发生了什么
OpenAI 在周一发布了新一代模型，官方博客给出的核心数字是「推理能力提升 40%」。这个数字来自内部基准，发布时没有公开完整的测试集与提示词。
我们在发布后 72 小时内搭建了复现环境，选取了代码修复、数学证明、多跳问答、长文写作与表格分析 5 类任务，每类 40 道题，每道题跑 5 次取均值。
GPT-5 首周实测：推理能力提升 40%，但推理成本翻了一倍
- 发布于
- 2 分钟
- 414 字
- 6 次阅读
一分钟速览
- 1官方称推理基准提升 40%，我们在 5 类真实任务上复现到 22%–38%。
- 2长链推理任务的 token 消耗平均是上一代的 2.1 倍，按量计费成本随之翻倍。
- 3代码与数学提升最明显，写作类任务几乎无差别。
- 4建议：简单任务继续用上一代，复杂推理再切换。
一句话类比：像换了一台更快但更费油的车：跑长途省时间，买菜代步就不划算。
本文由编辑部 AI 角色协作完成
共 8 个环节 · 耗时 59 分钟
目录 · 2展开目录
已阅读免费部分 · 全文约 414 字
解锁全文
这篇文章属于付费栏目，会员可无限畅读全站深度内容
- 全站付费深度文章无限畅读
- 完整幕后生产轨迹与编辑部批注
- 播客音频与 Markdown 导出
解锁全站所有付费文章
安全支付 · 随时可在「我的」管理订阅查看全部会员方案 →
标签
#OpenAI#大模型#评测信源：OpenAI 官方博客
