為了讓開發者能更靈活地平衡成本、延遲與效能，GPT-5 引入了一個全新的 API 參數：reasoning_effort（推理深度）。這個參數允許開發者直接控制模型在回答問題前投入的「思考深度」。
OpenAI 今天正式釋出 GPT-5 了！而且是馬上並同步開放給所有 ChatGPT 使用者，不只在語音互動自然度大幅提升，並支援即時視訊互動，模型的代理任務處理能力更為成熟，而且GPT-5 能在同一場對話中同時處理與生成多種型態的內容——文字、圖片、語音，影片（目前可以閱讀、理解，但目前不支援生成）。
雖 GPT-5 還不能說是 AGI（通用人工智慧），但它的多模態整合、推理深度、長記憶與低錯誤率，使其在專業與消費市場的應用價值大幅提升。讓我們快速且更深入地了解 GPT-5 吧。
一、程式碼寫作能力大幅提升
GPT-5 程式碼基準測試中的表現相當亮眼，例如在貼近真實世界軟體工程任務的 SWE-bench Verified 測試中，能取得了 74.9% 的高分，超越了市場上的主要對手。更值得注意的是，相較於高推理量的 o3 模型，GPT-5 使用的輸出標記數減少了 22%，工具呼叫次數更減少了 45%。在 Aider polyglot 上，GPT-5 也創下了 88% 的新紀錄，與 o3 相比錯誤率降低了三分之一。
官方還稱 GPT-5 在前端方面表現也非常出色，在內部測試中，測試人員有 70% 更喜歡 GPT-5。
（延伸閱讀｜GPT-5-Codex上線！GPT、o、mini 該怎麼選對模型？ 適合任務、情境一次看）
二、前所未見的「自主代理」能力
GPT-5 另一項特色是大幅強化的自主代理（Autonomous Agent）能力。過去的模型在面對複雜或模糊的指令時，往往需要使用者不斷提供額外資訊或進行步驟確認。GPT-5 則展現了更高度任務自主性，能將一個高層次的目標自動拆解為一系列具體的子任務，並依序規劃、執行，直到最終目標達成。
使用者甚至可以透過提示詞明確要求它「遇到不確定性時自行決定合理步驟，不要回問」，模型便會主動推進工作流程。這種從「被動應答」到「主動執行」的轉變，使其能獨立處理更長、更複雜的任務鏈。
三、工具使用的穩定性
在極具挑戰性的工具使用基準測試 τ²-bench telecom 中，GPT-5 取得了高達 97% 的驚人分數，而先前沒有任何模型得分超過 49%。這項測試的重點在於模型與一個狀態會隨時變動的環境互動的能力，97% 的分數證明 GPT-5 能夠非常穩定地串連多個工具，無論是依序或並行呼叫，都能準確完成任務。
四、讓開發者自由挑整「思考深度」
為了讓開發者能更靈活地平衡成本、延遲與效能，GPT-5 引入了一個全新的 API 參數：reasoning_effort（推理深度）。這個參數允許開發者直接控制模型在回答問題前投入的「思考深度」。當設定為 low 時，模型會以最快的速度返回答案，適合需要即時反應但對細節要求不高的場景。預設的 medium 模式能在效能與細節間取得良好平衡。而當設定為 high 時，模型會進行最徹底的問題拆解、調用更多工具並執行更完整的查核程序，雖然耗時較長，但對於處理大型、高風險或極度複雜的任務流程至關重要。
這項功能讓開發者不再只能被動接受模型的單一行為模式，而是能像調整引擎轉速一樣，根據具體需求精確調校 AI 的認知資源。而且，還能隨時用 prompt 調整。
五、回應格式也能自己調整
除了思考深度，GPT-5 在輸出格式的控制上也提供了極大彈性。新的 verbosity 參數讓開發者能獨立控制回應的「詳盡程度」，不論思考深度如何，都能要求模型回答是簡潔扼要還是長篇大論。
此外，一項對開發者極為友善的創新是「自訂工具」（Custom Tools）。過去，定義工具需要模型輸出嚴格的 JSON 格式，這在處理包含大量程式碼或長篇報告等複雜字串時，常因轉義字元出錯而失敗。自訂工具允許 GPT-5 使用純文字格式來呼叫工具，開發者只需提供正規表示式或上下文無關語法進行約束即可，大大降低工具整合的複雜性與出錯率，使模型的實用性顯著提升。
六、大幅降低幻覺的事實可靠性
大型語言模型長久以來最受詬病的「幻覺」（Hallucination）問題，在 GPT-5 上得到了顯著的抑制。根據 OpenAI 提供的數據，在 LongFact 和 FactScore 等公開事實性基準測試中，GPT-5 產生的事實錯誤比前代模型 o3 少了約 80%。
在啟用網路搜尋並進行內部測試時，其回答包含事實錯誤的機率也比 GPT-4o 低了約 45%。這代表 GPT-5 在處理對正確性有嚴格要求的應用場景時，例如程式碼分析、數據報告、法律文件草擬及提供決策建議等，將變得更加值得信賴。
（延伸閱讀｜Gemini 教學｜AI 功能有哪些？與 ChatGPT 差在哪？特色、收費方案一次看）
七、更成熟且去諂媚化的互動風格
與前代模型相比，GPT-5 在對話中顯著減少了「諂媚」（Sycophancy）傾向。它不再過度附和或使用不必要的表情符號來討好使用者，而是展現出更為中立、深思熟慮的溝通風格。在一項專門引發諂媚回應的評估中，GPT-5 的此類回覆比例從 14.5% 大幅降低至 6% 以下。
這種轉變雖然可能在短期內影響部分使用者的滿意度，但長遠來看，有助於建立更具建設性、更專業的合作關係。使用者將會感覺像是在與一位專業的同事對話，而不是一個只會迎合的助理，對於進行嚴肅的、有深度的探討非常重要。
八、彈性的模型規模與部署選項
為了滿足不同應用場景的需求，OpenAI 在 API 中提供了三種不同規模的 GPT-5 模型：gpt-5、gpt-5-mini 和 gpt-5-nano。這讓開發者可以根據自身應用的需求，在模型的效能、運算成本和回應延遲之間做出最適合的權衡。旗艦的 gpt-5 是支撐 ChatGPT 最高效能的推理模型，擁有最強大的能力。而 mini 和 nano 版本則為需要更低延遲或成本更敏感的應用提供了可行的選擇。
值得注意的是，API 中的 GPT-5 模型與大眾在 ChatGPT 中使用的系統有所不同，後者是一個包含推理、非推理和路由器模型在內的複雜系統。這種分層策略，確保了從輕量級應用到高強度運算，都能找到合適的 GPT-5 解決方案。
但是....還是會出包？
但這次 OpenAI 發表會最讓人詬病的就是上面這張表了，大家注意到哪裡出錯了嗎？沒錯，數字跟長條圖的比例根本對不起來，而且整場發表會出包的圖還不只這一個。截稿為止還不清楚 OpenAI 是不是用 GPT-5 畫這張圖的，當然希望這是用其他 AI 或人工製作的，但如果是 AI 的話，表示 GPT-5 的「可靠度」還有待加強囉！不過現在去官網的話，這張圖的比例也已經修正了。
（本文授權轉載自 Inside，初稿為 AI 編撰）
