Memperkenalkan GPT‑5

Kami memperkenalkan GPT‑5, sistem AI terbaik kami sejauh ini. GPT‑5 merupakan lompatan besar dalam kecerdasan dibanding semua model sebelumnya, menampilkan performa mutakhir dalam pengkodean, matematika, penulisan, kesehatan, persepsi visual, dan lainnya. Ini adalah sistem terpadu yang tahu kapan harus merespons dengan cepat dan kapan harus berpikir lebih lama untuk memberikan jawaban tingkat pakar. GPT‑5 tersedia untuk semua pengguna, dengan pelanggan Plus mendapatkan penggunaan lebih banyak, dan pelanggan Pro mendapatkan akses ke GPT‑5 Pro, versi dengan penalaran yang lebih dalam untuk jawaban yang lebih komprehensif dan akurat.

GPT‑5 adalah sistem terpadu dengan model cerdas dan efisien yang menjawab sebagian besar pertanyaan, model penalaran yang lebih dalam (GPT‑5 Thinking) untuk masalah yang lebih sulit, dan
router waktu nyata yang dengan cepat memutuskan model mana yang akan digunakan berdasarkan jenis percakapan, kompleksitas, kebutuhan alat, dan maksud eksplisit Anda (misalnya, jika Anda mengatakan "pikirkan saksama tentang ini" dalam prompt). Router ini terus-menerus dilatih menggunakan sinyal nyata, termasuk saat pengguna mengganti model, tingkat preferensi untuk respons, dan tingkat keakuratan yang diukur, sehingga kinerjanya terus meningkat seiring waktu. Setelah batas penggunaan tercapai, versi mini dari setiap model akan menangani pertanyaan yang tersisa. Dalam waktu dekat, kami berencana untuk mengintegrasikan kapabilitas ini ke dalam satu model tunggal.

GPT‑5 tidak hanya melampaui model sebelumnya dalam tolok ukur dan menjawab pertanyaan lebih cepat, tetapi—yang paling penting—juga lebih berguna untuk pertanyaan dunia nyata. Kami telah membuat kemajuan signifikan dalam mengurangi halusinasi, meningkatkan kepatuhan terhadap instruksi, dan meminimalkan sikap menyenangkan, sambil meningkatkan performa GPT‑5 dalam tiga penggunaan ChatGPT yang paling umum: penulisan, pengkodean, dan kesehatan.

GPT‑5 adalah model pemrograman terbaik kami hingga saat ini. Model ini menunjukkan peningkatan khusus dalam pembuatan front-end yang kompleks dan debugging pada repositori yang besar. Sering kali, model dapat membuat situs web, aplikasi, dan game yang indah dan responsif dengan sentuhan estetika yang apik hanya dengan satu prompt, dengan secara intuitif dan elegan mewujudkan ide menjadi kenyataan. Penguji awal juga mencatat pilihan desainnya, dengan pemahaman yang jauh lebih baik tentang hal-hal seperti spasi, tipografi, dan ruang putih. Lihat di sini untuk detail lengkap tentang apa yang ditawarkan GPT‑5 bagi para pengembang.

Berikut beberapa contoh hal yang telah GPT‑5 buat hanya dengan satu prompt:

GPT‑5 adalah kolaborator menulis kami yang paling andal sejauh ini, mampu membantu Anda mengarahkan dan menerjemahkan ide kasar menjadi tulisan yang menggugah dan beresonansi dengan kedalaman dan ritme sastra. Model ini lebih andal dalam menangani tulisan yang melibatkan ambiguitas struktural, seperti mempertahankan pentameter iambik tanpa sajak atau puisi bebas yang mengalir secara alami, memadukan penghormatan terhadap bentuk dengan kejernihan ekspresif. Kemampuan menulis yang ditingkatkan ini juga berarti bahwa ChatGPT lebih baik dalam membantu Anda menyusun dan mengedit laporan, email, memo, dan tugas sehari-hari lainnya. Gaya penulisan GPT‑5 dan GPT‑4o dapat dibandingkan dalam tabel di bawah ini.

GPT‑5 adalah model terbaik kami hingga saat ini untuk pertanyaan terkait kesehatan, yang memberdayakan pengguna untuk mendapatkan informasi dan menjadi advokat bagi kesehatan mereka sendiri. Model ini memperoleh skor yang jauh lebih tinggi dibandingkan model-model sebelumnya pada HealthBench⁠, sebuah evaluasi yang kami publikasikan awal tahun ini berdasarkan skenario realistis dan kriteria yang ditetapkan oleh para dokter. Dibandingkan dengan model sebelumnya, model ini berfungsi lebih sebagai mitra pemikiran aktif, secara proaktif mengidentifikasi potensi masalah dan mengajukan pertanyaan untuk memberikan jawaban yang lebih berguna. Model ini sekarang juga memberikan respons yang lebih tepat dan andal, beradaptasi dengan konteks pengguna, tingkat pengetahuan, dan lokasi geografis, sehingga bisa memberikan respons yang lebih aman dan bermanfaat dalam berbagai skenario. Yang penting, ChatGPT tidak menggantikan tenaga medis—anggaplah ia sebagai mitra untuk membantu Anda memahami hasil, mengajukan pertanyaan yang tepat saat bertemu dengan penyedia layanan, dan mempertimbangkan pilihan saat mengambil keputusan.

Anda dapat melihat beberapa cara GPT‑5 lebih unggul dibandingkan model sebelumnya di berbagai domain—lebih kaya, lebih terperinci, dan lebih berguna—melalui contoh-contoh berikut:

GPT‑5 jauh lebih cerdas secara keseluruhan, sebagaimana terlihat dari performanya dalam tolok ukur akademik dan evaluasi manusia, khususnya dalam bidang matematika, pemrograman, persepsi visual, dan kesehatan. Model ini menetapkan standar baru dalam matematika (94,6% pada AIME 2025 tanpa alat bantu), pengodean dunia nyata (74,9% pada SWE-bench Verified, 88% pada Aider-Polyglot), pemahaman multimodal (84,2% pada MMMU), dan kesehatan (46,2% pada HealthBench Hard)—dan pencapaian ini terlihat dalam penggunaan sehari-hari. Dengan penalaran lanjutan GPT‑5 pro, model ini juga membukukan SOTA baru pada GPQA dengan skor 88,4% tanpa alat bantu.

GPT‑5 menunjukkan peningkatan signifikan dalam tolok ukur yang menguji kemampuan mengikuti instruksi dan penggunaan alat agen, yaitu kemampuan yang memungkinkan model secara andal menjalankan permintaan multi-langkah, berkoordinasi antar-berbagai alat, dan beradaptasi terhadap perubahan dalam konteks. Dalam praktiknya, ini berarti GPT‑5 lebih baik dalam menangani tugas kompleks dan yang terus berkembang; GPT‑5 dapat mengikuti instruksi Anda dengan lebih setia dan menyelesaikan lebih banyak pekerjaan secara menyeluruh menggunakan alat-alat yang tersedia.

Model ini unggul di berbagai tolok ukur multimodal, mencakup penalaran visual, berbasis video, spasial, dan ilmiah. Kinerja multimodal yang lebih kuat berarti ChatGPT dapat melakukan penalaran dengan lebih akurat atas gambar dan masukan non-teks lainnya—baik itu menafsirkan bagan, meringkas foto presentasi, atau menjawab pertanyaan tentang diagram.

GPT‑5 juga merupakan model kami dengan performa terbaik dalam tolok ukur internal yang mengukur kinerja model pada pekerjaan pengetahuan kompleks yang bernilai ekonomi. Saat menggunakan penalaran, GPT‑5 sebanding atau bahkan lebih baik daripada para ahli dalam sekitar setengah dari kasus, mengungguli o3 dan ChatGPT Agent dalam tugas yang mencakup lebih dari 40 jenis pekerjaan, termasuk hukum, logistik, penjualan, dan teknik.

GPT‑5 menghasilkan lebih banyak manfaat dari waktu berpikir yang lebih sedikit. Dalam evaluasi kami, GPT‑5 (dengan Thinking) menunjukkan kinerja yang lebih baik dibandingkan OpenAI o3, dengan pengurangan 50–80% token output di berbagai kapabilitas, termasuk penalaran visual, pengodean agen, dan pemecahan masalah ilmiah tingkat pascasarjana.

GPT‑5 dilatih di superkomputer Microsoft Azure AI.

GPT‑5 secara signifikan lebih kecil kemungkinannya mengalami halusinasi dibandingkan model kami sebelumnya.  Dengan pengaktifan pencarian web pada prompt anonim yang mewakili lalu lintas produksi ChatGPT, respons GPT‑5 kira-kira 45% lebih sedikit kemungkinannya mengandung kesalahan faktual dibandingkan GPT‑4o, dan saat berpikir, respons GPT‑5 kira-kira 80% lebih sedikit kemungkinannya mengandung kesalahan faktual dibandingkan OpenAI o3.

Kami secara khusus berinvestasi untuk menjadikan model kami lebih andal dalam penalaran atas pertanyaan terbuka yang kompleks. Oleh karena itu, kami menambahkan evaluasi baru untuk menguji ketahanan dalam hal pertanyaan terbuka dan keakuratan faktual. Kami mengukur tingkat halusinasi GPT‑5 saat berpikir menjawab prompt terbuka yang mencari fakta dari dua tolok ukur faktualitas publik: LongFact⁠(terbuka di jendela baru) (konsep dan objek) dan FActScore⁠(terbuka di jendela baru).  Di semua tolok ukur ini, “GPT‑5 thinking” menunjukkan penurunan tajam dalam halusinasi—sekitar enam kali lebih sedikit dibandingkan o3—menandai kemajuan besar dalam menghasilkan konten panjang yang akurat secara konsisten. Detail implementasi dan penilaian untuk evaluasi kami di tolok ukur ini dapat ditemukan di kartu sistem.

Selain peningkatan faktualitas, “GPT‑5 Thinking” juga lebih jujur dalam mengomunikasikan tindakan dan kemampuannya kepada pengguna—terutama untuk tugas-tugas yang mustahil, tidak lengkap, atau kekurangan alat penting. Untuk mencapai imbalan tinggi selama pelatihan, model penalaran dapat belajar untuk berbohong tentang keberhasilan menyelesaikan suatu tugas atau menjadi terlalu percaya diri terhadap jawaban yang tidak pasti. Sebagai contoh, untuk menguji hal ini, kami menghapus semua gambar dari prompt pada tolok ukur multimodal CharXiv, dan menemukan bahwa OpenAI o3 tetap memberikan jawaban yang percaya diri mengenai gambar yang tidak ada sebesar 86,7% dari waktu, dibandingkan hanya 9% untuk GPT‑5.

Saat melakukan penalaran, GPT‑5 lebih akurat dalam mengenali ketika suatu tugas tidak dapat diselesaikan dan mengomunikasikan batasannya dengan jelas. Kami mengevaluasi tingkat penyesatan pada pengaturan yang melibatkan tugas pengodean yang mustahil dan aset multimodal yang tidak ada, dan menemukan bahwa “GPT‑5 Thinking” lebih tidak menyesatkan dibandingkan o3 secara keseluruhan. Dalam kumpulan besar percakapan yang mewakili lalu lintas produksi ChatGPT nyata, kami berhasil mengurangi tingkat penyesatan dari 4,8% pada o3 menjadi 2,1% pada respons penalaran GPT‑5. Meskipun ini merupakan peningkatan yang berarti bagi pengguna, masih banyak yang perlu dilakukan, dan kami terus melakukan penelitian untuk meningkatkan keakuratan fakta dan kejujuran dari model kami. Detail lebih lanjut tercantum di kartu sistem.

GPT‑5 mendorong garis depan dalam hal keamanan. Sebelumnya, ChatGPT mengandalkan pelatihan keamanan berbasis penolakan: berdasarkan prompt pengguna, model harus mematuhi atau menolak. Meskipun pelatihan jenis ini berfungsi dengan baik untuk prompt jahat yang eksplisit, model dapat kesulitan dalam menangani situasi ketika niat pengguna tidak jelas, atau jika informasi dapat digunakan secara baik maupun jahat. Pelatihan penolakan sangat tidak fleksibel untuk domain penggunaan ganda seperti virologi, di mana permintaan yang tidak berbahaya dapat diselesaikan dengan aman pada tingkat tinggi, tetapi bisa dimanfaatkan oleh pihak jahat jika dijawab secara rinci.

Untuk GPT‑5, kami memperkenalkan bentuk baru pelatihan keamanan — penyelesaian yang aman — yang mengajarkan model untuk memberikan jawaban yang paling membantu bila memungkinkan, sambil tetap berada dalam batasan keamanan. Terkadang, itu mungkin berarti hanya menjawab sebagian dari pertanyaan pengguna atau hanya menjawab di tingkat yang lebih umum. Jika model perlu menolak, GPT‑5 dilatih untuk memberi tahu Anda secara transparan mengapa ia menolak, serta memberikan alternatif yang aman. Dalam eksperimen terkontrol maupun model produksi kami, kami menemukan bahwa pendekatan ini lebih bernuansa, memungkinkan navigasi yang lebih baik atas pertanyaan penggunaan ganda, ketahanan yang lebih kuat terhadap maksud ambigu, dan lebih sedikit penolakan yang tidak perlu. Pelajari lebih lanjut tentang pendekatan baru kami terhadap pelatihan keamanan, serta detail lengkap mengenai metodologi, metrik, dan hasil, di makalah kami mengenai penyelesaian yang aman⁠.

Secara keseluruhan, GPT‑5 lebih tidak berlebihan dalam menunjukkan keramahan, menggunakan lebih sedikit emoji yang tidak perlu, dan lebih halus serta lebih memperhatikan dalam tanggapan lanjutan dibandingkan GPT‑4o. Hal ini seharusnya lebih terasa seperti berbincang dengan teman yang membantu dengan kecerdasan setingkat PhD, bukan seperti “berbicara dengan AI”.

Awal tahun ini, kami merilis pembaruan untuk GPT‑4o⁠ yang tanpa sengaja membuat model menjadi terlalu menjilat, atau terlalu memuji dan menyenangkan. Kami dengan cepat membatalkan perubahan tersebut⁠ dan sejak itu berupaya memahami dan mengurangi perilaku ini dengan cara:

• Mengembangkan evaluasi baru untuk mengukur tingkat sikap menjilat
• Meningkatkan pelatihan kami sehingga model tidak terlalu bermulut manis—misalnya menambahkan contoh yang biasanya akan membuat setuju berlebihan dan mengajarkannya untuk tidak melakukan itu.

Dalam evaluasi sikap menjilat terarah menggunakan prompt yang secara khusus dirancang untuk memunculkan respons menjilat, GPT‑5 telah menurunkan balasan seperti itu secara berarti (dari 14,5% hingga kurang dari 6%). Terkadang, pengurangan sikap menjilat dapat menyebabkan penurunan kepuasan pengguna, tetapi peningkatan yang kami lakukan berhasil memangkas sikap menjilat lebih dari separuhnya sekaligus memberikan peningkatan terukur lainnya, sehingga pengguna tetap dapat memperoleh percakapan yang berkualitas tinggi dan konstruktif—sesuai dengan tujuan kami untuk membantu pengguna memanfaatkan ChatGPT dengan baik⁠.

GPT‑5 jauh lebih baik dalam mengikuti instruksi, dan kami melihat peningkatan kemampuan yang sesuai dalam mengikuti instruksi kustom.

Kami juga meluncurkan pratinjau riset untuk empat kepribadian preset baru bagi semua pengguna ChatGPT, yang dimungkinkan berkat peningkatan keterarahan. Kepribadian-kepribadian ini, awalnya tersedia untuk percakapan teks dan akan hadir juga untuk suara, memungkinkan Anda menentukan bagaimana ChatGPT berinteraksi—apakah ringkas dan profesional, bijaksana dan mendukung, atau agak sarkastis—tanpa perlu menulis prompt kustom. Empat opsi awal, yaitu Cynic, Robot, Listener, dan Nerd, bersifat opsional, dapat disesuaikan kapan saja di pengaturan, dan dirancang untuk menyesuaikan gaya komunikasi Anda.

Semua kepribadian baru ini memenuhi atau melampaui standar internal kami dalam mengurangi sikap menjilat.

Kami menantikan saat untuk belajar dan berinovasi berdasarkan masukan awal.

Kami memutuskan untuk mengklasifikasikan model “GPT‑5 Thinking” sebagai Kapabilitas Tinggi dalam domain Biologis dan Kimia, serta telah menerapkan langkah-langkah perlindungan yang kuat yang cukup untuk meminimalkan risiko yang terkait. Kami menguji model ini secara ketat melalui evaluasi keamanan dalam Kerangka Kesiapsiagaan⁠ kami, menyelesaikan 5.000 jam uji coba oleh tim pakar keamanan bersama mitra seperti CAISI dan UK AISI.

Mirip dengan pendekatan kami untuk Agen ChatGPT, meskipun kami belum memiliki bukti pasti bahwa model ini dapat secara signifikan membantu seorang pemula menciptakan bahaya biologis yang parah—ambang batas kami ⁠(terbuka di jendela baru)untuk Kapabilitas Tinggi—kami mengambil pendekatan hati-hati dan mengaktifkan perlindungan yang diperlukan sekarang untuk meningkatkan kesiapan saat kemampuan semacam itu tersedia. Sebagai hasilnya, “GPT‑5 Thinking” memiliki sistem keamanan yang kuat dengan lapisan pertahanan berlapis untuk biologi: termasuk pemodelan ancaman komprehensif, pelatihan model agar tidak menghasilkan konten berbahaya melalui paradigma penyelesaian aman yang baru, pengklasifikasi dan pemantauan alasan yang selalu aktif, serta jalur penegakan hukum yang jelas.

Pelajari lebih lanjut tentang pendekatan keamanan kuat kami untuk GPT‑5 di kartu sistem.

Untuk tugas yang paling menantang dan kompleks, kami juga merilis GPT‑5 pro, menggantikan OpenAI o3‑pro, varian dari GPT‑5 yang berpikir lebih lama, menggunakan waktu komputasi paralel yang efisien dan terukur, untuk memberikan jawaban dengan kualitas tertinggi dan paling komprehensif. GPT‑5 pro mencapai kinerja tertinggi di antara keluarga GPT‑5 dalam beberapa tolok ukur kecerdasan yang menantang, termasuk kinerja tertinggi dalam GPQA, yang mencakup pertanyaan sains yang sangat sulit.

Dalam evaluasi terhadap lebih dari 1.000 prompt penalaran dunia nyata yang bernilai ekonomi tinggi, para ahli eksternal lebih memilih GPT‑5 pro dibandingkan “GPT‑5 Thinking” sebanyak 67,8% dari waktu. GPT‑5 pro menghasilkan 22% lebih sedikit kesalahan besar dan unggul dalam bidang kesehatan, sains, matematika, dan pengkodean. Para ahli menilai responsnya relevan, bermanfaat, dan komprehensif.

GPT‑5 adalah default yang baru di ChatGPT, menggantikan GPT‑4o, OpenAI o3, OpenAI o4-mini, GPT‑4.1, dan GPT‑4.5 untuk pengguna yang login.. Cukup buka ChatGPT dan ketik pertanyaan Anda; GPT‑5 akan menangani sisanya, menerapkan penalaran secara otomatis jika respons Anda membutuhkannya. Pengguna berbayar tetap dapat memilih “GPT‑5 Thinking” dari pemilih model, atau mengetik sesuatu seperti “pikirkan baik-baik tentang ini” di prompt untuk memastikan penalaran digunakan saat menghasilkan jawaban.

GPT‑5 mulai diluncurkan hari ini bagi semua pengguna Plus, Pro, Team, dan Free, sedangkan akses bagi Enterprise dan Edu akan menyusul minggu depan. Pengguna Pro, Plus, dan Team juga akan bisa memulai pengodean dengan GPT‑5 dalam Codex CLI⁠(terbuka di jendela baru) dengan masuk dalam ChatGPT.

Sebagaimana dengan GPT‑4o, perbedaan antara akses gratis dan berbayar atas GPT‑5 adalah pada volume penggunaannya. Pelanggan Pro mendapatkan akses tanpa batas ke GPT‑5, dan akses ke GPT‑5 Pro. Pelanggan Plus dapat menggunakan GPT‑5 sebagai model default mereka untuk pertanyaan sehari-hari, dengan batas penggunaan yang jauh lebih tinggi dibandingkan pengguna gratis. Pelanggan Tim, Enterprise, dan Edu juga dapat menggunakan GPT‑5 dengan nyaman sebagai model default mereka untuk pekerjaan sehari-hari, dengan batas yang cukup longgar sehingga memudahkan organisasi untuk mengandalkannya. Untuk pengguna gratis ChatGPT, kemampuan penalaran penuh mungkin membutuhkan beberapa hari untuk sepenuhnya aktif. Setelah pengguna gratis mencapai batas penggunaan GPT‑5, maka mereka akan bertransisi ke GPT‑5 mini, sebuah model yang lebih kecil, cepat, dan sangat kapabel.