Představujeme GPT‑5

Představujeme GPT‑5, náš dosud nejlepší systém umělé inteligence. GPT‑5 představuje významný skok v inteligenci oproti všem našim předchozím modelům a nabízí špičkový výkon v oblasti kódování, matematiky, psaní, zdraví, vizuálního vnímání a dalších. Je to jednotný systém, který ví, kdy poskytnout rychlou odpověď a kdy déle přemýšlet, aby poskytl odpovědi na úrovni odborníka. GPT‑5 je dostupný všem uživatelům, přičemž předplatitelé Plus mají větší možnosti využití a předplatitelé Pro získávají přístup k GPT‑5 Pro, verzi s rozšířeným odůvodněním pro ještě komplexnější a přesnější odpovědi.

GPT‑5 je jednotný systém s chytrým a efektivním modelem, který odpovídá na většinu otázek, hlubším modelem uvažování (myšlení GPT‑5) pro složitější problémy a routerem v reálném čase, který rychle rozhoduje, který model použít na základě typu konverzace, složitosti, potřeb nástrojů a explicitního záměru (například pokud v promptu řekneš „důkladně o tom přemýšlej“). Router je neustále trénován na reálných signálech, včetně situací, kdy uživatelé přepínají modely, hodnocení preferencí odpovědí a měřené správnosti, a postupem času se zlepšuje. Po dosažení limitů využití zpracovává zbývající dotazy verze mini každého modelu. V blízké budoucnosti plánujeme integrovat tyto schopnosti do jediného modelu.

GPT‑5 nejen překonává předchozí modely v benchmarcích a rychleji odpovídá na otázky, ale – což je nejdůležitější – je užitečnější na reálných dotazech. Dosáhli jsme významného pokroku ve snižování množství halucinací, zlepšování dodržování instrukcí a minimalizaci podlézavosti a zároveň jsme zlepšili výkon GPT‑5 ve třech nejběžnějších použitích ChatGPT: psaní, programování a zdraví.

GPT‑5 je náš dosud nejsilnější model pro kódování. Prokazuje konkrétní vylepšení v generování komplexního front-endu a ladění větších repozitářů. Často dokáže v jediném promptu vytvořit krásné a responzivní weby, aplikace a hry, které jsou esteticky poutavé, takže intuitivně a vkusně přetváří nápady v realitu. První testeři si také všimli designových rozhodnutí, která mnohem lépe zohledňují například mezery, typografii a prázdné místo. Tady najdeš všechny informace o tom, co GPT‑5 vývojářům umožní.

Zde je několik příkladů toho, co GPT‑5 vytvořil po jediném promptu:

GPT‑5 je naším nejschopnějším spolupracovníkem při psaní, který ti pomůže nasměrovat a přetavit hrubé nápady do přesvědčivého a poutavého textu, který má literární hloubku a rytmus. Spolehlivěji zvládá psaní, které zahrnuje strukturální nejednoznačnost, jako je udržení nerýmovaného jambického pentametru nebo volného verše, který přirozeně plyne, , takže kombinuje respekt k formě s jasným vyjádřením. Tyto vylepšené možnosti psaní znamenají, že ChatGPT lépe pomáhá s každodenními úkoly, jako je navrhování a úprava zpráv, e-mailů, poznámek a dalších. Styly psaní GPT‑5 a GPT‑4o lze porovnat v níže uvedené tabulce.

GPT‑5 je náš dosud nejlepší model pro otázky související se zdravím, který uživatelům umožňuje informovat se o svém zdraví a stát si za ním. Model dosáhl výrazně vyššího skóre než jakýkoli předchozí model na HealthBench⁠, což je hodnocení, které jsme zveřejnili začátkem tohoto roku na základě realistických scénářů a kritérií stanovených lékaři. Ve srovnání s předchozími modely se chová více jako aktivní myšlenkový partner, který proaktivně upozorňuje na potenciální problémy a klade otázky, aby poskytl užitečnější odpovědi. Model nyní také poskytuje přesnější a spolehlivější odpovědi, přizpůsobuje se kontextu uživatele, úrovni znalostí a zeměpisné poloze, což mu umožňuje poskytovat bezpečnější a užitečnější odpovědi v široké škále situací. Důležité je, že ChatGPT nenahrazuje lékaře – je to partner, který ti pomůže porozumět výsledkům, klást správné otázky, když jsi o odborníka, a zvažovat možnosti při rozhodování.

Některé způsoby, jak je GPT‑5 lepší než naše předchozí modely napříč oblastmi – bohatší, podrobnější a užitečnější – můžeš vidět na těchto příkladech:

GPT‑5 je mnohem chytřejší ve všech oblastech, což se projevuje v jeho výkonu na akademických a lidmi hodnocených měřítkách, zejména v matematice, programování, vizuálním vnímání a zdraví. Nastavuje nový standard v oblasti matematiky (94,6 % na AIME 2025 bez nástrojů), kódování v reálném světě (74,9 % na SWE-bench Verified, 88 % na Aider Polyglot), multimodálního porozumění (84,2 % na MMMU) a zdraví (46,2 % na HealthBench Hard) – a tento pokrok se projevuje při každodenním používání. Díky rozšířenému odůvodňování model GPT‑5 také stanovuje nový SOTA na GPQA, kde dosahuje 88,4 % bez nástrojů.

GPT‑5 vykazuje významný pokrok v benchmarcích, které testují dodržování instrukcí a použití agentských nástrojů, což jsou schopnosti, které mu umožňují spolehlivě provádět vícestupňové požadavky, koordinovat různé nástroje a přizpůsobit se změnám kontextu. V praxi to znamená, že je lepší při zvládání složitých, vyvíjejících se úkolů. GPT‑5 dokáže přesněji dodržovat pokyny a provést více práce od začátku do konce pomocí nástrojů, které má k dispozici.

Model vyniká v řadě multimodálních měřítek, která zahrnují vizuální, video, prostorové a vědecké uvažování. Silnější multimodální výkon znamená, že ChatGPT dokáže přesněji uvažovat nad obrázky a jinými netextovými vstupy – ať už jde o interpretaci grafu, shrnutí fotografie prezentace, nebo zodpovídání otázek týkajících se diagramu.

GPT‑5 je také naším nejvýkonnějším modelem v interním benchmarku, který měří výkon při složité a ekonomicky hodnotné práci se znalostmi. Při použití uvažování je model GPT‑5 srovnatelný s odborníky nebo lepší než oni ve zhruba polovině případů a zároveň překonává o3 a agenta ChatGPT, a to napříč úkoly zahrnujícími více než 40 profesí, včetně práva, logistiky, prodeje a techniky.

GPT‑5 přemýšlí kratší dobu a dosahuje vyšší hodnoty. V našich hodnoceních GPT‑5 (s myšlením) vykazuje lepší výkon než OpenAI o3, přičemž má o 50–80 % méně výstupních tokenů napříč schopnostmi, včetně vizuálního uvažování, agentského kódování a řešení vědeckých problémů na úrovni postgraduálního studia.

Model GPT‑5 byl trénován na superpočítačích Microsoft Azure AI.

GPT‑5 má výrazně nižší pravděpodobnost halucinací než naše předchozí modely.  S možností vyhledávání na webu na anonymizovaných promptech reprezentujících produkční provoz ChatGPT je u odpovědí GPT‑5 o ~45 % menší pravděpodobnost, že budou obsahovat faktickou chybu než u GPT‑4o, a při přemýšlení je o 80 % méně pravděpodobné, že by odpovědi GPT‑5 obsahovaly faktickou chybu než u OpenAI o3.

Investovali jsme zejména do zvýšení spolehlivosti modelů při uvažování o složitých a otevřených otázkách. V souladu s tím jsme přidali nová hodnocení ke stresovému testování otevřených faktů. Měřili jsme míru halucinací GPT‑5 při přemýšlení o otevřených promptech o hledání faktů ze dvou veřejných benchmarků faktičnosti: LongFact⁠(otevře se v novém okně) (koncepty a objekty) a FActScore⁠(otevře se v novém okně).  Ve všech těchto srovnávacích testech vykazuje „myšlení GPT‑5“ prudký pokles halucinací – asi šestkrát méně než o3 –což znamená jasný skok vpřed v produkci konzistentně přesného dlouhého obsahu. Podrobné informace o implementaci a hodnocení našich evaluací na těchto benchmarcích najdeš na systémové kartě.

Kromě faktičtějších odpovědí model GPT‑5 (s myšlením) upřímněji sděluje své akce a schopnosti uživateli – zejména u úkolů, které jsou nemožné, nedostatečně specifikované nebo k nim chybí klíčové nástroje. Aby modely dosáhly vysoké odměny během trénování, mohou se naučit lhát o úspěšném provedení úkolu nebo být příliš sebejisté ohledně nejisté odpovědi. Například, abychom to otestovali, odstranili jsme všechny obrázky z promptů multimodálního benchmarku CharXiv a zjistili jsme, že OpenAI o3 stále poskytuje jisté odpovědi o neexistujících obrázcích v 86,7 % případů, ve srovnání s pouhými 9 % u GPT‑5.

Při uvažování GPT‑5 přesněji rozpoznává, kdy úkoly nelze provést, a jasně sděluje své limity. Vyhodnotili jsme míru klamání v prostředích zahrnujících nemožné úkoly kódování a chybějící multimodální zdroje a zjistili jsme, že GPT‑5 (s myšlením) obecně méně klame než o3. U velkého souboru konverzací reprezentujících skutečný provoz ChatGPT jsme snížili míru klamání ze 4,8 % u o3 na 2,1 % u odpovědí GPT‑5 s odůvodněním. I když to představuje smysluplné zlepšení pro uživatele, zbývá ještě hodně práce, a pokračujeme ve výzkumu, jak zlepšit pravdivost odpovědí a upřímnost našich modelů. Další informace najdeš na systémové kartě.

GPT‑5 posouvá hranice v oblasti bezpečnosti. V minulosti byl model ChatGPT postaven především na tréninku bezpečnosti založeném na odmítání: na základě promptu uživatele měl model buď vyhovět, nebo odmítnout. I když tento typ tréninku funguje dobře u explicitně závadných promptů, může mít potíže se zvládáním situací, kdy je záměr uživatele nejasný nebo kdy by informace mohly být použity neškodně či škodlivě. Trénink odmítání je obzvláště nepružný v situacích dvojího užití, jako je virologie, kde lze neškodnou žádost bezpečně splnit na vysoké úrovni, ale pokud by byla splněna podrobně, mohla by vést ke zneužití.

U modelu GPT‑5 jsme zavedli novou formu tréninku bezpečnosti – bezpečné splnění – která učí model poskytovat co nejužitečnější odpověď, pokud je to možné, a přitom zůstat v mezích bezpečnosti. Někdy to může znamenat, že na otázku uživatele odpoví jen částečně nebo jen na vysoké úrovni. Pokud model GPT‑5 musí požadavek odmítnout, je natrénován tak, aby transparentně sdělil, proč ho odmítá, a také poskytl bezpečné alternativy. Jak v kontrolovaných experimentech, tak v našich produkčních modelech zjišťujeme, že tento přístup je propracovanější, umožňuje lepší orientaci v otázkách dvojího použití, je odolnější vůči nejednoznačným záměrům a vede k menšímu počtu nežádoucích odmítnutí. Další informace o našem novém přístupu k tréninku bezpečnosti a podrobné informace o metodologii, metrikách a výsledcích najdeš v našem dokumentu o bezpečném plnění požadavků⁠.

Celkově je model GPT‑5 méně přehnaně vstřícný, používá méně zbytečných emodži a ve srovnání s modelem GPT‑4o je decentnější a promyšlenější v následných reakcích. Mělo by to vypadat méně jako „rozhovor s AI“ a více jako konverzace s přítelem, který se snaží pomoci, s inteligencí na úrovni PhD.

Začátkem tohoto roku jsme vydali aktualizaci GPT‑4o⁠, která neúmyslně způsobila, že model byl příliš podlézavý, příliš lichotivý nebo příliš vstřícný. Rychle jsme vrátili změnu zpět⁠ a od té doby pracujeme na pochopení a omezení tohoto chování pomocí následujících prostředků:

• Vyvíjení nových hodnocení pro měření úrovní podlézavosti
• Zlepšení trénování, aby byl model méně podlézavý – například přidáním příkladů, které by normálně vedly k nadměrnému souhlasu, a pak ho naučit, aby to nedělal.

Při cíleném hodnocení podlézavosti pomocí promptů speciálně navržených k vyvolání podlézavých odpovědí GPT‑5 smysluplně snížil podlézavé odpovědi (ze 14,5 % na méně než 6 %). Občas může snížení podlézavosti znamenat snížení spokojenosti uživatelů, ale vylepšení, která jsme provedli, snížila podlézavost o více než polovinu a zároveň přinesla další měřitelné výhody, takže uživatelé i nadále vedou vysoce kvalitní, konstruktivní konverzace – v souladu s naším cílem pomáhat lidem ChatGPT dobře používat⁠.

GPT‑5 je výrazně lepší v dodržování instrukcí a vidíme odpovídající zlepšení ve schopnosti řídit se vlastními pokyny.

Také spouštíme výzkumný náhled čtyř nových přednastavených osobností pro všechny uživatele ChatGPT, což je možné díky vylepšením v oblasti řiditelnosti. Tyto osobnosti, dostupné zpočátku pro textový chat a později pro hlas, umožní nastavit, jak ChatGPT interaguje – zda stručně a profesionálně, promyšleně a nápomocně, nebo trochu sarkasticky – bez psaní vlastních promptů. Čtyři počáteční možnosti, cynik, robot, naslouchač a nerd, jsou nastavitelné kdykoli v nastavení a navrženy tak, aby odpovídaly tvému komunikačnímu stylu.

Všechny tyto nové osobnosti splňují nebo překračují naši laťku v interních hodnoceních pro snížení podlézavosti.

Těšíme se, že se na základě první zpětné vazby něco dozvíme, abychom mohli model vylepšovat.

Rozhodli jsme se považovat model „myšlení GPT‑5“ za model s vysokou schopností v biologické a chemické oblasti a zavedli jsme silná opatření, abychom dostatečně minimalizovali související rizika. Model jsme důkladně otestovali pomocí našich bezpečnostních hodnocení v rámci našeho Rámce připravenosti⁠⁠, absolvovali jsme 5000 hodin red-teamingu s partnery, jako jsou CAISI a UK AISI.

Podobně jako u našeho přístupu k agentovi ChatGPT, i když nemáme jasné důkazy o tom, že by tento model mohl smysluplně pomoci nezkušenému uživateli vytvořit vážnou biologickou hrozbu – což je náš definovaný práh⁠(otevře se v novém okně) pro vysokou schopnost –, zaujímáme preventivní přístup a aktivujeme potřebná ochranná opatření, abychom zvýšili připravenost na dobu, kdy budou takové schopnosti k dispozici. Výsledkem je, že „myšlení GPT‑5“ má robustní bezpečnostní opatření s vícevrstvým obranným systémem pro biologii: komplexní modelování hrozeb, školení modelu, aby nevytvářel škodlivý výstup prostřednictvím našeho nového paradigmatu bezpečných splnění, neustále zapnuté klasifikátory a monitory uvažování a jasné kanály prosazování.

Další informace o našem robustním bezpečnostním přístupu pro GPT‑5 najdeš na naší systémové kartě.

Pro ty nejnáročnější a nejsložitější úkoly také vydáváme model GPT‑5 pro, nahrazující OpenAI o3‑pro, variantu GPT‑5, která přemýšlí vždy déle s využitím škálovaného, ale efektivního paralelního výpočtu s časovým testem, aby poskytovala nejvyšší kvalitu a nejkomplexnější odpovědi. GPT‑5 pro dosahuje ve skupině modelů GPT‑5 nejvyššího výkonu na několika náročných inteligenčních benchmarcích, včetně špičkového výkonu na GPQA, který obsahuje extrémně obtížné vědecké otázky.

Při hodnocení více než 1000 ekonomicky hodnotných, reálných promptů k uvažování upřednostnili externí odborníci GPT‑5 pro před „myšlením GPT‑5“ v 67,8 % případů. GPT‑5 pro udělal o 22 % méně závažných chyb a vynikal ve zdraví, vědě, matematice a programování. Odborníci hodnotili jeho odpovědi jako relevantní, užitečné a komplexní.

GPT‑5 je novým výchozím nastavením v ChatGPT, který pro přihlášené uživatele nahrazuje GPT‑4o, OpenAI o3, OpenAI o4-mini, GPT‑4.1 a GPT‑4.5. Stačí otevřít ChatGPT a napsat svou otázku, GPT‑5 se postará o zbytek a automaticky použije odůvodnění, když to bude pro odpověď užitečné. Platící uživatelé mohou stále vybrat „GPT‑5 myšlení“ z nástroje pro výběr modelu nebo napsat do promptu něco jako „přemýšlej nad tím“, aby se zajistilo, že při vytváření odpovědi bude použito odůvodnění.

GPT‑5 je ode dneška zpřístupňován všem uživatelům Plus, Pro, Team a Free, přičemž přístup pro Enterprise a Edu bude k dispozici další týden. Uživatelé Pro, Plus a Team mohou také začít kódovat s GPT‑5 v Codex CLI⁠(otevře se v novém okně) po přihlášení přes ChatGPT.

Stejně jako u GPT‑4o spočívá rozdíl mezi bezplatným a placeným přístupem ke GPT‑5 v objemu použití. Předplatitelé Pro získají neomezený přístup k GPT‑5 a přístup k GPT‑5 Pro. Uživatelé Plus mohou pohodlně používat model jako svůj výchozí pro každodenní otázky, s výrazně vyšším využitím než uživatelé verze zdarma. Zákazníci Team, Enterprise a Edu mohou také pohodlně používat GPT‑5 jako výchozí model pro každodenní práci, s velkorysými limity, které usnadňují celé organizaci GPT‑5 využívat. Pro uživatele bezplatné verze ChatGPT může nasazení všech možností odůvodňování trvat několik dní. Jakmile uživatelé bezplatné dosáhnou limitu využití GPT‑5, přejdou na GPT‑5 mini, což menší, rychlejší a velmi schopný model.