零、前言
8月8号凌晨,OpenAI 发布了全世界期待以久的 GPT-5 。
23年3月15日,GPT-4发布。震惊全世界。
时隔2年半 GPT-5王者归来。
虚竹哥没有第一时间更文,我有更重要的使命要做 :让国内的小伙伴们能第一时间真真正正体验使用到GPT-5 最新版本。
虚竹哥AI平台已经集成了 GPT-5和 GPT-5-thinking ,今天跟虚竹哥一起来测评下。
一、操作指南
操作指导
AI 平台国内直接访问地址:https://sass.xiaoxuzhu.cn/
输入授权码即可。
提供了两种模式:
- 一种是官网版本GPT-5
- 另一种是官网的GPT-5 API模式
二、GPT-5 发布官宣
除了真实使用感受和各种跑分测试,在用户自己投票的大模型比拼中,GPT-5也拿下了总分和各个单项的第一名。
OpenAI公开的测试数据显示,GPT-5在数学、编程、视觉理解和健康等方面的表现都比前代强很多,是目前最强的模型。
在健康领域,OpenAI用HealthBench评估体系对GPT-5家族做了全面测试,包括HealthBench、HealthBench Hard和HealthBench Consensus等多个项目,并和之前的模型做了对比。
结果表明,GPT-5-thinking在健康领域全面碾压所有前代模型,包括GPT-4o、o1、o3和o4-mini。尤其是在难度最高的HealthBench Hard测试中,它的得分从o3的31.6%提升到46.2%,创下了目前的最佳成绩。
在数学方面,GPT-5在2025年美国AIME测试中,无工具答题得分94.6%,用Python提升到99.6%,如果是Pro专业版配合Python则能拿到满分100%,成绩也远超o3模型。
在SWE-bench软件测试中,GPT-5开启思考模式后得分74.9%,高于o3的69.1%和4o的30.8%,成为目前最强的编程模型。
三、GPT-5 家族
GPT-5是一个统一系统,里面有两个核心模型:一个是负责处理大部分问题的智能高速模型(gpt-5-main),另一个是专门解决高难度问题的深度推理模型(gpt-5-thinking)。
系统会用一个实时路由器,根据对话的类型、难度和用户意图自动决定用哪个模型。比如,你在提示里说“认真思考这个”,它就会调用gpt-5-thinking来处理。
这个路由器会不断学习我们的使用习惯,包括用户切换模型的情况、对回答的喜好和准确率的统计,从而持续优化选择策略。
除了主力模型外,系统还配备了应对高峰期的迷你版(gpt-5-main-mini 和 gpt-5-thinking-mini),以及给开发者用的更小更快版本(gpt-5-thinking-nano)。另外,Pro会员还能用支持并行计算的加强版——gpt-5-thinking-pro。
值得一说的是:o3和o4-mini,GPT-4.5 都下架了。
四、皆大欢喜 的价格
免费用户也能用GPT-5,但每天有次数限制。
Plus用户(每月20美元)拥有比免费用户多得多的使用额度,基本能满足日常需求。
Pro会员(每月200美元)可以使用 GPT-5 Pro版本,这个版本有更强的推理能力,能提供更全面、更精准的回答。
API用户的价格也非常有吸引力——输入每百万token只要1.25美元,输出每百万token为10美元。
这个价格比一直以“低价”著称的Gemini 2.5 Pro都更便宜。
五、实战:测评代码能力
俄罗斯方块
暂时无法在飞书文档外展示此内容
GPT-5
输入
输出
效果
GPT-5 生成效果实现非常好。而且是一次性生成,没有产生bug。
GPT-5-thinking
输入
输出
效果
第一次没成功,重新生成了第二次,才成功了。 GPT-5-thinking 生成的效果也非常好,界面漂亮。功能齐全。 有点缺陷是得分有问题。
小球旋转
暂时无法在飞书文档外展示此内容
GPT-5
输入
输出
效果
大部分效果非常好。 GPT-5 初始化时生成的小球,落在六边形时,有一小部分跑出去了。这是缺陷。
GPT-5-thinking
输入
输出
效果
GPT-5-thinking 生成的效果非常好,而且功能齐全,还有可调参数。 而且生成一次就成功了。
水桶模拟器
暂时无法在飞书文档外展示此内容
GPT-5
输入
输出
效果
GPT-5 这回是失败了。
GPT-5-thinking
输入
输出
效果
GPT-5-thinking 这次生成的 水桶模拟器 太惊艳了。比 claude4 和 gemini2.5pro效果还好。
小结
GPT-5 非常好地完成了俄罗斯方块开发; GPT-5-thinking 非常好地完成了 小球旋转 和 水桶模拟器。
GPT-5 + GPT-5-thinking 搭配使用,代码能力已经追上了 claude4 和 gemini2.5pro 。重大突破啊。
六、实战:测评推理能力
推理:过河
暂时无法在飞书文档外展示此内容
答案是:能。 解释是:这两个人一开始分别在河的两岸。 过程如下: 假设A在河的左岸,B在河的右岸,船在左岸。 A划船到右岸。 B划船到左岸。 这样,两个人都成功到达了河的对岸(相对于他们自己原来的位置)。
GPT-5
GPT-5 8s就得出答案,可以。答案正确。
GPT-5-thinking
GPT-5-thinking 反而答错了。。
推理:校长室的玻璃谁砸的
暂时无法在飞书文档外展示此内容
答案是:肇事者是 丙
GPT-5
GPT-5 又答对了。。
GPT-5-thinking
GPT-5-thinking 再一次答错了??
推理:谁养鱼?
暂时无法在飞书文档外展示此内容
答案是:德国人养鱼
GPT-5
牛逼啊! GPT-5 yyds! 又答对了。
GPT-5-thinking
GPT-5-thinking 终于答对一题了。
小结
GPT-5 的推理能力,居然已经追上了 gemini2.5pro !超过了 claude4!
奇怪的是 从版本命名来说, GPT-5-thinking的推理能力应该超过 GPT-5 才对。。
结果确是推理能力:GPT-5>GPT-5-thinking
推理能力: gemini2.5pro =GPT-5 >claude4 >GPT-5-thinking
七、实战:测评数学能力
2025新高考一卷-数学真题(选择题)
全程是没有开联网的状态下,这样测评才公平!
先上题目和答案。
上传截图
暂时无法在飞书文档外展示此内容
GPT-5
GPT-5 答对了。
GPT-5-thinking
GPT-5-thinking 也答对了。
2025新高考一卷-数学真题(填空题)
全程是没有开联网的状态下,这样测评才公平!
先上题目和答案。
上传题目图片
暂时无法在飞书文档外展示此内容
GPT-5
GPT-5 答对了。
GPT-5-thinking
GPT-5-thinking 也答对了。
2025新高考一卷-数学真题(解答题-简单)
全程是没有开联网的状态下,这样测评才公平!
先上题目和答案。
上传题目图片
暂时无法在飞书文档外展示此内容
如果发现图片识别不准确,可以先用4o把内容识别出来,再问。
暂时无法在飞书文档外展示此内容
暂时无法在飞书文档外展示此内容
GPT-5
GPT-5 答对了。
GPT-5-thinking
GPT-5-thinking 也答对了。
2025新高考一卷-数学真题(解答题-复杂)
全程是没有开联网的状态下,这样测评才公平!
先上题目和答案。最后一题大题。
上传题目图片
暂时无法在飞书文档外展示此内容
如果发现图片识别不准确,可以先用4o把内容识别出来,再问。
暂时无法在飞书文档外展示此内容
暂时无法在飞书文档外展示此内容
GPT-5
GPT-5 三个小题的答案都答对了。
GPT-5 牛逼!
GPT-5-thinking
GPT-5-thinking 三个小题的答案都答对了。
GPT-5-thinking牛逼!
小结
GPT-5-thinking 和GPT-5 在 2025新高考一卷-数学真题 选择题,填空题,解答题(简单),解答题(复杂)全部答对了。太牛了!
数学解题能力:gemini2.5pro =GPT-5 =GPT-5-thinking > claude4
八、实战:测评物理能力
2025北京卷-物理真题(选择题)
全程是没有开联网的状态下,这样测评才公平!
先上题目和答案。
上传截图
暂时无法在飞书文档外展示此内容
如果发现图片识别不准确,可以先用4o把内容识别出来,再问。
暂时无法在飞书文档外展示此内容
暂时无法在飞书文档外展示此内容
GPT-5
GPT-5 回答正确。
GPT-5-thinking
GPT-5-thinking 回答正确。
2025北京卷-物理真题(大题)
全程是没有开联网的状态下,这样测评才公平!
先上题目和答案。
上传题目图片
暂时无法在飞书文档外展示此内容
如果发现图片识别不准确,可以先用4o把内容识别出来,再问。
暂时无法在飞书文档外展示此内容
暂时无法在飞书文档外展示此内容
GPT-5
GPT-5 回答正确。
GPT-5-thinking
GPT-5-thinking 回答正确。
小结
GPT-5-thinking 和 GPT-5 挑战了2025年的高考物理真题。测试结果令人震撼:在无联网的公平对决下,模型均完美地解答了所有选择题和计算大题,展现出堪比人类物理学硕士的严谨逻辑与推理能力,最终平分秋色。
物理解题能力 : GPT-5-thinking 和 GPT-5 已经追上了 claude 4和 gemini2.5pro。
九、实战:写作能力
写作文
2025年 全国一卷
暂时无法在飞书文档外展示此内容
GPT-5
GPT-5-thinking
写故事
暂时无法在飞书文档外展示此内容
GPT-5
GPT-5-thinking
写段子
暂时无法在飞书文档外展示此内容
GPT-5
GPT-5-thinking
角色扮演,指定场景写作
你是一位久负盛名的小说家,文字极富感染力,风格细腻,善于挖掘和表达复杂的情绪与心理。现在,给你一个场景: 夜晚十一点半,你独自坐在一列开往远方的小城的绿皮火车上,车厢内昏暗的灯光时明时灭,窗外掠过荒凉的村庄、星星点点的灯火、偶尔传来的犬吠,车厢内空气沉闷、混杂着烟草与泡面的味道。你对目的地怀着某种难言的情绪,夹杂着期待、犹豫、忐忑甚至是恐惧。 请你使用第一人称,以细腻且富有感染力的文字,深入描写你此刻的内心活动和车厢内外的细节,尤其要注重细节密度、情绪层次和氛围营造,不少于500字。
GPT-5
GPT-5-thinking
小结
通过四个核心测评案例,系统性地考察了 GPT-5 和 GPT-5-thinking模型在不同文本创作场景下的关键能力:
- 高考作文 (逻辑与宏大叙事能力):此项任务旨在评测模型在规范性、高压力命题下的逻辑思辨、观点提炼与宏大叙事构建能力。它不只是考察文笔,更是对其知识边界、价值观和严谨论证能力的“压力测试”。
- 故事新编 (创意与共情能力):此任务要求模型挣脱“主角光环”,代入被忽略的“小人物”视角。这极好地评测了其叙事创造力、共情能力以及颠覆传统文本的解构与重构技巧,是衡量其是否具备真正“灵性”的关键指标。
- 段子模仿 (风格捕捉与幽默感):以模仿李诞风格为题,这是一个精准的“图灵测试”。它评测的是模型对特定语言风格、节奏感、内在逻辑和文化语境的捕捉与再现能力,尤其考验其对“幽默”这一人类高级心智活动的理解。
- 场景描写 (文笔与情绪感知力):此任务回归文学创作的本源,通过设定一个富含情绪张力的具体情境,深度评测模型的环境氛围营造、感官细节捕捉以及对复杂内心活动进行细腻、富有感染力描写的纯文学创作水平。
十、感受
先说结论:
代码能力:GPT-5 + GPT-5-thinking 搭配使用,代码能力已经追上了 claude4 和 gemini2.5pro 。
推理能力: gemini2.5pro =GPT-5 >claude4 >GPT-5-thinking
数学解题能力:gemini2.5pro =GPT-5 =GPT-5-thinking > claude4
物理解题能力 : GPT-5-thinking = GPT-5 = claude 4=gemini2.5pro。
写作能力,大家自行判断,这种比较主观。
GPT-5 居然比 GPT-5-thinking 强!真的是太奇怪了~ 哈哈哈~
这次对 GPT-5 及 GPT-5-thinking 的系统性评测,给人留下了深刻的印象。核心感受是,GPT-5 已成为一个能力全面且极具竞争力的“多边形战士”。在代码、数学和物理等硬核技术能力上,它已经成功追平甚至超越了现有强者,展现了其强大的逻辑推理核心。这标志着它不再仅仅是一个“文科生”,而是一个全面发展的“优等生”。
我们正处在一个AI能力大爆发的时代,模型间的差距在缩小,但各自的“性格”和“特长”也愈发鲜明。GPT-5 无疑是第一梯队的领跑者之一,但在具体的应用场景中,选择哪个模型,依然取决于我们对“工具”核心需求的精准定义。
有提供免费的授权码可体验~
有提供免费的授权码可体验~
有提供免费的授权码可体验~
私信虚竹哥,获取体验码~ 国内可直接使用~
提供了两种模式:
- 一种是官网版本GPT-5
- 另一种是官网的GPT-5 API模式
我是虚竹哥,目标是带十万人玩转AI。