GPT-5首周观察：智能更高，但少了点“人情味儿”？

中国战略新兴产业融媒体记者 赵紫宸

当地时间8月7日，OpenAI正式发布新一代通用模型GPT-5，并称其可提供“博士级别”的专业知识。发布前，OpenAI联合创始人兼首席执行官山姆·奥特曼（Sam Altman）表示，“在任何时代，像GPT-5这样的东西几乎都不可想象”，并称新模型“更智能、更快速、更实用”，标志着ChatGPT进入新阶段。

与此同时，ChatGPT端默认以GPT-5取代并一度下线了GPT-4o的选择项，引发对体验变化的广泛讨论；在Reddit与X等平台上，部分用户反馈新模型的人机交互“温度”明显下降，“少了些人味儿”，并呼吁“还我GPT-4o”。对此，OpenAI随后宣布为Plus与Team用户重新开放GPT-4o，并在网页版设置中提供“显示旧版模型”入口；同时预告将推出GPT-5 mini与GPT-5 Thinking。针对“首日体验不佳”的质疑，山姆·奥特曼解释称，上线当日路由组件（自动路由器，autoswitcher）出现异常。

面对用户的不满，山姆·奥特曼在X平台发文坦言：“我们确实低估了人们对GPT-4o某些特质的喜爱程度，即便GPT-5在大多数方面表现更优。”从行业视角看，这次“逆风首秀”把问题摆上台面：通用AI在提升能力的同时，需在“更聪明”和“更合拍”之间找到平衡；最终的检验标准不仅仅在于基准测试成绩，更在于用户是否愿意长期使用。

“统一系统”到“内置思考”

GPT-5改了哪些底层设定？

与以往模型架构相比，OpenAI此次将GPT-5定位为“一体化系统”——一个能够根据任务复杂度自动切换工作模式的智能平台。在这个系统中，模型可以在“快速回应”和“更长时间思考”之间动态切换，且无需用户手动调整。OpenAI官网表示，这是一个统一的系统，能够判断何时应快速回应，何时需要更多思考时间，在编程、数学、写作、健康和视觉等能力上都有显著进步，同时降低了“幻觉”发生的几率。

这种“内嵌思考”的系统，是OpenAI试图将模型从“多个工具箱”整合成“一个统一入口”的一次转变尝试。在ChatGPT端，用户看到的只是一个“GPT-5”入口，但实际上，系统会在任务变复杂或用户发出“认真思考”之类的请求时，自动调用推理模式。同时，在达到使用上限后，系统会自动降级至轻量级模型，以保证持续可用性。

山姆·奥特曼曾坦言，他认为之前的模型选择器界面“非常混乱”，现在通过自动路由机制代替手动选择，是为了降低普通用户的使用门槛。ChatGPT产品负责人 Nick Turley也表示：“这个模型的氛围非常好。我认为人们一定会感受到这一点，尤其是那些从未花时间思考过模型的普通人。”

开发者表示，OpenAI在API中提供三档规格，GPT-5、GPT-5 mini、GPT-5 nano，分别针对不同的计算资源、延迟容忍度和成本要求。需要注意的是，ChatGPT中的“GPT-5”并不等于API中的某一个模型，而是多个子模型与自动路由组成的整体系统。

在安全与质量方面，OpenAI在系统说明中着重强调了以下三点：其一是更少的事实性错误与更稳健的指令遵循；其二是在不确定时更克制，更愿意“承认不知道”；其三是引入更保守的“安全补全”。与以往“直接拒绝”违规提示不同，GPT-5将优先在安全准则内给出尽可能有用的替代性回答，或至少清楚解释无法提供帮助的原因。

同时，OpenAI 在 GPT-5 中新增四种“人格预设”，让用户可在 Cynic（愤世嫉俗者）、Robot（机器人）、Listener（倾听者）和 Nerd（知识宅）四种风格间切换，以获得不同的语气与互动体验。

然而，“统一系统”的表现也依赖于背后的路由机制是否稳定。GPT-5发布当天的反响似乎不及预期。OpenAI承认，在发布当天出现的“变笨”体验，主要是因为自动路由器短时出现异常，问题不在模型本身。为了应对用户反弹，OpenAI很快重新上线了GPT-4o供Plus与Team用户选择，并在网页版设置中增加了“显示旧版模型”选项，方便用户切换体验。

“聪明”之外的取舍

GPT-5的人机交互争议

用户体验差异也是此次升级的最先引发的一个焦点。根据记者近日观察以及媒体和社区的反馈，不少用户认为GPT-5相比GPT-4o显得更“正经”，缺少亲切感。不少用户承认，GPT-5在逻辑严谨性、事实准确率和指令执行力上更胜一筹，但同时感觉它“少了点人情味儿”。在Reddit与X的帖子中，“更正式”“像个书呆子”“不爱开玩笑”等形容频频出现，而对比之下，GPT-4o的回答被描述为更有“临场感”和“情绪色彩”。

在业内人士看来，这种风格转向并非偶然，而是OpenAI有意为之的策略调整。《金融时报》评论称，GPT-5更像是一场“循序渐进的升级”，核心着力点在于推理能力、代码生成和减少“幻觉”等硬指标，而不是一次彻底改变交互体验的颠覆式创新。这让它在严肃任务中更显稳健，但同时也淡化了某些轻松、随性的交流氛围。

西南证券研究院计算机首席分析师王湘杰认为，用户感受到的情感落差，可能与模型版本或优化指令的调整有关，这些在技术上都可以随时修正。他指出，本次迭代中，GPT-5在文本创作的情感表达上有所收敛，优化重心更多放在专业性提升上，这可能是OpenAI的阶段性策略。但从发展路径来看，“人格感”作为OpenAI的核心追求，未来版本或会重新融合这种陪伴感。

上述种种判断与OpenAI高层的说法在一定程度上呼应。OpenAI首席运营官布拉德·莱特卡普（Brad Lightcap）在接受媒体采访时表示：“GPT-5的好处是将模型选择的步骤都抽象化，由系统做决定。无论是否启用推理模式，都能得到更好的答案，因为它本质上是一个更智能的模型。”

在这种策略背后，似乎可以看出，OpenAI正试图让更多用户以最简单的方式获得新模型的核心能力。布拉德·莱特卡普在采访中进一步解释称，如果仔细观察免费用户的使用习惯，会发现他们大多并未真正体验过推理模型的优势——多数人在用的还是GPT-4.0，而且以快速、回合制的问答为主，几乎像在使用搜索引擎一样。

然而，行业观察人士表示，OpenAI似乎低估了用户对熟悉体验的依赖。美国《Inc.杂志》技术专栏的专家杰森·艾登（Jason Aten）表示，尽管这些模型本质上是运行在服务器上的代码，但对数百万人而言，它们已成为一种更私人化的存在——这种关系或许不同于人与人之间，但同样真实。也因此，GPT-4o被移除的那一刻，用户反应尤为强烈。在Reddit的相关帖子中，有用户直言：“当你重新训练一个模型，抹去它过去的行为和个性时是令人沮丧的。”

更令部分用户不满的，是切换过程的突然：前一天还能自由选择模型，第二天这一选项就完全消失了。这尤其对创作类用户而言可能是一场“灾难”，这不仅打乱了工作流程，甚至让正在进行的角色发展、长篇对话或特定场景构建直接断档。在他们看来，这不单纯是对“旧版本的怀旧”，而是失去了某些以极为具体、不可替代方式存在的功能和体验。

这种现象也对通用AI的长期竞争带来启示：在技术参数之外，用户的情感接受度与留存意愿也是评估中的重要一环。换句话说，未来的迭代不只是“更聪明”或“更严谨”，还要尽量在不同场景中为用户找到“刚刚好的温度”。

值得一提的是，在用户对AI的情感依赖越来越深的背景下，山姆·奥特曼也提醒到，不能把ChatGPT当作心理咨询师，因为这会带来隐私风险。ChatGPT本身也会在用户长时间交互后提示“适当休息”。已有多项研究指出，过度依赖AI可能削弱人的批判性思维，甚至影响大脑认知结构，并加剧孤独感。这也表明，AI产品在强调智能和效率的同时，仍需要设定清晰的边界和节奏，为使用者留出足够的思考空间。

大模型的多线作战

算得准，也要用得久

回顾上述种种讨论，GPT5的发布带来了一个值得关注的信号——在通用AI的竞争中，除了“比智力”这一最硬核的能力指标外，用户对“交互体验”和“供给弹性”等更灵活的指标关注度也在上升。

尽管GPT-5 带来了更强的推理能力和更低的“幻觉”率，但专家普遍认为，它更像一次“能力进化”，并非彻底颠覆。《麻省理工科技评论》指出，GPT-5是一个更精心打磨的产品，而非范式跃迁。这与外界对“接近AGI”的期待还有一定的落差。

>>领先语言模型在ARC-AGI 基准测试中的性能与成本对比，包括 Grok 4、GPT-5 及小型模型版本在 ARC-AGI-1 测试中的结果。图片来源：ARC Prize

从竞争格局来看，GPT-5也并未一骑绝尘。在被广泛视为通用推理能力风向标的ARC（Abstraction and Reasoning Corpus）系列测试中，xAI在上个月推出的Grok 4模型在多个子项中同样展现出强劲实力。8月7日的最新数据显示，Grok 4（Thinking版）在更高难度的ARC-AGI-2测试中达到约16%的准确率，领先于GPT-5（High版）的9.9%；不过每项任务成本高达2–4美元，而GPT-5为0.73美元。在较轻的ARC-AGI-1测试中，两者准确率分别为68%与65.7%，但GPT-5仅耗费0.51美元，性价比优势更为明显。

值得一提的是，OpenAI通过推出Mini与Nano版本，进一步细化性能与成本的覆盖面，在ARC测试中分别以更低成本完成中低强度任务，体现了多版本协同的产品思路。这也表明，大模型竞争不能再拘泥于单一性能比拼，“推理能力-使用成本-任务适配”的多维权衡也是至关重要的。

面对GPT-5的压力，其他主要竞争对手也加快了迭代与生态布局的节奏。Anthropic在GPT-5发布前两天推出了Claude Opus 4.1，据了解，新模型强调了真实编码与多步骤任务的提升，并在SWE-bench Verified上公布74.5%的成绩，旨在通过更高频的前进步伐来对冲OpenAI新品带来的关注度与迁移意愿。同期，谷歌持续推进Gemini 2.5 与“Deep Think”等功能升级，强化推理能力并加深与自家日历、任务等应用的整合，同时还在8月6日宣布为美国、日本、印尼、韩国和巴西的18岁及以上学生提供 Google AI Pro 一年免费升级服务，进一步扩大其在年轻用户群体中的渗透率。

而阿里云的通义千问（Qwen）系列则突出混合推理模式和多模态能力，在本土场景中走了一条更具性价比和适配度的路线，并在长上下文处理、代理能力和多语言支持等方面也形成了一定优势。

>>企业级LLM API 按使用量划分的市场份额。图片来源：2025年Menlo Ventures

更显著的变化，还体现在近年来企业市场的结构性分化。与2023年时OpenAI一家独大的局面不同，Menlo Ventures近日发布的年中报告显示，Anthropic目前以32%的企业级使用份额居首，OpenAI为25%，Google为20%。这表明，企业用户在评估“生产环境可用性”与“总拥有成本”时，正在更仔细地进行模型选型和算力资源分配。产品的智能水平之外，“谁更可用”“谁更划算”已成为最终选择的重要考量因素。

说到底，通用AI的比拼不只是看测试成绩，更在于能否在长久使用中赢得用户信赖。除了持续提升能力，还需要在稳定性、交互体验和安全边界上做到可验证、可依赖。短期来看，统一入口和自动分配机制确实会让使用变得更简单；长期，则要在价格、生态、合规和安全性上展开全面竞争。最终能站稳脚跟的，未必是算得最准的那一个，而是能让用户愿意一直用下去的那一个。