OpenAI 发布 GPT-5：内置思考路由，幻觉减少 80%

以前用大模型，大家最纠结的事情之一大概是挑模型。简单闲聊怕浪费高级额度，真遇上复杂代码或学术难题，又得手动切到深度思考模式。OpenAI 显然也看烦了这种操作。

OpenAI 带来了全新主力大模型 GPT-5。这次它不再让大家在速度和深度之间做单选题，而是把日常快答和深度推理装进同一个系统，由内置的实时路由器自动分流，谁该快、谁该琢磨，模型自己说了算。

一个系统，两副面孔

GPT-5 的底座由一套统一架构组成。它包含一个负责快速响应日常提问的轻量模型，以及用于啃硬骨头的 GPT-5 thinking。二者之间由一个实时路由器把关，根据对话类型、复杂度、工具需求以及提示词中的明确指示（比如输入「认真琢磨一下」）自动调度。

这个路由机制还会根据真实使用数据持续迭代，包括用户手动切模型的行为、回答满意度以及正确率。一旦额度耗尽，系统会自动切换到对应的 mini 版本顶上。OpenAI 还透露，后续打算将这些能力彻底合成为单一模型。

在基准测试上，GPT-5 刷新了多项记录。无工具辅助下，它在 AIME 2025 数学竞赛中拿到 94.6%，SWE-bench Verified 真实代码评测取得 74.9%，多模态 MMMU 达到 84.2%。配上深度推理的 GPT-5 pro 在 GPQA 测试中拿下 88.4%。

更实在的突破是推理效率。OpenAI 表示，GPT-5 thinking 的输出 token 比 OpenAI o3 减少了 50% 到 80%，换句话说，它用更短的思考时间换来了更好的效果。在涵盖法律、物流、工程等 40 多个职业的高价值知识工作基准测试中，其表现已经能持平或超过约半数的人类专家。

拒绝阿谀奉承，更少胡说八道

用过旧版 ChatGPT 的人都熟悉它的毛病：动不动就说「好极了」「完全同意你」，甚至没有依据硬编。GPT-5 重点收拾了这两个痛点。

在联网搜索场景下，GPT-5 的事实错误率比 GPT-4o 降低了约 45%；在深度思考状态下，其错误率比 o3 降了约 80%。在针对长文本事实性测试的 LongFact 和 FActScore 上，幻觉率大约只有 o3 的六分之一。

它还变得更诚实。在剔除图像资产的测试场景下，旧款 o3 仍有 86.7% 的概率自信地对着空气胡扯，而 GPT-5 的这一比例降到了 9%。在生产环境对话抽样中，欺骗或假装完成任务的比例也从 4.8% 降到了 2.1%。

安全策略上也做出了调整。以往非黑即白的简单拒绝被替换成了「安全完成」策略。面对病毒学等具有双重用途的模糊提问，它会在安全范围内给出高阶信息，并透明地解释拒答理由，而不是一棍子打死。

日常体验中，你会发现它少了泛滥的 emoji，不再盲目讨好，行文节奏感更好。针对普通用户，GPT-5 已经全面上线，Plus 用户享有更高额度，Pro 用户可解锁深度更强的 GPT-5 pro。同时据 9to5Mac 报道，苹果确认下月推送的 iOS 26、iPadOS 26 和 macOS Tahoe 26 中，Apple Intelligence 的 ChatGPT 集成也将切换到 GPT-5。

为什么重要

对普通用户和开发者而言，GPT-5 最大的现实意义是省心。你不用再当模型切换调度员，也不用为了防幻觉每次都开着最贵的思考模型。特别是前端开发和日常文案撰写，它对留白、排版和复杂代码库的理解更顺畅，基本可以用自然语言直接出活，上手门槛进一步拉低。

从行业竞争来看，OpenAI 正在收拢原本分散的产品线。把快模型、强推理和路由揉在一起，本质上是用工程组合拳把单次调用的延迟和算力成本压下来。当它用少一半以上的 token 跑赢 o3 时，压力直接给到了 Anthropic 和 Google，迫使同行在端到端路由和推理压缩上加速跟进。

我们认为，这套架构做得很精明，直击大模型落地最头疼的成本与响应时延。但隐患也摆在眼前。把分流权交给黑盒路由器，一旦路由误判，该深思的题目草草作答，就只能逼着用户靠口令强行纠偏。此外，社区已经有声音质疑这种打包是否只是 4o 和 o3 换了个皮。究竟是不是真正的范式跃迁，还要看它在更复杂的现实工程场景里能扛多久。