GPT-5 全功能模型 – 來自OpenAI的評測報告

OpenAI 發布GPT-5，能力與知識全面升級

2025年8月7日，OpenAI正式推出了全新的GPT-5模型，相較於先前的所有模型，GPT‑5 的智慧大幅進化，除了在知識與能力全面升級外，在程式設計、數學、寫作、健康、視覺感知及更多領域的表現，皆達到頂尖水準，這是OpenAI 目前迄今為止最優秀的模型。

[更新] GPT-5.1 於2025/11/13發佈，更快更聰明: 完整測評報告在這裏

GPT-5.1 是 GPT-5 系列的最新模型，特色在於：

• 自適應推理（Adaptive Reasoning）：依任務難度自動調整「思考時間」。
• No-Reasoning 模式：不需深度推理時可瞬間回應。

自適應推理（Adaptive Reasoning）

GPT-5.1 最大的突破之一是它能根據任務難度「調整思考力道」：

• 簡單任務 → 減少 token、加快速度
• 困難任務 → 增加推理深度、提高準確率

根據 Balyasny Asset Management 測試：

• GPT-5.1 速度比 GPT-5 快 2–3 倍
• 在工具密集型推理任務中，token 使用量比其他頂尖模型少 約 50%

創意表達與寫作

GPT‑5 可引導您從粗略的概念發想，轉化為具有文學深度與節奏感、引人入勝且打動人心的作品。它能更穩定處理結構模糊的寫作格式，例如不押韻的抑揚格五音步，或是自然流動的自由體詩，注重形式同時清晰傳達內容。這些寫作能力的提升。

健康

GPT‑5 是OpenAI迄今最適合處理健康保健相關問題的模型，能為使用者提供各項保健新知，協助他們為自身健康把關。此模型在 HealthBench⁠ 評估的表現明顯優於前代模型；該項評估是今年稍早根據實際情境和內科醫師所定義的標準所發佈。與前代模型相比，此模型的表現更像是會主動思考的夥伴，能積極指出潛在問題，並透過提問來提供更實用的答案。這款模型現在還可根據使用者的上下文、知識程度和地理位置調整內容，給出更準確可靠的回答，在各種情境下提高安全性與實用性。重要的是，ChatGPT 無法取代醫療專業人員，請將它當成一位得力夥伴，協助您理解檢查結果、就診時提出適當問題，以及在做決定時權衡各種選項。

---

模型評估與效能報告

GPT‑5 的智慧水準全方位大幅提升，從各項學術及人類評量的基準測試中可見一斑。它在數學 (在 AIME 2025 未使用工具的情況下達到 94.6%)、實際程式設計 (SWEBench 達 74.9%、Aider-Polyglot 達 88%)、多模態理解 (MMMU 達 84.2%) 和健康 (HealthBench Hard 達 46.2%) 領域的基準測試中，全面刷新最高記錄，而這些進步就體現在日常使用情境中。運用 GPT‑5 Pro 的延伸推理能力，這款模型還在 GPQA 中創下 SOTA 新紀錄，在不使用輔助工具的狀態下取得 88.4% 高分。

多模態

在各項多模態基準測試中都表現卓越，涵蓋視覺、影片、空間與科學推理領域。多模態能力提升，就表示 GPT-5 可針對圖像和非文字輸入內容做出更精準的推理，無論是詮釋圖表、照片的摘要還是回答示意圖相關問題。

更快速有效的思考能力

GPT‑5 用更短的思考時間產生更大的價值。具備思考能力的 GPT‑5 在多項能力 (包括視覺推理、自主代理程式設計和解決研究生等級科學問題) 的表現均勝過 OpenAI o3，模型輸出字元數少了 50-80%。

給出更準確的回應

GPT‑5 出現幻覺的機率比起前代模型大幅下降。 在代表 ChatGPT 實際使用流量的提示中，GPT‑5 出現事實錯誤的機率，比 GPT‑4o 少了約 20%；而在使用思考能力的情況下，GPT‑5 的事實錯誤率比 OpenAI o3 少了約 70%。

詳細評測報告

智能 / Intelligence (學術/知識評測)

多模態 / Multimodal (對於圖像的理解程度, 讀圖的細節及正確性評估)

長上下文 (Long context evals – 較長的上下文理解, 對話中先前你的輸入及模型輸出的記憶，記得更多先前的對話及正確性)

指令遵循 (Instruction following – 對於指令遵從性的指標，遵循指令及使用自主代理工具)

GPT‑5 的表現有明顯的進步，這些能力是它可穩定執行多步驟要求、協調各項工具和根據上下文調整內容的關鍵。在實際應用中，這表示 GPT‑5 更有能力處理複雜多變的任務、更準確遵循指令，還能靈活運用工具全程包辦更多工作。

---

軟體開發

在基於真實世界軟體工程任務的評估 SWE-bench Verify 中，GPT-5 得分為 74.9%，高於 o3 的 69.1%。值得注意的是，GPT-5 以更高的效率和速度獲得了高分：相對於高推理努力的 o3，GPT-5 使用的輸出令牌減少了 22%，工具調用減少了 45%。下表為依GPT-5與o3模型，在不同的推理程式(Ｍinimal 到 High) 的正確性以及平均輸出Tokens數之比較表。

程式碼評測

OpenAI表示，GPT-5在多項關鍵的程式碼基準測試中表現卓越，例如在SWE-bench Verified測試中獲得74.9%的高分，在Aider polyglot上達到88%。這不只是數字上的提升，更代表著它成為開發者「真正的程式碼協作者」的潛力。它能夠產生高品質程式碼，並擅長處理錯誤修復、程式碼編輯以及回答複雜程式碼庫的問題。這將大大加速開發流程，讓開發者能更專注於高層次的設計和創新，而不是繁瑣的細節。

為開發者量身打造的強大新功能

超乎想像的Agent 代理能力與工具調用

GPT-5在「長時間運行的代理任務」上也表現出色，在僅發布兩個月的τ2-bench電信工具調用基準測試中，取得了96.7%的領先成績。GPT-5的工具智能得到顯著提升，使其能夠可靠地將數十個工具調用串聯起來，無論是循序執行還是平行操作，都能精準無誤，使其在執行複雜的真實世界端到端任務時表現更佳。它還能更精確地遵循工具指令，更好地處理工具錯誤，並擅長長上下文內容檢索。

OpenAI在GPT-5的API中引入了多項新功能，旨在賦予開發者更多對模型回應的控制權：

• 語義參數（Verbosity Parameter）：全新的verbosity參數（值：low, medium, high）可以幫助開發者控制答案的長度，讓回應更簡潔或更詳細。
• 最小推理工作量（Minimal Reasoning Effort）：reasoning_effort參數現在可以設為minimal，以在不進行大量推理的情況下，更快地獲得答案。
• 工具調用前的引導訊息（Preamble Messages before Tool Calls）：GPT-5在工具調用之前和之間，如果被指示，可以輸出使用者可見的引導訊息，讓使用者了解其計畫和進度。
• 自定義工具（Custom Tools）：引入了一種新的工具類型，允許GPT-5使用純文本而不是JSON來調用工具，並且支持通過正則表達式或上下文無關文法進行約束。

verbosity和reasoning_effort的引入，讓模型在不同場景下具備了更高的靈活性和效率，開發者可以根據具體需求在品質與速度之間進行權衡。特別值得一提的是「自定義工具」支援純文本調用，這是一個看似微小卻極其重要的改進，它解決了過去JSON轉義的痛點，顯著降低了開發複雜度。而「引導訊息」的加入，則體現了AI與使用者協作的透明化趨勢，有助於建立使用者對AI代理的信任。

安全性與事實性：更值得信賴的AI

相較於前代模型，GPT-5產生「幻覺」（hallucinations）的可能性顯著降低了約80%。它能更誠實地溝通其行動和能力，並在遵守安全邊界的前提下，提供最有幫助的答案。OpenAI也強調，模型對自身局限性的自我意識更強，更能處理意料之外的「曲線球」。

本文參考 OpenAI 佈落格及文件

• https://openai.com/zh-Hant/index/introducing-gpt-5/
• https://openai.com/index/introducing-gpt-5-for-developers/