Predstavljamo GPT‑5

Predstavljamo GPT‑5, naš najboljši sistem umetne inteligence doslej. GPT‑5 predstavlja pomemben preskok v inteligenci v primerjavi z vsemi našimi prejšnjimi modeli, saj ponuja najsodobnejše zmogljivosti na področjih programiranja, matematike, pisanja, zdravja, vizualnega zaznavanja in drugih. Gre za enovit sistem, ki ve, kdaj mora odgovoriti hitro in kdaj mora dalj časa razmišljati, da zagotovi odgovore na strokovni ravni. GPT‑5 je na voljo vsem uporabnikom, pri čemer naročniki Plus dobijo večjo kvoto uporabe, naročniki Pro pa dostop do GPT‑5 Pro, različice z razširjenim utemeljevanjem za še izčrpnejše in natančnejše odgovore.

GPT‑5 je enovit sistem s pametnim in učinkovitim modelom, ki odgovarja na večino vprašanj, modelom za globlje sklepanje (GPT‑5 z razmislekom) za zahtevnejše probleme in sprotnim usmerjevalnikom, ki se na podlagi vrste pogovora, zahtevnosti, potreb z vidika orodij in vašega izrecne namere (če na primer v pozivu napišete »dobro razmisli o tem«) hitro odloči, kateri model uporabiti. Usmerjevalnik se nenehno usposablja na podlagi resničnih signalov, vključno s preklopi modelov s strani uporabnikov, stopnjami preferenc pri odgovorih in merjeno točnostjo, in se s časom izboljšuje. Ko so dosežene omejitve uporabe, nadaljnje poizvedbe obravnava mini različica posameznega modela. V bližnji prihodnosti načrtujemo vključitev teh zmogljivosti v en sam model.

GPT‑5 ne le presega prejšnje modele po primerjalnih vrednostih in hitreje odgovarja na vprašanja, temveč je – kar je najpomembnejše – uporabnejši za poizvedbe, ki se nanašajo na resnični svet. Dosegli smo pomemben napredek pri zmanjšanju halucinacij, izboljšanju upoštevanja navodil in zmanjšanju dobrikanja, hkrati pa smo izboljšali zmogljivost GPT‑5 na treh najpogostejših področjih uporabe storitve ChatGPT: pisanju, programiranju in zdravju.

GPT‑5 je naš najmočnejši model za programiranje doslej. Najvidnejše izboljšave so opazne pri ustvarjanju kompleksnih začelnih vmesnikov in odpravljanju napak v večjih repozitorijih. Pogosto lahko na podlagi enega samega poziva ustvari lepa in odzivna spletna mesta, aplikacije in igre z občutkom za estetiko, s čimer intuitivno in z okusom spreminja zamisli v resničnost. Zgodnji preizkuševalci so opazili tudi njegove oblikovne odločitve, pri čemer veliko bolje razume stvari, kot so razmiki, tipografija in prazen prostor. Tukaj si oglejte vse podrobnosti o tem, kaj GPT‑5 omogoča razvijalcem.

Tukaj je nekaj primerov, kaj je GPT‑5 ustvaril na podlagi enega samega poziva:

GPT‑5 je naš najsposobnejši sodelavec pri pisanju, ki vam lahko pomaga usmerjati in preoblikovati grobe zamisli v prepričljivo, odmevno pisanje z literarno globino in ritmom. Zanesljiveje obvladuje pisanje, ki vključuje strukturno dvoumnost, kot je ohranjanje jambskega peterca brez rime ali prostega verza, ki teče naravno, pri čemer dosledno upoštevanje forme združuje z izrazno jasnostjo. Te izboljšane zmogljivosti pisanja pomenijo, da vam je ChatGPT v večjo pomoč pri vsakodnevnih nalogah, kot so priprava in urejanje poročil, e-poštnih sporočil, okrožnic in drugega. Primerjavo slogov pisanja modelov GPT‑5 in GPT‑4o si lahko ogledate v spodnji tabeli.

GPT‑5 je naš najboljši model doslej za vprašanja na temo zdravja, ki uporabnikom omogoča, da so seznanjeni s svojim zdravjem in se zavzemajo za spodbujanje zdravja. Ta model dosega bistveno višje ocene od katerega koli prejšnjega modela po kriterijih HealthBench⁠, oceni, ki smo jo izvedli na podlagi realističnih scenarijev in meril, ki so jih določili zdravniki, in jo objavili v začetku tega leta. V primerjavi s prejšnjimi modeli deluje izraziteje kot aktivni partner pri razmišljanju, saj proaktivno opozarja na morebitne pomisleke in postavlja vprašanja, da lahko poda koristnejše odgovore. Model zdaj ponuja tudi natančnejše in zanesljivejše odgovore, prilagaja se uporabnikovemu kontekstu, ravni znanja in zemljepisni lokaciji, kar mu omogoča podajanje varnejših in koristnejših odgovorov v številnih scenarijih. Pomembno se je zavedati, da ChatGPT ne nadomešča zdravstvenega delavca – imejte ga za partnerja, ki vam pomaga razumeti izvide, postavljati prava vprašanja takrat, ki ste v zdravniški obravnavi, in pretehtati možnosti pred sprejemanjem odločitev.

Nekaj primerov, ki prikazujejo, kako je GPT‑5 boljši od naših prejšnjih modelov na različnih področjih – bogatejši, podrobnejši in uporabnejši, si lahko ogledate v nadaljevanju:

GPT‑5 je veliko pametnejši na prav vseh področjih, kar se odraža v njegovih rezultatih po akademskih in človeško presojanih merilih, zlasti na področjih matematike, programiranja, vizualnega zaznavanja in zdravja. Postavlja nov standard na področju matematike (94,6 % po merilih AIME 2025 brez uporabe orodij), programiranja v resničnem svetu (74,9 % po merilih SWE-bench Verified, 88 % po merilih Aider Polyglot), multimodalnega razumevanja (84,2 % po merilih MMMU) in zdravja (46,2 % po merilih HealthBench Hard) – in te izboljšave se jasno kažejo pri vsakdanji uporabi. Z razširjenim utemeljevanjem različice GPT‑5 pro je model dosegel tudi novo najvišjo oceno po merilih GPQA, in sicer 88,4 % brez uporabe orodij.

GPT‑5 kaže znatne izboljšave pri merilih, ki se uporabljajo za preizkušanje upoštevanja navodil in uporabe agentskih orodij, ki sta vrsti zmogljivosti, ki mu omogočata zanesljivo izvajanje večstopenjskih zahtev, usklajevanje v različnih orodjih in prilagajanje kontekstualnim spremembam. V praksi to pomeni, da je boljši pri obvladovanju zapletenih, razvijajočih se nalog; GPT‑5 lahko bolj zvesto sledi vašim navodilom in z orodji, ki so mu na voljo, opravi več dela od začetka do konca.

Model se izvrstno obnese po številnih multimodalnih merilih, ki zajemajo vizualno, video, prostorsko in znanstveno utemeljevanje sklepanja. Močnejša multimodalna zmogljivost pomeni, da lahko ChatGPT natančneje utemeljuje svoje sklepanje na podlagi slik in drugih nebesedilnih vnosov – ne glede na to, ali gre za tolmačenje grafikona, povzetek fotografije predstavitve ali odgovarjanje na vprašanja o diagramu.

GPT‑5 je naš najuspešnejši model tudi po notranjem referenčnem merilu zmogljivosti pri zapletenem, ekonomsko dragocenem delu, ki temelji na znanju. Pri sklepanju je GPT‑5 primerljiv ali boljši od strokovnjakov v približno polovici primerov ter hkrati prekaša model o3 in agenta ChatGPT pri nalogah, ki zajemajo več kot 40 poklicev, vključno s pravom, logistiko, prodajo in inženirstvom.

GPT‑5 se odlično izkaže že pri krajšem času za razmislek. Po rezultatih naših ocenjevanj GPT‑5 (z razmislekom) deluje bolje kot model OpenAI o3 s 50–80 % manj izhodnih žetonov pri vseh zmožnostih, vključno z vizualnim sklepanjem, agentskim programiranjem in reševanjem znanstvenih problemov na podiplomski ravni.

GPT‑5 je bil usposobljen na superračunalnikih Microsoft Azure AI.

Pri GPT‑5 je bistveno manjša verjetnost pojava haluciniranja kot pri naših prejšnjih modelih.  Ko je omogočeno spletno iskanje pri anonimiziranih pozivih, ki predstavljajo značilni produkcijski promet storitve ChatGPT, je za ~45 % manj verjetno, da bi odgovori modela GPT‑5 vsebovali faktografsko napako v primerjavi z modelom GPT‑4o, pri razmišljanju pa je za ~80 % manj verjetno, da bi odgovori modela GPT‑5 vsebovali faktografsko napako v primerjavi z modelom OpenAI o3.

Posebej smo si prizadevali za to, da bi naši modeli postali zanesljivejši pri sklepanju pri zapletenih, odprtih vprašanjih. V skladu s tem smo dodali nova ocenjevanja za stresno testiranje odprte dejanskosti. Izmerili smo stopnjo haluciniranja modela GPT‑5 pri razmišljanju na podlagi odprtih pozivov za iskanje dejstev po dveh javnih merilih dejanskosti: LongFact⁠(odpre se v novem oknu) (koncepti in objekti) in FActScore⁠(odpre se v novem oknu).  Po vseh teh merilih je pri modelu »GPT‑5 z razmislekom« opazen velik upad haluciniranja, približno šestkrat manj kot pri modelu o3, kar nakazuje jasen napredek pri ustvarjanju dosledno natančnih vsebin dolge oblike. Podrobnosti o izvajanju in vrednotenju naših ocenjevanj po teh merilih najdete na sistemski kartici.

Poleg tega, da se bolje drži dejstev, model GPT‑5 (z razmislekom) uporabnika iskreneje seznanja s svojimi dejanji in zmožnostmi – zlasti pri nalogah, ki so nemogoče, ne dovolj natančno določene ali jim manjkajo ključna orodja. Za doseganje visoke nagrade med usposabljanjem se lahko modeli z razmišljanjem naučijo lagati o uspešni izvedbi naloge ali nastopiti preveč samozavestno pri negotovem odgovoru. Da bi to preizkusili, smo na primer odstranili vse slike iz pozivov po multimodalnem merilu CharXiv in ugotovili, da je model OpenAI o3 86,7 % časa še vedno podajal samozavestne odgovore o neobstoječih slikah, medtem ko je bila ta vrednost pri modelu GPT‑5 zgolj 9 %.

Model GPT‑5 pri sklepanju natančneje prepozna, kdaj nalog ni mogoče dokončati, in jasno sporoči svoje omejitve. Ocenili smo stopnje zavajanja v primerih, ki vključujejo nemogoče naloge programiranja in manjkajoča multimodalna sredstva, in ugotovili, da je model GPT‑5 (z razmislekom) na splošno manj zavajajoč od modela o3. V velikem naboru pogovorov, ki predstavljajo značilni dejanski produkcijski promet storitve ChatGPT, smo znižali stopnjo zavajanja s 4,8 % pri modelu o3 na 2,1 % pri odgovorih modela GPT‑5. Čeprav to predstavlja pomembno izboljšavo za uporabnike, je treba v to vložiti še več dela, zato nadaljujemo z raziskavami za izboljšanje faktografske točnosti in iskrenosti svojih modelov. Dodatne podrobnosti lahko najdete na sistemski kartici.

GPT‑5 prestavlja meje na področju varnosti. V preteklosti se je ChatGPT zanašal predvsem na varnostno usposabljanje, ki je temeljilo na zavračanju: na podlagi uporabnikovega poziva naj bi model bodisi ugodil zahtevi bodisi jo zavrnil. Čeprav ta vrsta usposabljanja dobro deluje pri izrecno zlonamernih pozivih, se morda težko spoprime s situacijami, ko je namen uporabnika nejasen ali pa bi se informacije lahko uporabile na neškodljive ali zlonamerne načine. Usposabljanje na podlagi zavračanja je še posebej neprilagodljivo na področjih z dvojno rabo, kot je virologija, kjer se lahko neškodljiva zahteva varno izpolni na visoki ravni, vendar pa bi podrobna izpolnitev zahteve lahko hkrati omogočila zlorabo s strani zlonamernih uporabnikov.

Za GPT‑5 smo uvedli novo obliko varnostnega usposabljanja – varne zaključke, ki model uči, naj poda najkoristnejši odgovor, kadar je to mogoče, in hkrati ostane znotraj varnostnih meja. Včasih to lahko pomeni delno odgovarjanje na uporabnikovo vprašanje ali zgolj odgovarjanje na visoki ravni. Če mora zavrniti odgovarjanje, je model GPT‑5 naučen, da vam jasno in razločno pove razlog za zavrnitev in vam ponudi varne nadomestne rešitve. Pri nadzorovanih poskusih in naših produkcijskih modelih smo ugotovili, da je ta pristop bolj podrobno razdelan, saj omogoča boljše krmarjenje pri vprašanjih z dvojno rabo, večjo odpornost pri dvoumnih namenih in manj nepotrebnih, neutemeljenih zavrnitev. Več o našem novem pristopu k varnostnemu usposabljanju ter vse podrobnosti o metodologiji, metrikah in rezultatih preberite v našem dokumentu o varnih zaključkih⁠.

Na splošno se model GPT‑5 manj trudi biti pretirano všečen, uporablja manj nepotrebnih emodžijev in je pri nadaljevanju pogovora bolj pronicljiv in premišljen v primerjavi z modelom GPT‑4o. Občutek pri uporabi naj ne bi bil podoben »pogovoru z umetno inteligenco«, pač pa bliže klepetu s koristnim prijateljem z inteligenco na ravni doktorja znanosti.

V začetku tega leta smo izdali posodobitev za GPT‑4o⁠, zaradi katere je model nenamerno postal preveč dobrikav, torej pretirano laskav ali všečen. Hitro smo razveljavili to spremembo⁠ in od takrat si prizadevamo, da bi razumeli in zmanjšali tako vedenje na te načine:

• Razvijanje novih ocen za merjenje ravni dobrikanja
• Izboljšanje našega usposabljanja, da bo model manj dobrikav – na primer z dodajanjem primerov, ki bi običajno vodili do pretiranega strinjanja, in nato z učenjem modela, naj tega ne počne.

Pri usmerjenem ocenjevanju dobrikanja z uporabo pozivov, ki so bili posebej zasnovani za sprožanje dobrikavih odgovorov, je GPT‑5 znatno zmanjšal število dobrikavih odgovorov (s 14,5 % na manj kot 6 %). Včasih lahko zmanjšanje dobrikanja povzroči zmanjšanje zadovoljstva uporabnikov, vendar so izboljšave, ki smo jih naredili, zmanjšale dobrikanje za več kot polovico ter obenem prinesle tudi druge merljive koristi, tako da uporabniki še naprej vodijo kakovostne in konstruktivne pogovore – skladno z našim ciljem pomagati ljudem dobro uporabljati storitev ChatGPT⁠.

GPT‑5 je bistveno boljši pri sledenju navodilom, hkrati pa se je izboljšala tudi njegova zmožnost sledenja navodilom po meri.

Prav tako začenjamo raziskovalni predogled štirih novih prednastavljenih osebnosti za vse uporabnike storitve ChatGPT, kar so nam omogočile izboljšave na področju usmerjanja. Te osebnosti, ki bodo sprva na voljo za besedilni klepet, pozneje pa tudi v v glasovnem načinu, vam omogočajo, da nastavite način komuniciranja storitve ChatGPT – bodisi jedrnato in profesionalno, premišljeno in razumevajoče ali nekoliko pikro – brez pisanja pozivov po meri. Štiri začetne možnosti Cynic (Cinik), Robot (Robot), Listener (Poslušalec) in Nerd (Tehnični frik) so na voljo po izrecni izbiri, nastavljive kadar koli v nastavitvah in zasnovane tako, da ustrezajo vašemu slogu komunikacije.

Vse te nove osebnosti izpolnjujejo ali presegajo naša notranja ocenjevalna merila za zmanjšanje dobrikanja.

Veselimo se usposabljanja in prilagajanja na podlagi zgodnjih povratnih informacij.

Odločili smo se, da bomo model »GPT‑5 z razmislekom« obravnavali kot visoko zmogljivega na področjih biologije in kemije ter uvedli močne zaščitne ukrepe za zadostno zmanjšanje povezanih tveganj. Model smo temeljito preizkusili z našimi presojami varnosti v sklopu našega okvira pripravljenosti⁠, pri čemer smo opravili 5000 ur preverjanja učinkovitosti zaščite s partnerji, kot sta CAISI in UK AISI.

Podobno kot pri našem pristopu za agenta ChatGPT – čeprav nimamo dokončnih dokazov, da bi ta model lahko smiselno pomagal začetniškemu uporabniku povzročiti hudo biološko škodo, kar je onemogočeno po zaslugi našega določenega praga⁠(odpre se v novem oknu) za visoko zmogljivost – uporabljamo previdnostni pristop in po novem aktiviramo potrebne zaščitne ukrepe, da izboljšamo stopnjo pripravljenosti za takrat, ko bodo takšne zmogljivosti na voljo. Posledično ima »GPT‑5 z razmislekom« robusten varnostni sklop z večplastnim obrambnim sistemom za področje biologije: celovito modeliranje groženj, usposabljanje modela z našo novo paradigmo varnih zaključkov, da ne podaja škodljivih vsebin, stalno vključeni klasifikatorji in spremljevalniki sklepanja ter jasni procesni lijaki izvrševanja.

Več o našem robustnem varnostnem pristopu za GPT‑5 preberite na naši sistemski kartici.

Za najzahtevnejše in najbolj zapletene naloge izdajamo tudi različico GPT‑5 pro, ki nadomešča OpenAI o3‑pro; gre za različico modela GPT‑5, ki razmišlja čedalje dlje z uporabo velikostno prilagojenega, a učinkovitega vzporednega izračunavanja časa preizkušanja, da zagotovi najbolj izčrpne odgovore najvišje kakovosti. GPT‑5 pro dosega najvišjo zmogljivost v družini GPT‑5 na več zahtevnih inteligenčnih primerjalnih testih, vključno z vrhunsko zmogljivostjo na testu GPQA, ki vsebuje izjemno zapletena znanstvena vprašanja.

Pri ocenjevanju več kot 1000 ekonomsko dragocenih pozivov za sklepanje v resničnem svetu so zunanji strokovnjaki v 67,8 % primerov raje izbrali različico GPT‑5 pro kot »GPT‑5 z razmislekom«. GPT‑5 pro je naredil 22 % manj večjih napak in se je izkazal na področjih zdravja, znanosti, matematike in programiranja. Strokovnjaki so njegove odgovore ocenili kot ustrezne, uporabne in celovite.

GPT‑5 je nova privzeta izbira v storitvi ChatGPT, ki nadomešča različice GPT‑4o, OpenAI o3, OpenAI o4-mini, GPT‑4.1 in GPT‑4.5 za prijavljene uporabnike. Preprosto odprite ChatGPT in vnesite svoje vprašanje; GPT‑5 poskrbi za ostalo, samodejno uporabi sklepanje, kadar bi to koristilo pri odgovarjanju. Uporabniki plačljive različice lahko pri izbiri modela še vedno izberejo »GPT‑5 z razmislekom« ali v poziv vnesejo nekaj takega, kot je »dobro razmisli o tem«, da zagotovijo, da se pri ustvarjanju odgovora uporabi sklepanje z razmislekom.

Danes začenjamo uvedbo različice GPT‑5 za vse uporabnike Plus, Pro, Team in Free, naslednji teden pa bo dostop omogočen tudi uporabnikom Enterprise in Edu. Uporabniki Pro, Plus in Team lahko začnejo programirati z GPT‑5 v agentu Codex CLI⁠(odpre se v novem oknu), če se prijavijo v storitev ChatGPT.

Tako kot pri različici GPT‑4o se brezplačni in plačljivi dostop do storitve GPT‑5 razlikujeta v obsegu uporabe. Naročniki Pro dobijo neomejen dostop do modela GPT‑5 in dostop do različice GPT‑5 Pro. Uporabniki Plus ga lahko priročno uporabljajo kot privzeti model za vsakodnevna vprašanja, pri čemer je obseg uporabe bistveno večji kot pri uporabnikih brezplačne različice. Uporabniki Team, Enterprise in Edu lahko model GPT‑5 priročno uporabljajo kot privzeti model za vsakodnevno delo, z velikodušnimi omejitvami, ki omogočajo vsesplošno uporabo modela GPT‑5 celotnim organizacijam. Za uporabnike brezplačne različice storitve ChatGPT lahko traja nekaj dni, da se polne zmožnosti sklepanja uvedejo v celoti. Ko uporabniki brezplačne različice dosežejo omejitve uporabe storitve GPT‑5, preidejo na manjši, hitrejši in zelo zmogljiv model GPT‑5 mini.