OpenAI 釋出 GPT-5：內建思考路由，幻覺減少 80%

以前用大模型，大家最糾結的事情之一大概是挑模型。簡單閒聊怕浪費高階額度，真遇上覆雜程式碼或學術難題，又得手動切到深度思考模式。OpenAI 顯然也看煩了這種操作。

OpenAI 帶來了全新主力大模型 GPT-5。這次它不再讓大家在速度和深度之間做單選題，而是把日常快答和深度推理裝進同一個系統，由內建的即時路由器自動分流，誰該快、誰該琢磨，模型自己說了算。

一個系統，兩副面孔

GPT-5 的底座由一套統一架構組成。它包含一個負責快速響應日常提問的輕量模型，以及用於啃硬骨頭的 GPT-5 thinking。二者之間由一個即時路由器把關，根據對話型別、複雜度、工具需求以及提示詞中的明確指示（比如輸入「認真琢磨一下」）自動排程。

這個路由機制還會根據真實使用資料持續迭代，包括使用者手動切模型的行為、回答滿意度以及正確率。一旦額度耗盡，系統會自動切換到對應的 mini 版本頂上。OpenAI 還透露，後續打算將這些能力徹底合成為單一模型。

在基準測試上，GPT-5 重新整理了多項記錄。無工具輔助下，它在 AIME 2025 數學競賽中拿到 94.6%，SWE-bench Verified 真實程式碼評測取得 74.9%，多模態 MMMU 達到 84.2%。配上深度推理的 GPT-5 pro 在 GPQA 測試中拿下 88.4%。

更實在的突破是推理效率。OpenAI 表示，GPT-5 thinking 的輸出 token 比 OpenAI o3 減少了 50% 到 80%，換句話說，它用更短的思考時間換來了更好的效果。在涵蓋法律、物流、工程等 40 多個職業的高價值知識工作基準測試中，其表現已經能持平或超過約半數的人類專家。

拒絕阿諛奉承，更少胡說八道

用過舊版 ChatGPT 的人都熟悉它的毛病：動不動就說「好極了」「完全同意你」，甚至沒有依據硬編。GPT-5 重點收拾了這兩個痛點。

在聯網搜尋場景下，GPT-5 的事實錯誤率比 GPT-4o 降低了約 45%；在深度思考狀態下，其錯誤率比 o3 降了約 80%。在針對長文本事實性測試的 LongFact 和 FActScore 上，幻覺率大約只有 o3 的六分之一。

它還變得更誠實。在剔除影像資產的測試場景下，舊款 o3 仍有 86.7% 的機率自信地對著空氣胡扯，而 GPT-5 的這一比例降到了 9%。在生產環境對話抽樣中，欺騙或假裝完成任務的比例也從 4.8% 降到了 2.1%。

安全策略上也做出了調整。以往非黑即白的簡單拒絕被替換成了「安全完成」策略。面對病毒學等具有雙重用途的模糊提問，它會在安全範圍內給出高階資訊，並透明地解釋拒答理由，而不是一棍子打死。

日常體驗中，你會發現它少了氾濫的 emoji，不再盲目討好，行文節奏感更好。針對普通使用者，GPT-5 已經全面上線，Plus 使用者享有更高額度，Pro 使用者可解鎖深度更強的 GPT-5 pro。同時據 9to5Mac 報道，蘋果確認下月推送的 iOS 26、iPadOS 26 和 macOS Tahoe 26 中，Apple Intelligence 的 ChatGPT 整合也將切換到 GPT-5。

為什麼重要

對普通使用者和開發者而言，GPT-5 最大的現實意義是省心。你不用再當模型切換排程員，也不用為了防幻覺每次都開著最貴的思考模型。特別是前端開發和日常文案撰寫，它對留白、排版和複雜程式碼庫的理解更順暢，基本可以用自然語言直接出活，上手門檻進一步拉低。

從行業競爭來看，OpenAI 正在收攏原本分散的產品線。把快模型、強推理和路由揉在一起，本質上是用工程組合拳把單次呼叫的延遲和算力成本壓下來。當它用少一半以上的 token 跑贏 o3 時，壓力直接給到了 Anthropic 和 Google，迫使同行在端到端路由和推理壓縮上加速跟進。

我們認為，這套架構做得很精明，直擊大模型落地最頭疼的成本與響應時延。但隱患也擺在眼前。把分流權交給黑盒路由器，一旦路由誤判，該深思的題目草草作答，就只能逼著使用者靠口令強行糾偏。此外，社群已經有聲音質疑這種打包是否只是 4o 和 o3 換了個皮。究竟是不是真正的範式躍遷，還要看它在更復雜的現實工程場景裡能扛多久。