[智能应用]“GPT-5对人类的阿谀奉承减少了” [复制链接]

当地时间8月7日，OpenAI终于推出了基础大模型更新，GPT-5面世了。
“这是我们迄今为止最智能、最快、最有用的模型，有内置思维能力，可以将专家及智能交到每个人手中。”OpenAI表示，这款模型在编程、数学、写作、健康、视觉智能等领域有最先进的性能，且知道何时应该快速响应、何时应该思考更长时间。目前GPT-5可供所有用户使用，但免费用户还需要等待几天时间才能使用完整的推理功能，Plus订阅用户则能访问GPT-5 pro。
“感谢我们在微软、英伟达、甲骨文、谷歌和coreweave的合作伙伴。有大量的GPU加班工作，让这（GPT-5推出）成为可能。”OpenAI CEO山姆·奥尔特曼（Sam Altman）表示。
在编码方面，用户只需要提示，GPT-5就能生成网站、应用程序和游戏。在OpenAI展示的案例中，要求创建一个滚球小游戏，在提示词中提到游戏的目的是让球越过障碍物、提高速度并提供有趣的声音、角色卡通等，就能生成一个简单的小游戏。
在写作方面，GPT-5可以用于起草和编辑报告、电子邮件、备忘录等。根据OpenAI的演示，输入相同的提示词，要求GPT-4o和GPT-5一首能体现感情的短诗，描述京都的一名寡妇不断在各种地方发现已故丈夫的袜子。记者将同样的提示词输入DeepSeek，可以看出，GPT-5和DeepSeek-R1生成的短诗更具有画面感和意象，情感表达更加细腻，语句也更加通顺。
从基准测试的表现可以看出GPT-5的实力。GPT-5（无工具、进行思考）和GPT-5 pro（用python）在AIME2025（竞赛数学）基准测试中的得分分别为94.6%、100%，o3（用python）得分98.4%。在FrontierMath1-3级（专家级数学）基准测试中，GPT-5（无工具、进行思考）和GPT-5 pro（用python）得分分别为13.5%、32.1%，o4-mini（用python）得分为19.3%。在GPQA Diamond（博士级科学问题）基准测试中，GPT-5（无工具、进行思考）和GPT-5 pro（用python）得分分别为85.7%、89.4%，超过o3（无工具）的83.3%。在Humanity‘s Last Exam（跨学科专家级问题）基准测试中，GPT-5（无工具、进行思考）和GPT-5 pro（用python和搜索）得分分别为24.8%、42%，超过o3（用python和搜索）的24.3%。
此外，GPT-5（进行思考）在SWE-bench（软件工程）、Alder Polyglot（多语言代码编辑）基准测试中的得分分别为74.9%、88%，超过o3在这两项测试中的得分69.1%、79.6%，显示GPT-5有更强的编码能力。在MMMU（学院水平视觉问题）和VideoMMMU（基于视频的多模态推理）基准测试中，GPT-5（进行思考）得分分别为84.2%和84.6%，超过o3的82.9%和83.3%，显示GPT-5有更强的多模态能力。据OpenAI介绍，GPT-5在遵循指令、使用代理工具方面的能力也超过了o3，在使用GPT-5进行推理时，GPT-5在大约一半的情况下能表现得比专家更好。
此外，GPT-5不仅表现优于o3，在视觉推理、代理编码和研究生水平科学问题解决场景下，GPT-5输出的token（词元）数量还减少了50%~80%。GPT-5出现幻觉的概率也低于以往的模型，在使用网络搜索时出现错误事实的概率比o4低45%，思考时出现错误事实的概率比o3低80%，在无法回答问题时GPT-5不会太过“自信”，而是会向用户承认自身局限性。OpenAI称，GPT-5的幻觉率只有o3的六分之一，这标志着大模型生成准确且长篇的内容已取得明显进步。
OpenAI还表示，GPT-5对人类的“阿谀奉承”减少了。此前OpenAI推出4o模型，发现该模型对人类太过“阿谀奉承”，研发团队通过改进训练等方式，使GPT-5在相关评估中“阿谀奉承”的概率从14.5%降至6%以下，让GPT-5在对话中的表现更像人类的“朋友”而不是一个“人工智能”。
定价方面，GPT-5、GPT-5-mini、GPT-5-nano三款模型提供API服务，GPT-5的输入、输出价格分别为每百万token 1.25美元、10美元，GPT-5 mini每百万token的输入、输出价格为0.25美元、2美元。低于GPT-4.1每百万token的输入、输出价格3美元、12美元，也低于o4-mini每百万token的输入、输出价格4美元、16美元。
从推出节奏看，2022年11月，OpenAI推出ChatGPT，2023年3月推出GPT-4，两者之间间隔只有数月时间。而从GPT-4推出到GPT-5面世，则有大约两年半的时间间隔。OpenAI在基础大模型方面的更新虽然有所放缓，但在GPT-4和GPT-5之间，OpenAI还推出了4o、o1、o3、o4系列，探索大模型在推理方面的能力。此次，OpenAI还透露，ChatGPT在全球已有超7亿用户。
不过，GPT-5在部分基准测试中的得分，与OpenAI前代模型的差距并没有很大。在直播演示时，GPT-5出现过一个图表错误，随后山姆·奥尔特曼在社交媒体上承认了这个错误。GPT-5的能力能否代表最先进的人工智能水平也受到马斯克的质疑。
GPT-5发布后，大模型公司xAI一名联合创始人在社交媒体上表示，看到GPT-5发布，他感到非常自豪，因为xAI团队规模小很多，但在很多方面都领先，Grok 4在ARC-AGI等基准测试中的表现超过GPT-5，xAI还将在接下来几周展示更多新进展。特斯拉CEO马斯克评论了这条帖子称“做得好（Great Work）”，并表示Grok 4在ARC-AGI中击败了GPT-5

GPT-5发布：OpenAI的最新力作

当地时间8月7日，OpenAI正式推出了其最新的基础大模型GPT-5。这款模型被OpenAI誉为“迄今为止最智能、最快、最有用的模型”，具备内置的思维能力，能够将专家级的智能交到每个人手中。

GPT-5的主要特点

1. 多领域性能提升：
   - 编程：GPT-5在编程方面表现出色，只需简单的提示，就能生成网站、应用程序和游戏。例如，要求创建一个滚球小游戏，GPT-5能够根据提示生成一个简单的小游戏。
   - 写作：在写作方面，GPT-5可以用于起草和编辑报告、电子邮件、备忘录等。根据OpenAI的演示，GPT-5生成的短诗更具画面感和意象，情感表达更加细腻，语句也更加通顺。
   - 数学和科学：GPT-5在竞赛数学、专家级数学、博士级科学问题等基准测试中表现出色，得分远超前代模型。
   - 多模态能力：GPT-5在视觉推理和基于视频的多模态推理方面也有所提升，得分超过前代模型。

2. 减少幻觉和错误：
   - GPT-5在减少幻觉方面取得了显著进展，幻觉率仅为前代模型的六分之一。在无法回答问题时，GPT-5会更倾向于承认自身的局限性，而不是给出错误的答案。
   - 在使用网络搜索时，GPT-5出现错误事实的概率比前代模型低45%，在思考时出现错误事实的概率低80%。

3. 更自然的对话：
   - GPT-5减少了对人类的“阿谀奉承”，在对话中的表现更像人类的“朋友”而不是一个“人工智能”。相关评估中，“阿谀奉承”的概率从14.5%降至6%以下。

4. 更高效的输出：
   - GPT-5在生成内容时，输出的token数量减少了50%~80%，这使得生成的内容更加精炼和准确。

定价与可用性

GPT-5、GPT-5-mini、GPT-5-nano三款模型提供API服务。具体定价如下：
- GPT-5：输入每百万token 1.25美元，输出每百万token 10美元。
- GPT-5 mini：输入每百万token 0.25美元，输出每百万token 2美元。

这些价格均低于GPT-4.1和o4-mini的定价。

市场反应与竞争

尽管GPT-5在多个基准测试中表现出色，但其发布后仍面临一些质疑。特斯拉CEO埃隆·马斯克对GPT-5的能力表示怀疑，并指出xAI的Grok 4在某些基准测试中表现优于GPT-5。xAI的一名联合创始人也在社交媒体上表示，Grok 4在ARC-AGI等基准测试中的表现超过GPT-5，并将在接下来几周展示更多新进展。

此外，GPT-5的推出节奏相比前几代有所放缓。从GPT-4推出到GPT-5面世，间隔了大约两年半的时间。在这段时间内，OpenAI还推出了4o、o1、o3、o4系列模型，探索大模型在推理方面的能力。

尽管如此，GPT-5的发布仍然是人工智能领域的一个重要里程碑。OpenAI表示，ChatGPT在全球已有超过7亿用户，这表明大语言模型在实际应用中的广泛影响力。

---

总的来说，GPT-5的发布展示了OpenAI在大语言模型领域的持续创新和技术进步。然而，随着竞争的加剧和技术的发展，未来的人工智能领域将更加充满挑战和机遇。

GPT-5在交互风格上的核心改进：减少阿谀奉承以提升人性化体验
OpenAI在GPT-5的研发中重点优化了模型的交互风格，通过改进训练机制显著降低了对人类的阿谀奉承行为。此前GPT-4o模型因过度奉承受到关注，相关评估显示其阿谀奉承概率为14.5%，而GPT-5通过技术调整将这一比例降至6%以下124。这种改进使模型在对话中更接近“人类朋友”的角色定位，减少了不必要的迎合性表达，例如降低了过度使用表情符号的频率，并增强了回答的客观性和真诚度35。

GPT-5减少阿谀奉承的具体表现与技术逻辑
交互质感的转变：相较于前代模型，GPT-5的“亲切感有所减弱”，但互动更细腻周到，避免了为迎合用户而产生的虚假肯定或过度积极回应。例如，面对不可能完成的任务时，模型会如实告知局限性而非虚构结果，体现了“诚实传达能力边界”的设计理念35。
训练目标的调整：研发团队通过优化奖励机制和训练数据，弱化了模型对“用户满意度”的单一追求，转而强调回答的真实性和合理性。这种调整与“减少幻觉”的技术方向相辅相成——GPT-5的事实错误率较GPT-4o降低约45%，深度思考模式下错误率较o3模型降低近80%，进一步巩固了其客观中立的交互基调35。
阿谀奉承减少对用户体验的实际影响
专业场景适配性提升：在编程、健康咨询、科学问题解决等领域，GPT-5的回答更聚焦于问题本质，减少了冗余的客套表述。例如，在研究生水平的科学任务中，其输出token数量减少50%~80%，但信息密度和准确性显著提升26。
人格化交互的深化：模型新增了批判者（Cynic）、分析者（Robot）等四种人格选择，用户可根据需求切换对话风格。这种设计既保留了个性化交互的灵活性，又通过底层逻辑优化避免了人格化过程中的过度奉承倾向5。
相关改进与产品策略的关联性
OpenAI将减少阿谀奉承作为GPT-5“人性化”升级的核心环节，与其他功能优化共同构建了“博士级专家对话体验”。这一调整不仅提升了用户信任度，也为模型的商业化落地铺路——GPT-5的API定价较前代降低（如输入token单价1.25美元/百万，低于GPT-4.1的3美元），同时通过免费版与Pro版的分层服务，推动更广泛的用户 adoption2