Vi introduserer GPT‑5 for utviklere

I dag lanserer vi GPT‑5 på API-plattformen vår – den beste modellen vår hittil for koding og agentoppgaver.

GPT‑5 er toppmoderne (SOTA) innen viktige referansemålinger for koding og fikk 74m9% på SWE-bench Verified og 88 % på Aider polyglot. Vi lærte opp GPT‑5 til å være en ekte samarbeidspartner i koding. Den utmerker seg i produsering av kode av høy kvalitet og håndtering av oppgaver som å fikse feil, redigere kode og svare på spørsmål om komplekse kodebaser. Modellen er styrbar og er samarbeidsfokusert – den kan følge veldig detaljerte instruksjoner med høy nøyaktighet og forklarer handlingene sine før og mellom verktøykall.  Modellen utmerker seg også til grensesnittkoding og slår OpenAI o3 i nettutvikling av grensesnitt 70 % av tiden i intern testing.

Vi lærte opp GPT‑5 på ekte kodeoppgaver, i samarbeid med tidlige testere fra oppstartsbedrifter og konsern. Cursor sier at GPT‑5 er “den smarteste modellen [de har] brukt” og “usedvanlig intelligent, enkel å styre og har til og med en personlighet [de] ikke har sett i andre modeller». Windsurf delte at GPT‑5 er SOTA på evalueringene deres og «har halvparten av feilraten for verktøykall sammenlignet med andre banebrytende modeller». Vercel sier “det er den beste AI-modellen for grensesnitt og når toppytelse innen både estetisk sans og kodekvalitet, noe som setter den i en egen kategori.”

GPT‑5 utmerker seg også på langvarige agentoppgaver og oppnår SOTA-resultater på τ²-bench telecom (96,7 %), en referansemåling for verktøykall som ble lansert for bare 2 måneder siden. GPT‑5s forbedrede verktøyintelligens lar den pålitelig kjede sammen titalls verktøykall – både i sekvens og parallelt – uten å miste veien, noe som gjør den mye bedre til å utføre komplekse, ekte oppgaver ende til ende. Den følger også verktøyinstruksjoner mer presist, er bedre til å håndtere verktøyfeil og utmerker seg i innholdshenting med lang kontekst. Manus sier at GPT‑5 “har oppnådd den beste ytelsen [de] noen gang har sett fra én modell i de interne referansemålingene.” Notion sier at “[modellens] raske svar, spesielt i modus med lavt resonnement, gjør GPT‑5 til en ideell modell når du må løse komplekse oppgaver på ett forsøk.” Inditex delte “det som virkelig får [GPT‑5] til å skille seg ut, er dybden av resonnementet: nyanserte svar i flere lag som gjenspeiler ekte forståelse av emnet”.

Vi introduserer nye funksjoner i API-et vårt for å gi utviklere mer kontroll over modellsvar. GPT‑5 støtter nye parametre for detaljnivå (verdier: lav, middels, høy) for å hjelpe med å kontrollere hvordan svar er korte og konsise eller lange og omfattende. GPT‑5‑parameteren reasoning_effort kan nå ta en minimal verdi for å få svar raskere, uten omfattende resonnement først. Vi har også lagt til en ny verktøytype – egendefinerte verktøy – for å la GPT‑5 kalle verktøy med ren tekst i stedet for JSON. Egendefinerte verktøy støtter begrensing av utviklerlevert grammatikk fri for kontekst.

Vi lanserer GPT‑5 i tre størrelser i API-et – gpt-5, gpt-5-mini og gpt-5-nano – for å gi utviklere mer fleksibilitet for å avveie ytelse, kostnad og forsinkelse. Mens GPT‑5 i ChatGPT er et system med resonnement, ikke-resonnement og rutermodeller, er GPT‑5 på API-plattformen resonneringsmodellen som gir maksimal ytelse i ChatGPT. Spesielt GPT‑5 med minimal resonnement er en forskjellig modell enn ikke-resonneringsmodellen i ChatGPT og er bedre justert for utviklere. Den ikke-resonnerende modellen som brukes i ChatGPT er tilgjengelig som gpt-5-chat-latest.

For å lese om GPT‑5 i ChatGPT og finne ut mer om andre ChatGPT‑forbedringer kan du sjekke research-bloggen vår. For å se mer om hvordan konsern er begeistret over å bruke GPT‑5, kan du sjekke konsernbloggen⁠ vår.

GPT‑5 er den sterkeste kodemodellen vi noensinne har lansert. Den overgår o3 i alle referansemålinger for koding og ekte bruksområder, og er finjustert til å være fremragende i agentkodeprodukter som Cursor, Windsurf, GitHub Copilot og Codex CLI. GPT‑5 imponerte alfatesterne våre og fikk rekorder på mange av de private interne evalueringene deres. 

På SWE-bench Verified, en evaluering basert på ekte programvareutvikling, får GPT‑5 74,9 %, opp fra 69,1 % for o3. GPT‑5 oppnår den høye poengsummen med høyere effektivitet og hastighet: sammenlignet med o3 ved høy resonnoneringsinnsats bruker GPT‑5 22 % færre utdatatoken og 45 % færre verktøykall.

På Aider polyglot, en evaluering av koderedigering, oppnådde GPT‑5 en ny rekord på 88 %, en reduksjon i feilrate på en tredjedel sammenlignet med o3.

Vi har også oppdaget at GPT‑5 er utmerket til å grave dypt i kodebaser for å svare på spørsmål om hvordan forskjellige deler fungerer eller samspiller med hverandre. I en kodebase som er så komplisert som OpenAIs stabel for forsterkende læring, oppdager vi at GPT‑5 kan hjelpe oss med å resonnere og svare på spørsmål om koden vår, noe som akselererer det daglige arbeidet vårt. 

Ved produsering av grensesnittkode for nettapper er GPT‑5 mer fokusert på estetikk, ambisiøs og nøyaktig. I en side-ved-side-sammenligning med o3 ble GPT‑5 foretrukket av testerne våre 70 % av tiden.

Her er noen morsomme, utvalgte eksempler på hva GPT‑5 kan gjøre med én melding:

Du finner flere eksempler på GPT‑5 i galleriet vårt her⁠(åpnes i et nytt vindu).

GPT‑5 er en bedre samarbeidspartner, spesielt innen agentkodeprodukter som Cursor, Windsurf, GitHub Copilot og Codex CLI. Mens GPT‑5 jobber kan den levere planer, oppdateringer og sammendrag mellom verktøykall. Sammenlignet med tidligere modeller er GPT‑5 mer proaktiv når den løser ambisiøse oppgaver uten å vente på klarsignal fra deg eller stoppe plutselig ved høy kompleksitet.

Her er et eksempel på hvordan GPT‑5 kan se ut mens den takler en kompleks oppgave (i dette tilfelle opprettelse av et nettsted for en restaurant):

I tillegg til agentkoding er GPT‑5 generelt sett bedre til agentoppgaver. GPT‑5 setter nye rekorder på referansemålinger for å følge instruksjoner (69,6 % på Scale MultiChallenge, som gradert av o3‑mini) og verktøykalling (96,7 % på τ²-bench telecom). Forbedret verktøyintelligens lar GPT‑5 mer pålitelig knytte sammen handlinger for å utføre ekte oppgaver.

GPT‑5 følger instruksjoner mer pålitelig enn noen av sine forgjengere, og oppnår høye poengsummer på COLLIE, Scale MultiChallenge og vår interne evaluering av instruksjonsoppfølging.

Vi har jobbet hardt for å forbedre verktøykalling på måtene som er viktige for utviklere. GPT‑5 er bedre til å følge verktøyinstruksjoner, bedre til å håndtere verktøyfeil og bedre til å proaktivt utføre mange verktøykall i sekvens eller parallelt. Når GPT‑5 instrueres til det kan den også gi innledningsmeldinger for og mellom verktøykall for å oppdatere brukere om fremdrift under lengre agentoppgaver.

For to måneder siden ble τ²-bench telecom publisert av Sierra.ai som en utfordrende referansemåling for verktøybruk som fremhevet hvordan ytelsen til språkmodeller faller betydelig når de samhandler med en miljøtilstand som kan endres av brukere. I publikasjonen⁠(åpnes i et nytt vindu) deres fikk ingen modeller over 49 %. GPT‑5 fikk 97 %.

GPT‑5 viser sterke forbedringer av ytelse med lang kontekst i tillegg. På OpenAI-MRCR, en måling av henting av informasjon med lang kontekst, overgår GPT‑5 o3 og GPT‑4.1 med en margin som vokser betydelig ved lengre inndatalengder.

Vi bruker også åpen kildekode for BrowseComp Long Context⁠(åpnes i et nytt vindu), en ny referansemåling for evaluering av spørsmål og svar med lang kontekst. I denne referansemålingen får modellen en brukerspørring, en lang liste over relevante søkeresultater, og må svare på spørsmålet basert på søkeresultatene. Vi designet BrowseComp Long Context til å være realistisk, vanskelig og ha pålitelige riktige grunnsannhetssvar. For inndata som er 128K–256K tokener, gir GPT‑5 riktig svar 89 % av tiden.

I API-et kan alle GPT‑5‑modeller akseptere maksimalt 272 000 inndatatokener og avgi maksimalt 128 000 resonnement- og utdatatokener, for en total kontekstlengde på 400 000 tokener.

GPT‑5 er mer pålitelig enn de tidligere modellene våre. På meldinger fra referansemålingene LongFact og FactScore gjør GPT‑5 ~80 % færre faktafeil enn o3. Dette gjør den bedre egnet for agentbruksområder der riktighet er viktig – spesielt kode, data og beslutningstaking.

Generelt sett er GPT‑5 blitt opplært til å være mer selvbevisst på sine egne begrensninger og være bedre i stand til å håndtere uventede situasjoner. Vi har også lært opp GPT‑5 til å være mye mer nøyaktig med helsespørsmål (les mer i research-bloggen vår. I likhet med alle språkmodeller anbefaler vi at du bekrefter arbeidet til GPT‑5 når det gjelder noe viktig.

Utviklere kan kontrollere tenketiden til GPT‑5 via parameteren reasoning_effort i API-et. I tillegg til de tidligere verdiene – lav, middels (standard) og høy – støtter GPT‑5 også minimal, som minimerer resonnementet til GPT‑5 for å gi svar raskt.

Høyere verdier for reasoning_effort maksimerer kvalitet og senker verdier som maksimerer hastighet. Ikke alle oppgaver drar like mye nytte av ytterligere resonnement, så vi anbefaler å eksperimentere for å se hvilke som fungerer best for bruksområdene du bryr deg om.

Resonnement over lav tilføyer for eksempel lite til relativt enkel henting av lang kontekst, men tilføyer ganske mange prosentpoeng til CharXiv Reasoning⁠(åpnes i et nytt vindu), en referansemåling for visuelt resonnement.

For å bidra til å styre standardlengden til svarene fra GPT‑5 har vi introdusert en ny API-parameter, detaljnivå, som bruker verdiene lavt, middels (standard) og høyt. Hvis uttrykkelige instruksjoner er i strid med parametrene for detaljnivå, har uttrykkelige instruksjoner forrang. Hvis du for eksempel ber GPT‑5 om å «skrive en stil på 5 paragrafer», skal modellsvaret alltid være 5 paragrafer, uavhengig av detaljnivået (men selve paragrafene kan være lengre eller kortere).

Hvis GPT‑5 instrueres til det, gir den innledningsmeldinger som er synlige for brukeren, før og mellom verktøykall. I motsetning til skjulte resonnementmeldinger lar disse synlige meldingene GPT‑5 kommunisere planer og fremdrift til brukeren, noe som hjelper sluttbrukere med å forstå tilnærmelsen og hensikten bak verktøykallene.

Vi introduserer en ny verktøytype – egendefinerte verktøy – som lar GPT‑5 kalle et verktøy med ren tekst i stedet for JSON. For å begrense GPT‑5 til å følge formatene til egendefinerte verktøy kan utviklere forsyne et regulært uttrykk eller til og med mer fullstendig spesifisert grammatikk uten kontekst⁠(åpnes i et nytt vindu).

Tidligere krevde grensesnittet vårt for utviklerdefinerte verktøy at de ble kalt med JSON, et vanlig format som generelt sett brukes av nett-API-er og utviklere. Men å gi utdata med gyldig JSON krever at modellen lukke alle sitattegn, omvendte skråstreker, linjeskift og andre kontrolltegn perfekt. Selv om modellene våre er godt opplært til å gi JSON som utdata, økes sjansen for at en feil dukker opp ved inndata på hundrevis av kodelinjer eller en rapport på 5 sider. Med egendefinerte verktøy kan GPT‑5 skrive verktøyinndata som ren tekst, uten å måtte lukke alle tegnene som krever lukking.

På SWE-bench Verified med egendefinerte verktøy i stedet for JSON-verktøy fikk GPT‑5 omtrent samme poengsum.

GPT‑5 gjør fremskritt innen sikkerhet og er en mer robust, pålitelig og nyttig modell. Det er betydelig mindre sannsynlig at GPT‑5 hallusinerer sammenlignet med de tidligere modellene våre, den kommuniserer ærligere handlingene og funksjonene sine til brukeren og gir det nyttigste svaret der det er mulig, samtidig som den holder seg innenfor sikkerhetsgrensene. Du kan lese mer i research-bloggen vår.

Nå er GPT‑5 tilgjengelig i API-plattformen i tre størrelser: gpt-5, gpt-5-mini og gpt-5-nano. Den er tilgjengelig i Responses API, Chat Completions API og er standard i Codex CLI. GPT‑5 er priset til 1,25 USD per 1 million inndatatokens og 10 USD per 1 million utdatatokens, GPT‑5 mini er priset til 0,25 USD per 1 million inndatatokens og 2 USD per 1 million utdatatokens, og GPT‑5 nano er priset til 0,05 USD per 1 million inndatatokens og 0,40 USD per 1 million utdatatokens.

Alle GPT‑5‑modeller i API-en støtter API-parametrene reasoning_effort og verbosity samt egendefinerte verktøy. De støtter også parallell verktøykalling, innebygde verktøy (nettsøk, filsøk, bildegenerering med mer), kjerne-API-funksjoner (strømming, strukturerte utdata med mer) og kostnadsbesparende funksjoner som rask bufring og Batch API.

Den ikke-resonnerende versjonen av GPT‑5 brukt i ChatGPT er tilgjengelig i API som gpt-5-chat-latest, også priset til 1,25 USD per 1 million inndatatokens og 10 USD per 1 million utdatatokens.

GPT‑5 lanseres også på Microsofts plattformer, inkludert Microsoft 365 Copilot, Copilot, GitHub Copilot og Azure AI Foundry.

Sjekk GPT‑5‑dokumentasjonen⁠(åpnes i et nytt vindu), prisdetaljene⁠(åpnes i et nytt vindu) og meldingsveiledningen⁠(åpnes i et nytt vindu) for å komme i gang.