GPT-5大提升，o3对抗赛夺冠，但OpenAI越来越难让人惊艳了？,gpt3介绍
（文/观察者网 张广凯 编辑/吕栋）
北京时间8月8日凌晨，备受期待的OpenAI最新大模型ChatGPT-5终于正式发布，就在同时，谷歌举办的首届大模型国际象棋对抗赛中，o3也以4-0完胜Grok 4夺冠。这本该是对OpenAI双喜临门的一天，但作为一款关注度如此之高的产品，网友也很快发现了GPT-5的一些小小的瑕疵。
尽管大模型的能力仍然在快速进步，但其进步幅度越来越难以给人带了惊艳感了。这不是OpenAI自己的问题，甚至某种意义上，这也不是一件坏事，因为是之前人们的预期已经被拉到过高。但无论如何，在现有的算法范式下，AI大模型或许也离瓶颈越来越近了。
GPT-5水平如何？
作为OpenAI今年最受期待又屡屡跳票的重磅产品，ChatGPT-5今天的确给出了一些颇具说服力的测评数据，证明其推理能力有着显著进步。
例如，在数学能力测试AIME 2025上，GPT-5 Pro在开启推理模式并调用工具（Python）的情况下，拿下满分成绩。即使不调用工具，GPT-5 Pro仍能拿下96.7的高分，GPT-5标准版也能拿到94.65分，显著高于o3的88.9分。
编程方面，GPT-5在SWE-bench Verified上得到74.9分，高于o3的69.1和4o的30.8分。
博士水平的科学知识测试GPQA Diamond中，不调用工具的GPT-5 Pro推理模式拿到88.4分，创造新纪录。
多模态方面，GPT-5得到84.2分，比o3的82.9分有小幅提升。
高难度的Humanity's Last Exam（人性终极测试）上，GPT-5 Pro和GPT-5在不调用工具时分别得到30.7和24.8分，较o3的14.7分大幅提升。
这些数据都证明，GPT-5算得上是一次成功的大版本升级。
但另人尴尬的是，在发布会后，网友迅速发现GPT-5在解一道极其简单的方程时又犯了计算错误：
看起来，GPT-5还是没能解决小数比大小的问题。
而OpenAI发布会PPT里的小瑕疵，也引起了网友热议。大家发现在这张图表里，柱状图的高度出现了明显错误，但并不知道这是人为错误还是由AI生成。
马斯克则“嘴硬”称，Grok 4在ARC-AGI测试中仍然打败了GPT-5。
做题好是不是真的好？
例如在第一局中，Grok 4莫名其妙地放弃了自己的象，并且没有获得任何明显的回报，而Grok 4也并未在推理中说明理由。
或许有人会质疑，让AI下棋究竟能证明什么？AI对抗赛的胜负，是不是仅仅取决于它们使用了多大规模的训练数据？DeepSeek下棋不好，但是作诗是不是更好？
事实上，如果只纠结于下棋或者作诗的技能水平，说明并未理解谷歌采用这种比赛形式的逻辑。
如果大模型在接受了大量棋谱训练之后，体现出高超棋力，这只能证明AI的记忆力或者算力强大，而这件事在2017年就已经被AlphaGo证明过了。
因为无论是AlphaGo也好，还是计算工具也好，这样的AI在特定任务中无比强大，但是却毫无泛化性，不能解决任何其它问题。只有使用人类逻辑推理的模型，才能在人类世界中拥有最好的泛化性。