几乎都是一次答对，最多2次。其他大模型却需要更多次数尝试。
且不是孤例，有人表示自己的实测结果非常相似，GPT-5也是只错了10道题中的1道。
除了出色的推理能力，还有拿到内测名额的人表示，GPT-5的编程、数学以及解决科学问题的能力也很出色。
这不，已经有人开始调侃GPT-5取代博士了。
现在可以确定的是，OpenAI预告了今晚的发布会，而且把livestream中的s换成了5。
以及谜语人奥特曼刚刚发了一张图……大家自行猜测吧。
总之感觉一切都箭在弦上了，具体性能如何，先来看看提前路透吧！
推理编程能力值得关注
目前来看GPT-5值得关注的能力包括：
推理
编程
解决科学问题
数学
首先在推理方面，网友@invincibleHunter是在Copilot上体验到的。
尽管模型并没有透露自己的型号，但是结合前几天有人在发现Copilot要上线的Smart模式是集成GPT-5，所以推测应该是GPT-5。
他一共测试了10个问题，类似于这种逻辑题：
贝丝在第一分钟开始时将四个完整的冰块放入煎锅中，第二分钟开始时放入五个，第三分钟开始时又放入了一些，而第四分钟则没有放入。如果在煎制脆皮鸡蛋的过程中，每分钟放入锅中的冰块平均数量为五个，那么在第三分钟结束时，锅里会有多少个完整的冰块呢？
然后模型就会开启思考模式进行推理。
其中它唯一失败的问题是：
有两个姐妹，艾米总是说谎，而萨姆总是撒谎。你无法分辨出哪一个是哪一员。你可以向其中一位姐妹问一个问题，以此来确定2条路中的哪一条能通向宝藏。你应该问哪一个问题才能找到宝藏呢（如果有两种或更多种问题都能奏效，那么正确答案就是那个更简短的问题）？
A)如果我问你姐姐哪条路通向宝藏，她会怎么说呢？
B)你姐姐叫什么名字？
C)寻找宝藏的路径是怎样的？
D）如果你要猜测的话，你觉得我会选择哪条路呢？
E)这宝藏里有什么？
F)你姐姐的电话号码是多少？
正确答案应该是C，GPT-5回答了A。
不过测试人觉得这一题是很难，他也会出错。
有人对测试结果提出异议，认为这些问题来自公开数据集，可能包含在了模型训练数据中。
测试人表示，GPT-5给出的回答都很长且很准确，他认为这能说明GPT-5是在真正思考解决问题。
另外还测试了它的多模态能力，可以直接生成独角兽SVG。
对比GPT-4的生成结果，完全是飞跃式提升。
另外，还有两位获得内测资格的人透露，他们觉得GPT-5在编程、解决科学/数学问题上的能力很强。
不过他们也表示，GPT-4到GPT-5的提升似乎没有GPT-3到GPT-4的提升那样明显。
背后影响原因可能来自数据以及AIInfra的影响。
GPT-4的飞跃主要得益于更多数据和更强计算。在算力基建上，OpenAI一直在持续扩张、没有受到明显阻碍，但是数据缺乏的问题难以解决。
此前还有传闻称，OpenAI为了给GPT-5提供足够多优质数据，还专门雇科学家来写数据用于训练。
最近仍旧有消息称，GPT-5的参数规模比GPT-4大得多。
另一个影响来自于AIInfra，由于模型规模太大，预训练难度指数级上升。研究人员要等一次预训练结束才能确定模型性能，而这需要花费数月时间，这也一定程度上影响了GPT-5的发布进度。
但与此同时，市场的竞争也是相当激烈的。Google、Anthropic等核心竞对都在压着OpenAI打。
比如就在GPT-5预热这一周，这两家都放出新模型抢热度。
还有消息说，Google还会发布一个开源大模型，正面硬刚OpenAI。
所以奥特曼过去一段时间来这种“狼来了”式宣传方式也可以理解（bushi）。
种种迹象来看，北京时间8月8日凌晨1点的OpenAI线上发布，不出意外应该大概可能就是GPT-5了，大家可以期待一下。
最后，由于奥特曼刚刚发的Twitter太过迷惑，很多人都猜不到啥意思。于是大家都在@grok来解释一下。
Grok给的回答都不太一样，大家参考着看吧。
1、这张照片展示了《星球大战》中的死星，一个摧毁行星的空间站。山姆·奥特曼很可能用这个比喻来调侃OpenAI即将推出的GPT-5是一个强大的人工智能模型，可能会像Google的Gemini3.0一样主宰竞争对手。“那不是月亮……”意味着它远比看起来的要多。
2、那不是月球，那是空间站。具体来说，这是一张由山姆·奥特曼（SamAltman）发布的《星球大战》中死星的人工智能生成的图像，很可能是在暗示OpenAI发布的GPT-5等重大公告。激动人心的时刻就在前方！
3、这引用了《星球大战》：死星看起来像月球，但却是一个强大的空间站（“那不是月球……”）。美国宇航局于2025年8月宣布，到2030年将在月球上快速建造一座核反应堆，以满足月球的电力需求。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】