ， 但一旦深入體驗其生成的程序 ， 就會發現很多錯誤 。 如英語學習游戲雖然以極快速度生成 ， 但其只能對較為簡單的單詞有反應 ， 稍微復雜一點的單詞就會報錯 。 華容道游戲也是一樣 ， 雖然可以通過點擊鼠標移動方塊 ， 但最為關鍵的“隆美爾”方塊出現了無法移動的BUG 。
總體而言 ， 新京報AI研究院發現 ， GPT-5確實做到了奧特曼提及的“智能、直觀且快速” ， 在產品水平和用戶體驗上都有進步 ， 但其依然沒有擺脫大模型固有的幻覺問題 ， 并且該問題在面對復雜問題時更為明顯 。
不過 ， 相比市面上的其他模型 ， GPT-5雖然沒有做到斷崖式領先 ， 但其能力也優于同類模型 ， 如GPT-5編程能力較o3和GPT-4o模型顯著提升 ， 在SWE-bench Verified測試得分74.9%（o3為69.1% ， GPT-4o為30.8%） ， 略超Anthropic本周發布的新模型Claude Opus4.1的74.5% 。
值得注意的是 ， GPT-5雖然免費向所有用戶開放 ， 但依然維持了使用次數限制 。 本次實測 ， 新京報AI研究院一共進行了9輪對話 ， 就觸及了次數限制的天花板 ， 要想真正在工作生活中使用GPT-5的能力 ， 還需要“充值” 。
API價格方面 ， GPT-5每百萬token輸入1.25美元 ， 輸出10美元 。 該價格低于GPT-4o和Gemini 2.5 Pro ， 僅為Claude Opus 4.1的1/15 。 開源證券發布的研報認為 ， 此次價格下探展現了頭部廠商搶占市場份額的決心 ， 有望加速應用端落地 。
新京報AI研究院 羅亦丹
編輯 岳彩周
校對 付春愔

    推薦閱讀