鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

ChatGPT-5 来了:从狂热赞美到理性质疑

编程导航
编程导航
2025-08-09 12:30
阅读 139
编程导航
2025-08-09 12:30
阅读 139

文 | 节点财经 ,作者 | 二风 

北京时间8月8日凌晨,OpenAI正式向全球发布其最新旗舰模型GPT-5,这一被寄予厚望的人工智能系统在经历两次跳票后终于面世。

OpenAI首席执行官萨姆·奥尔特曼(Sam Altman)形容,和GPT-5沟通,就像是在和一位在任何领域随时待命的博士级专家对话,不仅会聊天,更能帮助你实现任何目标。‘

而对前代模型,他也做了类似的比喻,比如和GPT-3沟通,更像和高中生交谈,偶然灵感迸发但恼人的地方也不少;而GPT-4o更像是一位大学生,兼具了智能和实用性。

《节点财经》认为,作为OpenAI迄今为止"最智能"的模型,GPT-5的发布标志着该公司在技术竞争中的重要一步,更预示着整个AI行业正在从追求突破性创新转向产品精细化和商业化落地的新阶段。

根据OpenAI官方数据,GPT-5已向全球超过7亿活跃用户开放使用。然而,与市场预期的"颠覆性革命"不同,GPT-5更像是一次精心打磨的产品升级,体现出AI行业正在进入一个更加务实的发展阶段。

01 GPT-5新在哪儿?

GPT-5最亮眼的技术创新在于"统一路由系统"架构。

简而言之,相比于前代需要用户手动在5-6个模型中根据需求自行选择,GPT-5可自动在快速响应模式和深度推理模式之间切换,无需用户手动选择。据OpenAI官方介绍,这种架构设计让GPT-5能够"像专家一样思考,像朋友一样交流"。

在技术指标方面,GPT-5展现出显著的性能提升。根据OpenAI发布的系统卡片,该模型在SWE-bench编程基准测试中取得了74.9%的得分,略微超越了Anthropic最新发布的Claude Opus 4.1的74.5%。在准确性方面,GPT-5的幻觉率相比前代GPT-4o降低了45%,特别是在健康医疗领域的查询中,错误率从GPT-4o的12.9%大幅降至1.6%,这一改进对于医疗AI应用具有重要意义。

东吴证券的研究报告估算,GPT-5可能拥有高达18万亿个参数,训练周期约为203-225天,训练成本超过5亿美元。

《节点财经》分析,巨大的投入反映出当前AI大模型开发的资本密集特性,也预示着未来AI基础设施投资将迎来新一轮浪潮。

OpenAI也为GPT-5设计了一套颇为精细的差异化服务体系,针对不同用户提供不同级别的访问权限和功能。

对于免费用户,提供每5小时10条消息的基础额度,每日可使用一次GPT-5的深度推理模式。Plus订阅用户(月费20美元)每3小时获得80条消息额度,每周可使用200次深度推理模式。Pro专业用户(月费200美元)则享受几乎无限制的访问权限,这一高端定价瞄准的是对AI工具有深度依赖的专业人士和创作者。据CNBC报道,OpenAI预计Pro用户将主要来自软件开发、数据分析、内容创作等领域。

GPT-5上架GitHub Copilot

在API定价方面,GPT-5选择了性价比颇高的竞争策略,每百万输入token定价1.25美元,输出token定价10美元,这一价格相比Claude 3.5 Sonnet的3美元输入/15美元输出具有明显优势。这种激进的定价策略,也反映出OpenAI试图通过价格优势重新夺回在企业市场的份额。

02 个性化升级,AI 真能更懂你吗?

值得关注的是,GPT-5在个性化用户体验方面迈出了一大步。

举例来说,如果用户强调希望回答简明扼要、不含废话,GPT-5可以在整个对话过程中保持简洁直奔主题的风格,而不需要用户每次重复要求。

为此,GPT-5也首次推出了预设人格角色功能,为所有用户提供了四种预设的AI助手,分别名为“愤世嫉俗者”(Cynic)、“机器人”(Robot)、“倾听者”(Listener)和“书呆子”(Nerd)。

每种人格模式都有不同的交流风格,比如,在“倾听者”模式下,ChatGPT的回答将更加耐心体贴、富有同理心;切换到“愤世嫉俗者”模式,回复则可能带有一丝讽刺和幽默。这一设计思路,正如奥尔特曼所说,是希望“让每个人都能拥有属于自己的专家AI助手”,增强人机交互的亲和力和个性化色彩。

一位经常用ChatGPT写作的资深用户告诉《节点财经》,可以明显感受到GPT-5内容回复语气的变化,“更像真人,但对比此前深入研究模式下分条缕析的简明逻辑回复,现在的回复更加油腻。”

《节点财经》认为,一方面,个性化升级令ChatGPT从千篇一律的答题机器,进化为更具人格魅力的“数字助手”。这有望提高用户黏性——普通用户或企业员工可能更愿意长期使用一个风格契合自己、懂自己所需的AI伙伴。

但另一方面,个性化也意味着模型会根据用户倾向进行一定调整,这引发了关于“确认偏误”的讨论,当AI迎合了用户的观点,也可能会加深信息茧房,其实应保持预设人格的多样性和适度中立,引导用户在不同视角间切换,从而避免AI一味迎合导致的偏狭。

除了人格系统,个性化也体现在与用户日常工作流的深度集成。通过与Gmail、Google Calendar等工具的连接,GPT-5能够访问用户的邮件历史和日程安排,提供高度个性化的响应和建议。

据《华盛顿邮报》报道,一位测试用户分享了他的体验:"GPT-5能够记住我在之前邮件中提到的项目细节,并在回复新邮件时自动引用相关信息。这种连贯性让我感觉像是在与一个真正了解我工作的助手交流。"

03 评价走向两极,从狂热赞美到理性质疑

萨姆·奥尔特曼在发布会上将GPT-5的体验提升比作"iPhone从粗糙的像素屏幕升级到Retina显示屏的那个时刻",并坦言"当我尝试回到GPT-4后,感到相当痛苦。"

他还特别强调了GPT-5在"按需软件"创建方面的突破。简而言之,就是用户可以通过简单的自然语言描述,即时生成定制化软件应用,他预言:"按需软件将成为GPT-5时代的决定性特征。"

然而,学术界和技术专家对GPT-5的评价呈现明显分化。MIT技术评论发表评论称:"GPT-5是一个精心打磨的产品,而非技术突破。"该评论指出,尽管GPT-5在某些指标上有所改进,但"远未达到奥尔特曼过去一年所宣传的那种变革性AI未来。"

开发者社区的反馈则更为复杂,代码编辑器Cursor团队称GPT-5为"我们使用过的最智能的模型",特别是在理解复杂代码库和生成高质量代码方面。然而,内容创作平台的测试结果却不尽如人意,他们发现GPT-5在某些写作质量评判任务上"持续失败",甚至不如GPT-4o的表现。

上述资深用户向《节点财经》表示:“凌晨四点半才等到更新使用,凑热闹的结果是系统网络直接瘫痪,联网任务全部无法完成,旧模型完全不见踪影,生成内容与GPT-4.5相差甚远。”

尽管GPT-5一定程度上体现了当前AI技术的顶尖水准,但各界对其缺陷和局限也有着清醒认识。

首先,“幻觉”问题依然存在。OpenAI的内部评估显示,通过优化训练和人类反馈,GPT-5胡编乱造不实信息的倾向比上一代减少了约60%。然而在开放的现实环境中,模型难免遇到训练数据覆盖不到的新问题,此时它可能给出错误甚至荒诞的答案。这提示使用者在依赖GPT-5时仍需保留核查和判断的习惯,不能把AI生成内容当作绝对权威。

《节点财经》发现,在信息提示栏下,GPT-5还特地增添了一行小字说明:“ChatGPT 也可能会犯错。请核查重要信息。”

其次,推理透明度依然是黑箱。GPT-5做出某个判断的具体依据,往往难以向用户解释清楚。这一点在需要追溯信息来源的场景下尤其明显。这反映出当前大模型在可解释性上的天然不足,也是行业公认的挑战。

有行业分析师告诉《节点财经》,让AI变得“可解释、可追踪”将是下阶段的重要攻关方向,但在GPT-5身上这一难题尚未解决。

再者,模型偏见和安全问题也依旧令人关注。OpenAI虽然在GPT-5中引入了更严格的安全措施,包括内容过滤、对敏感领域问题设定特殊模式等,但任何预防措施都无法万无一失。

上述分析师告诉《节点财经》:“GPT-5的训练数据来自互联网,难免带有各种偏见和有害信息的影子。”比如在尝试引导GPT-5讨论政治或社会争议话题时,模型有时会给出含糊其辞的回应,显然是在安全规则下有所保留。然而,在其他一些场景下,GPT-5可能仍会输出不恰当内容或偏颇观点,如果这些输出被不加甄别地采信和传播,可能产生负面影响。

04 AI产业新格局诞生?

GPT-5的发布不仅是OpenAI自身的重大节点,对于整个人工智能产业都产生了广泛影响。

首先,它在商业应用层面的推进有目共睹。OpenAI官方披露,目前已有包括摩根士丹利、贝宝银行(BBVA)、劳氏(Lowe’s)、软银、T-Mobile等在内的超过500万企业用户使用了其ChatGPT系列商业产品。这些覆盖金融、零售、通信、制药等行业的领先企业,正将GPT模型融入研发、客服、决策支持等关键工作流程中。

随着GPT-5的到来,各行业的早期采用者有望进一步扩大领先优势,他们能够利用GPT-5更准确的分析、更强的创意生成和更长的上下文理解,来重塑业务模式。例如,投行可以借助GPT-5快速分析海量财报并生成洞见,电商客服可通过GPT-5实时为顾客提供复杂问题的解决方案,制药公司则能利用GPT-5来设计和解析实验报告。

与此同时,GPT-5的发布也在产业竞合格局上产生连锁反应。

它一方面巩固了OpenAI-微软在“认知AI即服务”市场的领先地位,另一方面也激励竞争对手们加速追赶步伐。据报道,谷歌正在筹备推出新一代大型模型Gemini,以与GPT-5正面竞争;Meta则持续开源更大规模的语言模型,希望在社区力量下实现技术突破;中国的科大讯飞、百度、阿里等公司也宣布将升级各自的大模型,力求在本土市场与GPT-5抗衡。

《节点财经》分析,GPT-5在成为行业新标杆的同时,也迫使所有玩家重新审视各自的AI战略布局,这种“军备竞赛”固然推动了技术快速进步,但也引发监管层的关注。

欧美多国监管机构已明确表示,将密切关注像GPT-5这样具颠覆性的AI产品,确保其发展“不偏离安全和伦理轨道”。欧盟正在制定的《AI法案》就要求,高风险AI系统需提高透明度并通过合规评估。可以预见,未来围绕强大AI的治理框架将更加完善,以促进技术在规范中健康发展。

写在最后

GPT-5的面世,或许标志着生成式人工智能进入了新的阶段。

从技术层面看,它让机器离“懂人”更近了一步;从应用层面看,它正深刻影响着各行各业的效率和模式。当然,我们也必须正视GPT-5仍存的不足与风险,在惊叹于AI先进性的同时,继续保持理性与审慎。

这或许正是萨姆·奥尔特曼等AI领军者反复强调的初衷:让AI成为增进人类能力的工具,而非失控的风险来源。

在机遇与挑战并存的AI新纪元,GPT-5为我们展开了一幅充满想象力的图景,真正的考验则在于我们如何驾驭好这匹“智能骏马”,让其沿着正确的方向前进。相信在全球产学研各界的共同努力下,人工智能的未来将朝着我们期望的方向发展,GPT-5带来的只是一个开始。

原文链接: ChatGPT-5 来了:从狂热赞美到理性质疑
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230