OpenAI 上線 GPT-5 開發者版：主攻程式設計與智慧體，分三檔尺寸

AI 寫程式碼這件事，大家已經習慣了它能寫出一個函式，但在面對一個盤根錯節的舊專案時，它往往改了東牆塌了西牆，或者在呼叫工具時頻繁卡死。

OpenAI 剛剛把 GPT-5 放進了開發者 API 平臺。這次 OpenAI 拿出的不是單純跑分的聊天機器人，而是一個專門衝著寫程式碼和執行復雜智慧體任務調校的模型。

拿跑分說話：Token 變少了，活幹得更漂亮

在評估實際軟體工程能力的 SWE-bench Verified 上，GPT-5 跑出了 74.9% 的成績，超過了 o3 的 69.1%。更關鍵的是效率：相比高推理難度的 o3，GPT-5 消耗的輸出 Token 減少了 22%，工具呼叫次數減少了 45%。

在程式碼編輯評測 Aider polyglot 上，GPT-5 的得分達到 88%，錯誤率直接比 o3 降了三分之一。OpenAI 內部的前端開發盲測中，GPT-5 也有 70% 的機率被選為優於 o3。

不僅官方資料好看，首批拿到模型的工具廠商給出的反饋也很具體。程式碼編輯器 Cursor 表示這是他們用過最聰明的模型，不僅容易引導，還帶有一種以往模型少見的個性。

Windsurf 則指出 GPT-5 的工具呼叫錯誤率比其他前沿模型降低了一半。Vercel 評價它是目前兼具審美與程式碼質量的前端模型；Manus 也表示這是他們在自家內部基準上見過的單模型最高分。

除了寫程式碼，在工具鏈長程任務上，Sierra.ai 兩個月前推出的 τ2-bench telecom 測試曾難倒所有模型，此前最高分不到 49%，而 GPT-5 拿下了 96.7%。在 128K 到 256K 的長上下文問答基準 BrowseComp Long Context 上，它的正確率達到了 89%。

API 給開發者鬆綁：不只 JSON，還能控制廢話

伴隨模型上線，OpenAI 在 API 側放出了幾個很實用的控制項。

首先是 reasoning_effort 引數新增了 minimal 檔位。以前模型哪怕做個簡單的長文本檢索也要思考半天，現在開發者可以讓它把推理開銷降到最低，實現快速響應。Notion 就提到這個低推理模式非常適合一步到位的複雜任務。

其次是新增了 verbosity 引數，分為 low、medium、high 三檔，讓開發者直接控制回答的長短，不用再在提示詞裡求它別說廢話。

另外，GPT-5 支援了一種名為 custom tools 的新工具型別。它不再強求模型把所有呼叫都塞進 JSON 結構，而是允許直接輸出純文本，並通過開發者指定的正規表示式或上下文無關文法來做約束。

在規格上，API 版本的 GPT-5 提供了 gpt-5、gpt-5-mini 和 gpt-5-nano 三種尺寸。模型的總上下文視窗達到 40 萬 Token，其中最多接收 27.2 萬輸入 Token，最多輸出 12.8 萬推理與生成 Token。

針對終端開發者，OpenAI 還推薦配合 Codex CLI 命令列工具，輸入提示詞就能在沙盒環境裡自動裝依賴、跑程式碼並即時預覽。

為什麼重要

對開發者和軟體工程師來說，GPT-5 的意義不在於它能一句話寫個五子棋，而在於它終於可以更可靠地放進真實的工作流裡。工具呼叫錯誤率減半、輸出 Token 減少 22%，意味著寫進 Agent 的工作流不會輕易在半路崩潰，調 API 的賬單也不會像以前那樣失控。

對於整個 AI 程式設計工具行業，Cursor、Windsurf 這些產品的能力上限直接被拔高了一截。當基礎模型的工具串聯成功率從不足 50% 躍升到 90% 以上，過去很多隻能停留在演示階段的多步驟 Agent，現在真正具備了工程落地的可能性。

我們認為，OpenAI 這一次的產品策略非常務實。它不再硬推單一的全能大模型，而是把 API 拆成三檔尺寸，甚至把 JSON 呼叫的硬性枷鎖換成了支援文法約束的純文本工具。不過，這也意味著開發者的門檻在悄悄轉移：誰能更好地編排上下文無關文法、誰能更精細地調控推理檔位，誰才能把 GPT-5 的效能榨乾。