就在今天凌晨，GPT-5 經過了那么多天的鋪墊，終于在千呼萬喚中發布了，社交媒體和技術社區幾乎被刷屏。
?

?
新版本在復雜推理、多模態輸入、長對話保持等方面都有了明顯進步。同時，GPT-5 在多輪邏輯推導中出現的錯誤率也有所下降，在編寫代碼、分析數據、跨模態生成等任務中展現出更強的穩定性和可控性。
?

?

OpenAl 的早期測試者反饋中，Cursor 創始人 Michael Truel 表示 GPT-5“具有顯著的智能，易于操控，甚至擁有其他模型中不具備的人格特質”，在多個實際編碼任務中表現優異。
?

?

總體而言，GPT-5 在原有能力的基礎上，實現了綜合性提升。

?

但與此同時，不少用戶和業內人士對這次更新并不買賬。

?

有分析者認為 GPT-5 與前代相比提升有限，不足以帶來明顯“躍遷感”。

?

部分創作者調侃，這更像是一次 4.5 到 4.6 的平滑升級，而不是躍遷式的版本迭代。
?

甚至在發布會上還出現了圖表錯誤：

?

?

即便 GPT-5 在最新的大模型盲測競技場榜單中已經是全方位第一。
?

?

比起 GPT-4，GPT-5 的發布，為什么沒有想象中驚艷？

?

首先，GPT-5 的評價分化背后，是大語言模型發展進入邊際效應減弱的階段。過去幾年，OpenAI 和其他廠商依靠擴大參數規模、擴充訓練數據，實現了從 GPT-2 到 GPT-4 的快速躍升。然而，隨著模型規模接近可用算力和數據的極限，性能提升的感知度正在下降。
?

例如，在 GPT-3 到 GPT-4 的升級中，數學推理正確率、代碼生成精度都有肉眼可見的躍升，但到了 GPT-5，這類指標的提升幅度在多數通用場景下只剩個位數百分比。這種微幅提升對專業用戶依然有價值，但對普通用戶來說，感受可能不如一次UI改版來得明顯。
?

此外，用戶心理預期的變化也是原因之一。Gartner 提出的技術成熟度曲線（Hype Cycle）表明：任何新技術在誕生后，都會經歷“技術觸發”“期望膨脹的峰值”“幻滅低谷”“穩步爬升”和“成熟期”幾個階段。
?

?

在 GPT-3 到 GPT-4 的跨越中，大語言模型正處于“期望膨脹的峰值”，公眾和行業幾乎認為它可以在多數場景中替代人類工作，因此每一次升級都被寄予極高期望。

?

當時，甚至有人預測 GPT-5 的發布，將實現真正的 AGI。然而，隨著模型性能接近架構和數據的瓶頸，單次迭代帶來的體驗提升變得有限，用戶很容易感到落差。
?

GPT-5 的發布正好出現在從峰值走向“幻滅低谷”的階段。而且 OpenAI 過高的宣傳也讓新版本更容易遭到質疑，反而掩蓋了其中真正的進步點。
?

最后，AI 大模型的知識更新滯后、幻覺等問題依然沒有消失。

?

以往，算力往往是 AI 大模型面臨的主要困境。然而，發展到現在，盡管算力充足，當前大模型依舊容易出現幻覺，在知識鏈條推理中漏掉關鍵環節。

?

而且，GPT-5 的知識庫更新到 2024 年底，但在許多實時性強的領域，如 AI 芯片新品規格、最新學術論文引用、行業政策變化，模型依然需要依賴外部檢索或插件，這意味著核心能力還未與實時世界充分對齊。

?

行業發展的現實壓力

?

這背后其實也是整個 AI 行業的縮影。技術迭代的節奏越來越快，但研發成本和風險也同步上升。據公開信息，GPT-5 的訓練可能消耗了數百萬美元級別的算力資源，還包括大量人工標注和數據清洗工作。這樣的投入意味著，每一次迭代都需要在性能提升、市場反響和商業回報之間找到平衡。

?
與此同時，開源模型的崛起正在改變競爭格局。像 LLaMA 3、Mistral、Qwen 系列等開源大模型，在部分任務上的性能已經逼近甚至超過閉源模型，而且可在私有環境部署、成本更低。

?

很多企業在權衡后，開始將開源模型與閉源 API 混合使用，這進一步壓縮了閉源產品在單純性能競爭上的優勢空間。GPT-5 的表現，并沒有徹底扭轉這種趨勢。

?

從今天起，GPT-5 面向所有用戶開放使用，無需排隊。對于免費用戶而言，每天提供一定額度，用完即自動切換到 GPT-5-mini。Pro 會員則可體驗GPT-5 Pro高級推理功能。

?

面向開發者，GPT-5 的 API 價格，也比 GPT-4 最便宜的 Preview 版本還低。

?

相比于技術，OpenAI 這次發布，更多聚焦于價格優勢和產品整合，加速商業落地。
?

在 AI 發展的下半場，單一產品的升級可能難以帶來全體共振的驚喜。GPT-5 雖然未能成為劃時代的符號，但它確實處在一個重要的轉折點。大模型的未來不僅需要更大的規模，更需要更深層次的智能演化。

?