OpenAI 难现往日辉煌。

新眸原创 · 作者 | 简瑜

在 GPT-4 发布两年之后，经历多次“跳票”的 GPT-5 终于在今日登场。

北京时间 8 月 8 日凌晨 1 点，OpenAI 举办了一场超过一小时的发布会，系统展示了 GPT-5 在智能水平、编程能力、任务推理等维度的性能迭代。

但相比此前 GPT-3 到 GPT-4 所带来的全方位升级，许多人表示，这次 GPT-5 并没有带来更多的惊喜，从发布会规模、产品亮点、到性能升级，都显得较为平庸，相较当前主流 SOTA 模型，提升幅度并不显著。

反倒是价格策略成了此次发布的最大亮点。GPT-5 的 API 调用价格仅为前几日发布的 Claude Opus 4.1 的 1/15，显著低于 Gemini 2.5 Pro，在当前大模型市场上展现出极强的性价比。

近两年，随着 AI 工具开始席卷各行各业，人们渴望 AI 能够取代重复繁琐的工作，也在担忧自己是否会被 AI 所取代，这也是 GPT-5 发布前备受关注的原因之一。但就目前 GPT-5 的能力突破来看，人类智能在通往 AGI 的路上仍有很长一段路要走。

回顾过去几年 GPT 的迭代历程，不仅是众多 AI 公司争相效仿的对象，也是整个大模型行业发展的缩影。而此次 GPT-5 相对平庸的表现，虽然打破了外界对大模型技术持续突破的惯性认知，但某种程度上，也在大多数人的意料之中。

相比 AI 兴起阶段大众对于大模型技术的过高展望，市场上有关大模型参数突破的讨论正势渐微弱。相比起技术突破，人们开始更加关心的是，AI 如何更有效地渗透进日常生活。

从 GPT1 到 GPT5

GPT 的未来要走向哪里？

自 2018 年 OpenAI 发布首个大模型 GPT-1 以来，GPT 系列已经走过了七年。

2020 年 GPT3 的出现，让大模型参数规模从 15 亿直接拓展到了 1750 亿，也因此通过“上下文学习”能力，摆脱了对大量标注数据的依赖，使大模型能够开始作为效率工具使用。

两年后，基于 GPT-3.5 构建的对话式模型 ChatGPT 上线，进一步推动大模型走入 C 端日常，成为通用 AI 应用的重要落地转折点。

随后 GPT-4 的全面升级，更是在实现万亿级模型参数的同时，让大模型在单纯文本输出的基础上，实现了图像的交互提升。

此后一年里，GPT 发布的多款模型，都在围绕图像、语音互动等多模态能力迭代； deepseek 的横空出世，将推理模型带向了大众视野，去年 OpenAI 接连发布了 O1、O3 系列产品，将复杂推理作为了性能优势，开始强调对科学、编程等专业领域的协助能力。

与此同时，围绕大模型参数量的宏大叙事开始逐渐消失，转变为对多模态、长文本等细节能力的追求，以及对医疗、教育等落地场景的讨论。正因如此，大模型产品形态也开始从单一模型转向了多版本并行。

截至目前，OpenAI 已构建起由 GPT 系列（主打对话交互）、O 系列（聚焦复杂推理）以及图像 / 视频生成模型（支撑多模态创作）组成的三大产品矩阵。

在本次升级的 GPT-5 中，GPT 进一步统一了 O 系列的推理能力和 GPT 的快速响应，相比较 deepseek 在模型使用时，自主选择是否使用深度思考模式，GPT-5 的区别在于能够自动判断对话类型。

OpenAI 核心产品发布时间线

除此之外，在此次发布会中，OpenAI 首次同时推出了 4 个版本，标准版 GPT-5、轻量级的 GPT-5 mini 与 GPT-5 nano，以及面向企业与高级订阅用户的 GPT-5 Pro（需企业授权或月付 200 美元）。加深了按需定制、分层定价的 SaaS 化路径演进。

这种转变也意味着，对于 AI 公司来说，竞争的门槛不再仅是技术突破，还在于是否具备构建产品体验、搭建商业模型、整合跨界资源的综合能力。

GPT-5 难产真相：

大模型升级为何越来越难？

DeepSeek 上线所带来的用户量激增，不仅向外界证明了开源模型的商业化可行性，也进一步加深了大模型公司对“先发优势”的重视。当模型性能差距趋于收敛，前期对于用户心智的争夺上升为第一要义。

正因如此，随着 GPT-5 问世的风声不断，最近一段时间，各大厂商开始纷纷加速竞跑，相继推出新品。

字节在两个月前将豆包更新至 1.6 版本，阿里也在昨日推出了 Qwen3-4B-Instruct-2507 与 Thinking-2507 双版本，MiniMax 近几日发布了新一代语言生成模型 Speech 2.5，智谱也在上月底发布旗舰模型 GLM-4.5 ……一场集中式更新潮，给沉静许久的大模型赛道掀起了又一波浪潮。

但当我们把时间拉长来看，这波密集的模型上新趋势，距离上一次“百模大战”的盛景，已经过去了一年多。

大模型的更新趋势正在逐渐放缓。不仅如此，相较 GPT-3 到 GPT-4 参数暴涨、多模态突破、上下文显著增强的跃迁，近期多款新品的提升幅度也显得颇为有限，大多数模型的升级和 GPT-5 一样乏善可陈。

很多人把背后的原因归结为数据瓶颈。

去年万众瞩目的 Orion，项目开发时长超过了 18 个月，曾经被寄予厚望，原计划作为 GPT-5 推出。结果在验证时，性能却远未达到预期，最终只能被降级成 GPT-4.5，在今年 2 月默默上线。

据业内人士称，Orion 之所以失败，最核心的原因在于，团队摸到了预训练阶段的天花板。随着训练数据的不断扩充，高质量网络数据存量不断减少，直接导致了模型训练效果的下降。

除此之外，随着大模型参数量不断增加，硬件水平所带来的掣肘也在越发放大，据媒体报道，有开发人员透露，OpenAI 在去年年底所推出的推理模型 O3，之所以能够实现核心的性能提升，主要依赖于使用更多的英伟达芯片进行开发。

更进一步的问题在于，大众对于 AI 幻觉、AI 味的抵制正在呈现更为激进的态势。