Το GPT‑5 είναι εδώ!
Το πιο έξυπνο, γρήγορο και χρήσιμο μοντέλο μας μέχρι σήμερα, με ενσωματωμένη σκέψη, που χαρίζει σε όλους ευφυΐα εξειδικευμένου επιπέδου.
Παρουσιάζουμε το GPT‑5, το καλύτερο σύστημα ΤΝ μας μέχρι σήμερα. Το GPT‑5 αποτελεί ένα σημαντικό άλμα στη νοημοσύνη σε σχέση με όλα τα προηγούμενα μοντέλα μας, με εξαιρετικές επιδόσεις στον προγραμματισμό, τα μαθηματικά, τη σύνταξη κειμένου, τα θέματα υγείας, την οπτική αντίληψη και πολλά άλλα. Πρόκειται για ένα ενιαίο σύστημα που γνωρίζει πότε να απαντά γρήγορα και πότε να σκέφτεται περισσότερο, προκειμένου να δώσει απαντήσεις εξειδικευμένου επιπέδου. Το GPT‑5 είναι διαθέσιμο σε όλους τους χρήστες, με τους συνδρομητές Plus να απολαμβάνουν υψηλότερα όρια χρήσης και τους συνδρομητές Pro να έχουν πρόσβαση στο GPT‑5 pro, μια έκδοση με εκτεταμένη συλλογιστική, για ακόμη πιο ολοκληρωμένες και ακριβείς απαντήσεις.
Το GPT‑5 είναι ένα ενιαίο σύστημα με ένα έξυπνο, αποδοτικό μοντέλο που απαντά στις περισσότερες ερωτήσεις, ένα μοντέλο βαθύτερης συλλογιστικής (GPT‑5 thinking) για πιο δύσκολα προβλήματα και έναν δρομολογητή σε πραγματικό χρόνο που αποφασίζει γρήγορα ποιο μοντέλο να χρησιμοποιήσει με βάση τον τύπο συζήτησης, την πολυπλοκότητα, τις ανάγκες σε εργαλεία και την πρόθεσή σας (για παράδειγμα, αν πείτε «σκέψου το καλά» στην προτροπή). Ο δρομολογητής εκπαιδεύεται συνεχώς με βάση πραγματικές ενδείξεις, όπως όταν οι χρήστες αλλάζουν μοντέλα, ποσοστά προτίμησης για απαντήσεις και μετρημένη ακρίβεια, και βελτιώνεται με τον καιρό. Μόλις συμπληρωθούν τα όρια χρήσης, μια μίνι έκδοση κάθε μοντέλου αναλαμβάνει τα υπόλοιπα ερωτήματα. Σύντομα, σχεδιάζουμε να ενσωματώσουμε αυτές τις δυνατότητες σε ένα ενιαίο μοντέλο.
Το θέμα δεν είναι ότι το GPT‑5 υπερέχει στους δείκτες αξιολόγησης σε σχέση με τα προηγούμενα μοντέλα ή ότι απαντά στις ερωτήσεις πιο γρήγορα. Το πιο σημαντικό είναι ότι αποδεικνύεται χρήσιμο σε ερωτήματα του πραγματικού κόσμου. Έχουμε κάνει σημαντικά βήματα στο θέμα των παραισθήσεων, βελτιώνοντας την ικανότητα του μοντέλου να ακολουθεί οδηγίες και ελαχιστοποιώντας την υποτακτική του συμπεριφορά απέναντι στον χρήστη, ενισχύοντας παράλληλα την απόδοση του GPT‑5 σε τρία από τα πιο κοινά σενάρια χρήσης του ChatGPT: τη σύνταξη κειμένου, τον προγραμματισμό και τα ιατρικά θέματα.
Το GPT‑5 είναι το ισχυρότερο μοντέλο μιας για προγραμματισμό μέχρι σήμερα. Σημειώνει συγκεκριμένες βελτιώσεις στη σύνθετη δημιουργία που βλέπει ο χρήστης και στην αποσφαλμάτωση μεγαλύτερων αποθετηρίων. Συχνά δημιουργεί όμορφες και ευέλικτες ιστοσελίδες, εφαρμογές και παιχνίδια με αισθητική ευαισθησία, με μία μόνο προτροπή, δίνοντας ζωντάνια σε ιδέες, διαισθητικά και με καλαισθησία. Τα πρώτα άτομα που το δοκίμασαν παρατήρησαν επίσης τις σχεδιαστικές του επιλογές: επιδεικνύει πολύ καλύτερη κατανόηση σε θέματα όπως τα διαστήματα στις λέξεις, τα τυπογραφικά λάθη και τα λευκά κενά μεταξύ των στοιχείων. Ανατρέξτε εδώ για όλες τις λεπτομέρειες σχετικά με τους δρόμους που ανοίγει το GPT‑5 για τους προγραμματιστές.
Ακολουθούν μερικά παραδείγματα από δημιουργίες του GPT‑5 με μία μόνο προτροπή:
Prompt: Create a single-page app in a single HTML file with the following requirements:
- Name: Jumping Ball Runner
- Goal: Jump over obstacles to survive as long as possible.
- Features: Increasing speed, high score tracking, retry button, and funny sounds for actions and events.
- The UI should be colorful, with parallax scrolling backgrounds.
- The characters should look cartoonish and be fun to watch.
- The game should be enjoyable for everyone.
Το GPT‑5 είναι ο πιο ικανός συνεργάτης στη σύνταξη κειμένου, καθώς μπορεί να σας βοηθήσει να βρείτε και να αποτυπώσετε πρόχειρες ιδέες, παρουσιάζοντάς τες σε ένα όμορφο και λογικό κείμενο, με λογοτεχνικό βάθος και ρυθμό. Αντιμετωπίζει πιο αξιόπιστα τα κείμενα που έχουν δομικές ασάφειες, διατηρώντας, για παράδειγμα, το ομοιοκαταληκτικό ιαμβικό πεντάμετρο ή το ελεύθερο στιλ που ρέει φυσικά, συνδυάζοντας τη μορφή με την εκφραστική σαφήνεια. Αυτές οι βελτιωμένες δυνατότητες στη σύνταξη κειμένου εξασφαλίζουν ότι το ChatGPT μπορεί να σας βοηθήσει καλύτερα σε καθημερινές εργασίες, όπως στη σύνταξη κειμένου, την επεξεργασία αναφορών, τα email, τα επαγγελματικά έγγραφα και πολλά άλλα. Στον παρακάτω πίνακα θα δείτε τις διαφορές στο στιλ γραφής των GPT‑5 και GPT‑4o.
Το GPT‑5 είναι το καλύτερο μοντέλο μας μέχρι σήμερα σε ερωτήσεις που σχετίζονται με ιατρικά θέματα, επιτρέποντας στους χρήστες να ενημερώνονται και να φροντίζουν για την υγεία τους. Το μοντέλο σημειώνει σημαντικά υψηλότερη βαθμολογία από οποιοδήποτε προηγούμενο μοντέλο στο HealthBench, μια αξιολόγηση που δημοσιεύσαμε φέτος με βάση ρεαλιστικά σενάρια και κριτήρια που καθορίστηκαν από γιατρούς. Σε σύγκριση με προηγούμενα μοντέλα, λειτουργεί περισσότερο ως ενεργός σύντροφος, επισημαίνοντας προληπτικά ενδεχόμενους προβληματισμούς και κάνοντας ερωτήσεις για να δώσει πιο χρήσιμες απαντήσεις. Το μοντέλο δίνει πλέον πιο ακριβείς και αξιόπιστες απαντήσεις, προσαρμοσμένες στο θεματικό πλαίσιο, το επίπεδο γνώσης και τη γεωγραφική τοποθεσία του χρήστη, κάτι που του επιτρέπει να δίνει ασφαλέστερες και πιο χρήσιμες απαντήσεις σε ένα ευρύ φάσμα θεμάτων. Ωστόσο, είναι σημαντικό να τονίσουμε ότι το ChatGPT δεν μπορεί να αντικαταστήσει έναν επαγγελματία από τον χώρο της υγείας. Είναι προτιμότερο να το αντιμετωπίζετε ως έναν σύντροφο που θα σας βοηθήσει να κατανοήσετε αποτελέσματα εξετάσεων, να κάνετε τις κατάλληλες ερωτήσεις στον γιατρό σας και να ζυγίσετε τις επιλογές σας όταν παίρνετε αποφάσεις.
Δείτε μερικά παραδείγματα που καταδεικνύουν ότι το GPT‑5 είναι καλύτερο —πιο πλούσιο, πιο λεπτομερές και πιο χρήσιμο— από τα προηγούμενα μοντέλα σε όλους τους τομείς:
GPT-4o
GPT-5
GPT‑5’s response lands the larger emotional arc with a stronger ending, clear imagery, and striking metaphors (“black flags of a country that no longer exists,” “Kyoto’s bell rolls evening down the hill”) that establish a vivid sense of culture and place. GPT‑4o’s version follows a more predictable structure and rhyme scheme, telling instead of showing (“she weeps and doesn’t tell”).
*We chose a response between 4o and OpenAI o3 based on whichever model performed better between the two for the given prompt.
Το GPT‑5 είναι πολύ πιο έξυπνο σε όλους τους τομείς, όπως καταδεικνύουν οι δείκτες ακαδημαϊκής και ανθρώπινης αξιολόγησης, ιδίως στα μαθηματικά, τον προγραμματισμό, την οπτική αντίληψη και την υγεία. Θέτει ένα νέο πρότυπο στα μαθηματικά (94,6% στο AIME 2025 χωρίς εργαλεία), στον προγραμματισμό στον πραγματικό κόσμο (74,9% στο SWE-bench Verified, 88% στο Aider Polyglot), στην πολυτροπική κατανόηση (84,2% στο MMMU) και στην υγεία (46,2% στο HealthBench Hard) — και τα πλεονεκτήματα αυτά αποτυπώνονται στην καθημερινή χρήση. Χάρη στην εκτεταμένη συλλογιστική του GPT‑5 pro, το μοντέλο θέτει επίσης ένα νέο SOTA στο GPQA, επιτυγχάνοντας 88,4% χωρίς εργαλεία.
*Τα αποτελέσματα AIME με εργαλεία δεν πρέπει να συγκρίνονται άμεσα με την απόδοση των μοντέλων χωρίς πρόσβαση σε εργαλεία. Αποτελούν παράδειγμα του πόσο αποτελεσματικά το GPT‑5 αξιοποιεί τα διαθέσιμα εργαλεία.σ
Όλες οι εκτελέσεις αξιολόγησης με SWE-bench χρησιμοποιούν ένα σταθερό υποσύνολο n=477 επαληθευμένων εργασιών που έχουν επικυρωθεί στην εσωτερική μας υποδομή.
Το GPT‑5 παρουσιάζει σημαντική βελτίωση στους δείκτες αξιολόγησης που δοκιμάζουν την παρακολούθηση οδηγιών και τη χρήση εργαλείων από πράκτορα, τις ικανότητες που του επιτρέπουν να εκτελεί αξιόπιστα τα αιτήματα πολλαπλών βημάτων, να συντονίζει διαφορετικά εργαλεία και να προσαρμόζεται στις αλλαγές βάσει θεματικού πλαισίου. Στην πράξη, αυτό σημαίνει ότι χειρίζεται καλύτερα σύνθετες, εξελισσόμενες εργασίες. Το GPT‑5 μπορεί να ακολουθήσει τις οδηγίες σας πιο πιστά και να ολοκληρώσει περισσότερες εργασίες, αξιοποιώντας τα εργαλεία που έχει στη διάθεσή του.
Το μοντέλο διαπρέπει σε μια σειρά από πολυτροπικούς δείκτες αξιολόγησης, όπως τα οπτικά μέσα, το βίντεο, τη χωρική τεχνολογία και την επιστημονική συλλογιστική. Η ισχυρότερη πολυτροπική απόδοση εξασφαλίζει ότι το ChatGPT μπορεί να συλλογίζεται με μεγαλύτερη ακρίβεια όταν επεξεργάζεται εικόνες και άλλα μη κειμενικά στοιχεία εισαγωγής — είτε πρόκειται για την ερμηνεία ενός γραφήματος, τη σύνοψη μιας φωτογραφίας για μια παρουσίαση ή το πώς απαντά σε ερωτήσεις σχετικά με ένα διάγραμμα.
Το GPT‑5 είναι επίσης το μοντέλο μας με τις καλύτερες επιδόσεις σε έναν εσωτερικό δείκτη αξιολόγησης που υπολογίζει την απόδοσή του σε πολύπλοκες εργασίες με οικονομικά στοιχεία. Όταν χρησιμοποιείται συλλογιστική, το GPT‑5 εκτελεί εργασίες σε βαθμό συγκρίσιμο ή ακόμα και καλύτερο από τους ειδικούς σε περίπου τις μισές περιπτώσεις, ενώ ξεπερνά το o3 και τον πράκτορα ChatGPT, σε εργασίες που καλύπτουν πάνω από 40 επαγγελματικούς τομείς, όπως νομική, logistics, πωλήσεις και μηχανική.
Μεθοδολογία για τις παραπάνω αξιολογήσεις: Τα αποτελέσματα για το GPT‑4o αντικατοπτρίζουν την πιο πρόσφατη έκδοση του μοντέλου στο ChatGPT, τον Αύγουστο του 2025. Όλα τα μοντέλα αξιολογούνται σε ρυθμίσεις υψηλής «προσπάθειας συλλογισμού». Η προσπάθεια συλλογισμού μπορεί να ποικίλλει στο ChatGPT, με το υψηλό να αντιπροσωπεύει το ανώτατο όριο αυτού που μπορεί να βιώσει ένας χρήστης όταν χρησιμοποιεί το μοντέλο.
Το GPT‑5 δίνει πιο αξιόλογα αποτελέσματα με λιγότερο χρόνο σκέψης. Στις αξιολογήσεις μας, το GPT‑5 (με σκέψη) αποδίδει καλύτερα από το o3 της OpenAI με 50-80% λιγότερα token αποτελέσματος σε όλες τις δυνατότητες, συμπεριλαμβανομένης της οπτικής συλλογιστικής, του προγραμματισμού με πράκτορα και της επίλυσης επιστημονικών προβλημάτων σε μεταπτυχιακό επίπεδο.
Το GPT‑5 εκπαιδεύτηκε σε υπερυπολογιστές ΤΝ Microsoft Azure.
Οι πιθανότητες να παρουσιάσει παραισθήσεις το GPT‑5 είναι σημαντικά λιγότερες σε σύγκριση με τα προηγούμενα μοντέλα μας. Με την ενεργοποίηση της αναζήτησης στο διαδίκτυο σε ανώνυμες προτροπές, αντιπροσωπευτικές ως προς την επισκεψιμότητα του ChatGPT, οι απαντήσεις του GPT‑5 είναι περίπου 45% λιγότερο πιθανό να περιέχουν πραγματικά σφάλματα σε σχέση με το GPT‑4o, ενώ όταν σκέφτεται (μοντέλο thinking), οι απαντήσεις του GPT‑5 είναι περίπου 80% λιγότερο πιθανό να περιέχουν πραγματικά σφάλματα σε σχέση με το o3 της OpenAI.
Έχουμε επενδύσει πολύ στο να κάνουμε τα μοντέλα μας πιο αξιόπιστα όταν εκτελούν συλλογιστική σε σύνθετες, ανοιχτές ερωτήσεις. Κατά συνέπεια, προσθέσαμε νέες αξιολογήσεις για να δοκιμάσουμε το κατά πόσο ισχύουν αυτά που απαντά σε ανοικτού τύπου ερωτήσεις. Μετρήσαμε το ποσοστό παραισθήσεων του GPT‑5 όταν επεξεργαζόταν ανοιχτές προτροπές αναζήτησης με δύο δημόσιους δείκτες αξιολόγησης: LongFact(ανοίγει σε νέο παράθυρο) (έννοιες και αντικείμενα) και FActScore(ανοίγει σε νέο παράθυρο). Σε όλους αυτούς τους δείκτες αξιολόγησης, το «GPT‑5 thinking» παρουσιάζει σημαντική μείωση στις παραισθήσεις —περίπου έξι φορές κάτω από το o3— σηματοδοτώντας ένα σαφές άλμα στην παραγωγή σταθερά ακριβούς περιεχομένου μακράς μορφής. Λεπτομέρειες για την εφαρμογή και τη βαθμολόγηση στις αξιολογήσεις μας με αυτούς τους δείκτες θα βρείτε στην κάρτα συστήματος.
Παράλληλα με τη βελτίωση της ακρίβειας, το GPT‑5 (με σκέψη) επικοινωνεί πιο ειλικρινά τις ενέργειες και τις δυνατότητές του στον χρήστη — ειδικά όταν το προτρέπει να εκτελέσει μια εργασία που είναι αδύνατη ή ασαφής, ή όταν του λείπουν βασικά εργαλεία. Προκειμένου να λάβουν υψηλή βαθμολογία κατά τη διάρκεια της εκπαίδευσης, τα μοντέλα συλλογιστικής ενδέχεται να μάθουν να λένε ψέματα για την επιτυχή ολοκλήρωση μιας εργασίας ή να δείχνουν υπερβολικά σίγουρα για μια αβέβαιη απάντηση. Για παράδειγμα, για να δοκιμάσουμε αυτήν την παράμετρο, αφαιρέσαμε όλες τις εικόνες από τις προτροπές του πολυτροπικού δείκτη αξιολόγησης CharXiv και διαπιστώσαμε ότι το o3 της OpenAI εξακολουθούσε να δίνει σίγουρες απαντήσεις για ανύπαρκτες εικόνες στο 86,7% των περιπτώσεων, σε σύγκριση με μόλις 9% για το GPT‑5.
Όταν συλλογίζεται, το GPT‑5 αναγνωρίζει με μεγαλύτερη ακρίβεια πότε οι εργασίες δεν μπορούν να ολοκληρωθούν και επικοινωνεί με σαφήνεια τα όριά του. Αξιολογήσαμε τα ποσοστά εξαπάτησης σε περιβάλλοντα που περιλαμβάνουν αδύνατες εργασίες προγραμματισμού και δεν έχουν πολυτροπικά στοιχεία, και διαπιστώσαμε ότι το GPT‑5 (με σκέψη) είναι λιγότερο παραπλανητικό από το o3 σε όλους τους τομείς. Σε ένα μεγάλο σύνολο συζητήσεων που αποτυπώνουν την πραγματική επισκεψιμότητα του ChatGPT, μειώσαμε τα ποσοστά εξαπάτησης από 4,8% για το o3 σε 2,1% στις απαντήσεις συλλογιστικής του GPT‑5. Αν και αυτό αποτελεί σημαντική βελτίωση για τους χρήστες, πρέπει να γίνει περισσότερη δουλειά και συνεχίζουμε την έρευνα για τη βελτίωση της ακρίβειας και της ειλικρίνειας των μοντέλων μας. Περισσότερες λεπτομέρειες μπορείτε να βρείτε στην κάρτα συστήματος.
Before mitigation
After mitigation
Το GPT‑5 προάγει την ασφάλεια. Στο παρελθόν, το ChatGPT βασιζόταν κυρίως σε εκπαίδευση ασφάλειας με αρνήσεις: ανάλογα με την προτροπή του χρήστη, το μοντέλο έπρεπε είτε να συμμορφωθεί είτε να αρνηθεί. Αν και αυτός ο τύπος εκπαίδευσης λειτουργεί καλά για ρητά κακόβουλες προτροπές, μπορεί να δυσκολευτεί να διαχειριστεί καταστάσεις όπου η πρόθεση του χρήστη είναι ασαφής ή οι πληροφορίες θα μπορούσαν να χρησιμοποιηθούν με καλοήθη ή κακόβουλο τρόπο. Η εκπαίδευση με αρνήσεις είναι ιδιαίτερα άκαμπτη για τομείς διπλής χρήσης, όπως η ιολογία, όπου ένα καλοπροαίρετο αίτημα μπορεί να ολοκληρωθεί με ασφάλεια σε γενικό επίπεδο, αλλά μπορεί να ενεργοποιεί και έναν κακόβουλο παράγοντα αν ολοκληρωθεί λεπτομερώς.
Για το GPT‑5, ακολουθήσαμε μια νέα μορφή εκπαίδευσης για την ασφάλεια —τις ασφαλείς ολοκληρώσεις— που διδάσκει στο μοντέλο να δίνει την πιο χρήσιμη απάντηση όπου είναι δυνατόν, παραμένοντας εντός των ορίων ασφαλείας. Μερικές φορές, αυτό μπορεί να σημαίνει ότι απαντά μερικώς στην ερώτηση ενός χρήστη ή ότι απαντά μόνο σε υψηλό επίπεδο. Αν το μοντέλο πρέπει να αρνηθεί, το GPT‑5 έχει εκπαιδευτεί ώστε να ενημερώνει με διαφάνεια τον χρήστη για τους λόγους της άρνησης, καθώς και να παρέχει ασφαλείς εναλλακτικές λύσεις. Τόσο στα ελεγχόμενα πειράματα όσο και στα μοντέλα παραγωγής μας, διαπιστώνουμε ότι αυτή η προσέγγιση είναι πιο λεπτομερής, επιτρέποντας καλύτερη πλοήγηση σε ερωτήσεις διπλής χρήσης, μεγαλύτερη ανθεκτικότητα σε ασαφείς προθέσεις και λιγότερες περιττές υπερβολικές απορρίψεις. Μάθετε περισσότερα για τη νέα μας προσέγγιση για την εκπαίδευση σε θέματα ασφάλειας, και διαβάστε όλες τις λεπτομέρειες σχετικά με τη μεθοδολογία, τις μετρήσεις και τα αποτελέσματα, στο έγγραφο για τις ασφαλείς ολοκληρώσεις.
Ασφάλεια και χρησιμότητα (με βάση τις ασφαλείς απαντήσεις) σε όλους τους τύπους προθέσεων προτροπών. Το GPT‑5 (με σκέψη) επιδεικνύει τόσο μεγαλύτερη ασφάλεια όσο και μεγαλύτερη χρησιμότητα σε όλους τους τύπους προθέσεων προτροπών.
Συνολικά, το GPT‑5 είναι λιγότερο συγκαταβατικό, χρησιμοποιεί λιγότερα περιττά emoji και είναι πιο διακριτικό και στοχαστικό στις διευκρινίσεις που ζητά σε σύγκριση με το GPT‑4o. Δεν θυμίζει τόσο το ότι «μιλάτε σε ΤΝ», αλλά είναι περισσότερο σαν να μιλάτε σε έναν εξυπηρετικό φίλο με διδακτορικό στα πάντα.
Μέσα στη χρονιά, διαθέσαμε μια ενημέρωση για το GPT‑4o που έκανε ακούσια το μοντέλο υπερβολικά υποτακτικό ή συγκαταβατικό. Ανακαλέσαμε γρήγορα την αλλαγή και έκτοτε προσπαθήσαμε να κατανοήσουμε και να περιορίσουμε αυτήν τη συμπεριφορά ως εξής:
- Αναπτύξαμε νέες αξιολογήσεις για τη μέτρηση των επιπέδων υποτακτικής συμπεριφοράς
- Βελτιώσαμε την εκπαίδευση για τα μοντέλα μας, ώστε το μοντέλο να εμφανίζει λιγότερο υποτακτική συμπεριφορά — για παράδειγμα, προσθέτοντας παραδείγματα που κανονικά θα οδηγούσαν σε υπερβολικά συγκαταβατική συμπεριφορά και, στη συνέχεια, διδάσκοντάς το να μην ενεργεί έτσι.
Σε στοχευμένες αξιολογήσεις για την υποτακτική συμπεριφορά με τη χρήση προτροπών ειδικά σχεδιασμένων ώστε να προκαλέσουν κολακευτικές απαντήσεις, το GPT‑5 μείωσε σημαντικά τις υποτακτικού τύπου απαντήσεις (από 14,5% σε λιγότερο από 6%). Κατά καιρούς, η μείωση της υποτακτικής συμπεριφοράς μπορεί να συνοδεύεται από μείωση στην ικανοποίηση των χρηστών, αλλά οι βελτιώσεις που κάναμε περιόρισαν την υποτακτική συμπεριφορά πάνω από το μισό, ενώ παράλληλα προσφέρουν άλλα μετρήσιμα πλεονεκτήματα, ώστε οι χρήστες να συνεχίζουν να κάνουν υψηλής ποιότητας, εποικοδομητικές συζητήσεις — σύμφωνα με τον στόχο μας να βοηθήσουμε την ανθρωπότητα να χρησιμοποιεί καλά το ChatGPT.
Το GPT‑5 έχει σημαντικά καλύτερη απόδοση όταν ακολουθεί οδηγίες και παρατηρούμε αντίστοιχη βελτίωση και στην ικανότητά του να ακολουθεί προσαρμοσμένες οδηγίες.
Διαθέτουμε επίσης σε προεπισκόπηση τέσσερις νέες προκαθορισμένες προσωπικότητες για όλους τους χρήστες του ChatGPT, κάτι που κατέστη δυνατό χάρη στις βελτιώσεις στη δυνατότητα καθοδήγησης του μοντέλου. Αυτές οι προσωπικότητες, διαθέσιμες αρχικά για συνομιλία μέσω κειμένου και αργότερα για φωνητική συνομιλία, σας επιτρέπουν να ορίσετε πώς θα αλληλεπιδρά το ChatGPT —συνοπτικά και επαγγελματικά, προσεκτικά και υποστηρικτικά, ή λίγο σαρκαστικά— χωρίς να γράφετε προσαρμοσμένες προτροπές. Οι τέσσερις αρχικές επιλογές (κυνικό, ρομπότ, που ακούει προσεκτικά και φιλομαθές) είναι προαιρετικές, μπορείτε να τις αλλάξετε ανά πάσα στιγμή από τις ρυθμίσεις και έχουν σχεδιαστεί ώστε να ταιριάζουν με το στιλ επικοινωνίας σας.
Όλες αυτές οι νέες προσωπικότητες πληρούν ή ξεπερνάνε τον πήχη μας στις εσωτερικές αξιολογήσεις για τη μείωση της υποτακτικής συμπεριφοράς.
Ανυπομονούμε να ακούσουμε τα πρώτα σχόλιά σας και να κάνουμε διορθώσεις.
Αποφασίσαμε να θεωρήσουμε το μοντέλο «GPT‑5 thinking» ως υψηλών δυνατοτήτων στον τομέα της βιολογίας και χημείας, και έχουμε εφαρμόσει ισχυρούς μηχανισμούς ασφαλείας, για να ελαχιστοποιήσουμε επαρκώς τους σχετικούς κινδύνους. Δοκιμάσαμε αυστηρά το μοντέλο με τις αξιολογήσεις ασφαλείας μας υπό το Πλαίσιο Ετοιμότητας, ολοκληρώνοντας 5.000 ώρες δοκιμών αντιπαραθετικών ελέγχων (red teaming) με συνεργάτες όπως οι CAISI και UK AISI.
Παρόμοια με την προσέγγισή μας για τον πράκτορα ChatGPT, αν και δεν έχουμε οριστικά στοιχεία ότι αυτό το μοντέλο θα μπορούσε να βοηθήσει ουσιαστικά έναν αρχάριο να προκαλέσει σοβαρή βιολογική βλάβη –το καθορισμένο όριό(ανοίγει σε νέο παράθυρο) μας για υψηλή δυνατότητα–, ακολουθούμε μια προληπτική προσέγγιση και ενεργοποιούμε τις απαιτούμενες διασφαλίσεις τώρα, ώστε να ενισχύσουμε την ετοιμότητα για την περίπτωση που τέτοιες δυνατότητες είναι διαθέσιμες. Κατά συνέπεια, το «GPT‑5 thinking» διαθέτει μια ισχυρή σειρά διασφαλίσεων με ένα πολυεπίπεδο σύστημα άμυνας απέναντι σε βιολογικούς κινδύνους: ολοκληρωμένη μοντελοποίηση απειλών, εκπαίδευση του μοντέλου ώστε να μην παράγει επιβλαβές περιεχόμενο μέσω της νέας μας μεθόδου ασφαλών ολοκληρώσεων, πάντα ενεργά εργαλεία ταξινόμησης και εργαλεία παρατήρησης συλλογιστικής, και σαφείς διαδικασίες επιβολής.
Μάθετε περισσότερα για την ισχυρή προσέγγιση ασφαλείας μας για το GPT‑5 στην κάρτα συστήματος του μοντέλου.
Για τις πιο απαιτητικές και πολύπλοκες εργασίες, διαθέτουμε επίσης το GPT‑5 pro, που αντικαθιστά το o3‑pro της OpenAI, μια παραλλαγή του GPT‑5 που σκέφτεται για μεγαλύτερο χρονικό διάστημα, χρησιμοποιώντας κλιμακούμενη αλλά αποτελεσματική, παράλληλη υπολογιστική κατά τη διάρκεια της δοκιμής, για να παρέχει την υψηλότερη ποιότητα και τις πιο ολοκληρωμένες απαντήσεις. Το GPT‑5 pro επιτυγχάνει τις υψηλότερες επιδόσεις στην οικογένεια του GPT‑5 σε διάφορους δείκτες αξιολόγησης νοημοσύνης, συμπεριλαμβανομένης της κορυφαίας επίδοσής του στο GPQA, το οποίο περιέχει εξαιρετικά δύσκολες επιστημονικές ερωτήσεις.
Σε αξιολογήσεις με πάνω από 1.000 προτροπές συλλογιστικής με πραγματικά οικονομικά στοιχεία, οι εξωτερικοί ειδικοί προτίμησαν το GPT‑5 pro έναντι του «GPT‑5 thinking» σε ποσοστό 67,8%. Το GPT‑5 pro έκανε κατά 22% λιγότερα σημαντικά λάθη και είχε εξαιρετική απόδοση στους τομείς της υγείας, της επιστήμης, των μαθηματικών και του προγραμματισμού. Οι ειδικοί αξιολόγησαν τις απαντήσεις του ως σχετικές, χρήσιμες και ολοκληρωμένες.
Το GPT‑5 είναι η νέα προεπιλογή στο ChatGPT, αντικαθιστώντας τα GPT‑4o, OpenAI o3, OpenAI o4-mini, GPT‑4.1 και GPT‑4.5 για συνδεδεμένους χρήστες. Απλώς ανοίξτε το ChatGPT και πληκτρολογήστε την ερώτησή σας. Το GPT‑5 αναλαμβάνει τα υπόλοιπα, εφαρμόζοντας την κατάλληλη συλλογιστική αυτόματα ανάλογα με την απάντηση. Οι χρήστες των επί πληρωμή προγραμμάτων μπορούν ακόμα να επιλέξουν το «GPT‑5 Thinking» από το μενού επιλογής μοντέλου ή να πληκτρολογήσουν μια φράση του τύπου «σκέψου το καλά αυτό» στην προτροπή, προκειμένου να διασφαλίσουν ότι θα χρησιμοποιηθεί συλλογιστική κατά τη δημιουργία μιας απάντησης.
Το GPT‑5 διατίθεται από σήμερα για όλους τους χρήστες των προγραμμάτων Plus, Pro, Team αλλά και του δωρεάν προγράμματος, ενώ η πρόσβαση για τους χρήστες Enterprise και Edu θα είναι διαθέσιμη την επόμενη εβδομάδα. Οι χρήστες των προγραμμάτων Pro, Plus και Team μπορούν επίσης να ξεκινήσουν να κάνουν εργασίες προγραμματισμού με το GPT‑5 στο Codex CLI(ανοίγει σε νέο παράθυρο) μέσω απλής σύνδεσης στο ChatGPT.
Όπως και με το GPT‑4o, η διαφορά μεταξύ της δωρεάν και της επί πληρωμής πρόσβασης στο GPT‑5 είναι τα όρια χρήσης. Οι συνδρομητές του Pro έχουν απεριόριστη πρόσβαση στο GPT‑5 και στο GPT‑5 Pro. Οι χρήστες του Plus μπορούν να το χρησιμοποιούν άνετα ως το προεπιλεγμένο τους μοντέλο για καθημερινές ερωτήσεις, με σημαντικά μεγαλύτερα όρια χρήσης από τους δωρεάν χρήστες. Οι πελάτες των προγραμμάτων Team, Enterprise και Edu μπορούν επίσης να χρησιμοποιούν το GPT‑5 άνετα ως προεπιλεγμένο μοντέλο για καθημερινή εργασία, με γενναιόδωρα όρια που διευκολύνουν ολόκληρους οργανισμούς να βασίζονται στο GPT‑5. Για τους χρήστες του δωρεάν προγράμματος του ChatGPT, ενδέχεται να περάσουν μερικές μέρες για να ισχύουν πλήρως οι δυνατότητες συλλογιστικής. Όταν οι χρήστες του δωρεάν προγράμματος συμπληρώσουν τα όρια χρήσης του GPT‑5, θα μεταβαίνουν στο GPT‑5 mini, ένα μικρότερο, ταχύτερο και ιδιαίτερα ικανό μοντέλο.
Συντάκτης
Υποσημειώσεις
*Υπάρχει μια μικρή απόκλιση στους αριθμούς που αναφέρθηκαν στην προηγούμενη ανάρτηση του blog μας, καθώς αυτοί υπολογίστηκαν σε μια παλαιότερη έκδοση του HLE.
**Διαπιστώνουμε ότι ο προεπιλεγμένος βαθμολογητής στο MultiChallenge (GPT-4o) συχνά βαθμολογεί λανθασμένα τις απαντήσεις των μοντέλων. Διαπιστώνουμε ότι η αλλαγή του βαθμολογητή σε ένα μοντέλο συλλογισμού, όπως το o3-mini, βελτιώνει σημαντικά την ακρίβεια στην αξιολόγηση δειγμάτων που έχουμε επιθεωρήσει.
***Για το MMMUPro, υπολογίσαμε τον μέσο όρο των βαθμολογιών για τυπικό και εικόνα.
Συνεισφέροντες
Aaditya Singh, Adam Fry, Adam Perelman, Adam Tart, Adi Ganesh, Ahmed El-Kishky, Aidan McLaughlin, Aiden Low, AJ Ostrow, Akhila Ananthram, Akshay Nathan, Alan Luo, Alec Helyar, Aleksander Madry, Aleksandr Efremov, Aleksandra Spyra, Alex Baker-Whitcomb, Alex Beutel, Alex Karpenko, Alex Makelov, Alex Neitz, Alex Wei, Alexandra Barr, Alexandre Kirchmeyer, Alexey Ivanov, Alexi Christakis, Alistair Gillespie, Allison Tam, Ally Bennett, Alvin Wan, Alyssa Huang, Amy McDonald Sandjideh, Amy Yang, Ananya Kumar, Andre Saraiva, Andrea Vallone, Andrei Gheorghe, Andres Garcia Garcia, Andrew Braunstein, Andrew Liu, Andrew Schmidt, Andrey Mereskin, Andrey Mishchenko, Andy Applebaum, Andy Rogerson, Ann Rajan, Annie Wei, Anoop Kotha, Anubha Srivastava, Anushree Agrawal, Arun Vijayvergiya, Ashley Tyra, Ashvin Nair, Avi Nayak, Ben Eggers, Bessie Ji, Beth Hoover, Bill Chen, Blair Chen, Boaz Barak, Borys Minaiev, Botao Hao, Bowen Baker, Brad Lightcap, Brandon McKinzie, Brandon Wang, Brendan Quinn, Brian Fioca, Brian Hsu, Brian Yang, Brian Yu, Brian Zhang, Brittany Brenner, Callie Riggins Zetino, Cameron Raymond, Camillo Lugaresi, Carolina Paz, Cary Hudson, Cedric Whitney, Chak Li, Charles Chen, Charlotte Cole, Chelsea Voss, Chen Ding, Chen Shen, Chengdu Huang, Chris Colby, Chris Hallacy, Chris Koch, Chris Lu, Christina Kaplan, Christina Kim, CJ Minott-Henriques, Cliff Frey, Cody Yu, Coley Czarnecki, Colin Reid, Colin Wei, Cory Decareaux, Cristina Scheau, Cyril Zhang, Cyrus Forbes, Da Tang, Dakota Goldberg, Dan Roberts, Dana Palmie, Daniel Kappler, Daniel Levine, Daniel Wright, Dave Leo, David Lin, David Robinson, Declan Grabb, Derek Chen, Derek Lim, Derek Salama, Dibya Bhattacharjee, Dimitris Tsipras, Dinghua Li, Dingli Yu, DJ Strouse, Drew Williams, Dylan Hunn, Ed Bayes, Edwin Arbus, Ekin Akyurek, Elaine Ya Le, Elana Widmann, Eli Yani, Elizabeth Proehl, Enis Sert, Enoch Cheung, Eri Schwartz, Eric Han, Eric Jiang, Eric Mitchell, Eric Sigler, Eric Wallace, Erik Ritter, Erin Kavanaugh, Evan Mays, Evgenii Nikishin, Fangyuan Li, Felipe Petroski Such, Filipe de Avila Belbute Peres, Filippo Raso, Florent Bekerman, Foivos Tsimpourlas, Fotis Chantzis, Francis Song, Francis Zhang, Gaby Raila, Garrett McGrath, Gary Briggs, Gary Yang, Giambattista Parascandolo, Gildas Chabot, Grace Kim, Grace Zhao, Gregory Valiant, Guillaume Leclerc, Hadi Salman, Hanson Wang, Hao Sheng, Haoming Jiang, Haoyu Wang, Haozhun Jin, Harshit Sikchi, Heather Schmidt, Henry Aspegren, Honglin Chen, Huida Qiu, Hunter Lightman, Ian Covert, Ian Kivlichan, Ian Silber, Ian Sohl, Ibrahim Hammoud, Ignasi Clavera, Ikai Lan, Ilge Akkaya, Ilya Kostrikov, Irina Kofman, Isak Etinger, Ishaan Singal, Jackie Hehir, Jacob Huh, Jacqueline Pan, Jake Wilczynski, Jakub Pachocki, James Lee, James Quinn, Jamie Kiros, Janvi Kalra, Jasmyn Samaroo, Jason Wang, Jason Wolfe, Jay Chen, Jay Wang, Jean Harb, Jeffrey Han, Jeffrey Wang, Jennifer Zhao, Jeremy Chen, Jerene Yang, Jerry Tworek, Jesse Chand, Jessica Landon, Jessica Liang, Ji Lin, Jiancheng Liu, Jianfeng Wang, Jie Tang, Jihan Yin, Joanne Jang, Joel Morris, Joey Flynn, Johannes Ferstad, Johannes Heidecke, John Fishbein, John Hallman, Jonah Grant, Jonathan Chien, Jonathan Gordon, Jongsoo Park, Jordan Liss, Jos Kraaijeveld, Joseph Guay, Joseph Mo, Josh Lawson, Josh McGrath, Joshua Vendrow, Joy Jiao, Julian Lee, Julie Steele, Julie Wang, Junhua Mao, Kai Chen, Kai Hayashi, Kai Xiao, Kamyar Salahi, Kan Wu, Karan Sekhri, Karan Sharma, Karan Singhal, Karen Li, Kenny Nguyen, Keren Gu-Lemberg, Kevin King, Kevin Liu, Kevin Stone, Kevin Yu, Kristen Ying, Kristian Georgiev, Kristie Lim, Kushal Tirumala, Kyle Miller, Lama Ahmad, Larry Lv, Laura Clare, Laurance Fauconnet, Lauren Itow, Lauren Yang, Laurentia Romaniuk, Leah Anise, Lee Byron, Leher Pathak, Leon Maksin, Leyan Lo, Leyton Ho, Li Jing, Liang Wu, Liang Xiong, Lien Mamitsuka, Lin Yang, Lindsay McCallum, Lindsey Held, Liz Bourgeois, Logan Engstrom, Lorenz Kuhn, Louis Feuvrier, Lu Zhang, Lucas Switzer, Lukas Kondraciuk, Lukasz Kaiser, Manas Joglekar, Mandeep Singh, Mandip Shah, Manuka Stratta, Marcus Williams, Mark Chen, Mark Sun, Marselus Cayton, Martin Li, Marvin Zhang, Marwan Aljubeh, Matt Nichols, Matthew Haines, Max Schwarzer, Mayank Gupta, Meghan Shah, Melody Huang, Meng Dong, Mengqing Wang, Mia Glaese, Micah Carroll, Michael Lampe, Michael Malek, Michael Sharman, Michael Zhang, Michele Wang, Michelle Pokrass, Mihai Florian, Mikhail Pavlov, Miles Wang, Ming Chen, Mingxuan Wang, Minnia Feng, Mo Bavarian, Molly Lin, Moose Abdool, Mostafa Rohaninejad, Nacho Soto, Natalie Staudacher, Natan LaFontaine, Nathan Marwell, Nelson Liu, Nick Preston, Nick Turley, Nicklas Ansman, Nicole Blades, Nikil Pancha, Nikita Mikhaylin, Niko Felix, Nikunj Handa, Nishant Rai, Nitish Keskar, Noam Brown, Ofir Nachum, Oleg Boiko, Oleg Murk, Olivia Watkins, Oona Gleeson, Pamela Mishkin, Patryk Lesiewicz, Paul Baltescu, Pavel Belov, Peter Zhokhov, Philip Pronin, Phillip Guo, Phoebe Thacker, Qi Liu, Qiming Yuan, Qinghua Liu, Rachel Dias, Rachel Puckett, Rahul Arora, Ravi Teja Mullapudi, Raz Gaon, Reah Miyara, Rennie Song, Rishabh Aggarwal, RJ Marsan, Robel Yemiru, Robert Xiong, Rohan Kshirsagar, Rohan Nuttall, Roman Tsiupa, Ronen Eldan, Rose Wang, Roshan James, Roy Ziv, Rui Shu, Ruslan Nigmatullin, Saachi Jain, Saam Talaie, Sam Altman, Sam Arnesen, Sam Toizer, Sam Toyer, Samuel Miserendino, Sandhini Agarwal, Sarah Yoo, Savannah Heon, Scott Ethersmith, Sean Grove, Sean Taylor, Sebastien Bubeck, Sever Banesiu, Shaokyi Amdo, Shengjia Zhao, Sherwin Wu, Shibani Santurkar, Shiyu Zhao, Shraman Ray Chaudhuri, Shreyas Krishnaswamy, Shuaiqi (Tony) Xia, Shuyang Cheng, Shyamal Anadkat, Simón Posada Fishman, Simon Tobin, Siyuan Fu, Somay Jain, Song Mei, Sonya Egoian, Spencer Kim, Spug Golden, SQ Mah, Steph Lin, Stephen Imm, Steve Sharpe, Steve Yadlowsky, Sulman Choudhry, Sungwon Eum, Suvansh Sanjeev, Tabarak Khan, Tal Stramer, Tao Wang, Tao Xin, Tarun Gogineni, Taya Christianson, Ted Sanders, Tejal Patwardhan, Thomas Degry, Thomas Shadwell, Tianfu Fu, Tianshi Gao, Timur Garipov, Tina Sriskandarajah, Toki Sherbakov, Tomer Kaftan, Tomo Hiratsuka, Tongzhou Wang, Tony Song, Tony Zhao, Troy Peterson, Val Kharitonov, Victoria Chernova, Vineet Kosaraju, Vishal Kuo, Vitchyr Pong, Vivek Verma, Vlad Petrov, Wanning Jiang, Weixing Zhang, Wenda Zhou, Wenlei Xie, Wenting Zhan, Wes McCabe, Will DePue, Will Ellsworth, Wulfie Bain, Wyatt Thompson, Xiangning Chen, Xiangyu Qi, Xin Xiang, Xinwei Shi, Yann Dubois, Yaodong Yu, Yara Khakbaz, Yifan Wu, Yilei Qian, Yin Tat Lee, Yinbo Chen, Yizhen Zhang, Yizhong Xiong, Yonglong Tian, Young Cha, Yu Bai, Yu Yang, Yuan Yuan, Yuanzhi Li, Yufeng Zhang, Yuguang Yang, Yujia Jin, Yun Jiang, Yunyun Wang, Yushi Wang, Yutian Liu, Zach Stubenvoll, Zehao Dou, Zheng Wu, Zhigang Wang
