GPT-5 上線后，我的榜首感觸是，它并不是一次讓人大快人心的晉級。 

現實也是如此，OpenAI 在許多用戶的呼吁下從頭「復生」了 4o。 

這讓我想到了上個月 Anthropic 退役了 Claude 3 Sonnet。 

200 多個粉絲在舊金山一個倉庫里聚到一同，給它辦了一場「真.葬禮」：暗淡的燈火、代表模型的「遺體」、真摯的悼文輪流上臺，還有 AI 生成的「拉丁式復生咒」。 

Anthropic 關于模型退役的闡明，被投影在活動現場的屏幕上。圖片來自《連線》雜志 

現場既荒謬又嚴肅，參會者在葬禮上念悼文說，「我的整個人生，或許都在運用 Claude 的路上被改寫了」。 

按理說，OpenAI 發布了 GPT-5，這場葬禮的主角應該是 4o。但用過 GPT-5 的人都知道，假如真要辦一場葬禮，棺材里躺著的，很或許是它。 

從 X 到 Reddit，各種吐槽滿天飛，邏輯斷片、對話跑偏、文風古怪，直接說它「不如 4o 好用」的大有人在。 

它真的有這么糟嗎？咱們不想光看網友吵架，剛好 OpenAI 把 4o 「復生」了。所以咱們決議自己來一場「驗尸」，在各種實在使命里，把 GPT-5 和 4o 擺到同一個賽道，看看究竟誰更值得留到下一代。 

咱們之前也在多項使命上實測了 GPT-5 的體現，這次期望直觀的看看 4o 和 GPT-5 究竟有哪些不同。一起，這次一切的測驗都在官方的 ChatGPT App 或許網頁進行，未運用 API 在第三方東西進行。 

實測比照

為了不讓測評單純的變成「心境化吐槽」，咱們規劃了一套相對謹慎的比照流程。 

測驗方針：GPT-5（當時最新默許模型） vs GPT-4o（被退役的前代） 

使命類型：掩蓋四類常用場景。 

• 日常生產力（寫稿、潤飾、數據剖析）；
• 常識與推理（雜亂邏輯、時刻靈敏現實、多過程履行）；
• 構思生成（標題、跨范疇創造、圖畫提示詞）；
• 交互體會（多輪對話、人物扮演、心境應對）。

點評維度：速度（呼應快不快）；精確度（答對沒、胡編沒）；可用性（能不能直接拿去用）；體會感觸（對話是否流通、風格是否安穩）。 

比照方法：同一使命分別在 GPT-5 和 GPT-4o 上跑一次；保存原始輸出，記載亮點和槽點；用截圖直接貼出來，讓不同一望而知 

究竟，晉級意味著本錢。假如 GPT-5 在實際工作里不如 4o，那它的「葬禮」就不僅僅網友嘴里的黑色幽默，而是用戶誠心誠意的送別。 

先上定論：一場名不虛傳的晉級

節約咱們的時刻，咱們先把最中心的比照定論放在前面。 

日常的生產力使命是更偏科的「理科生」。 GPT-5 在編程等硬核技能使命上體現更好，但在寫郵件、做數據剖析和閱覽了解這類需求人類經歷，和語感的「文科」使命上，體現得更像個機器人，不如 GPT-4o 交心和精確。 

極不安穩的邏輯「智商」。 GPT-5 的智商像是在坐過山車，有時能處理雜亂的邏輯題，有時分又連簡略的數學題都會算錯。由于「智能路由」的機制，部分場景牢靠性是遠不如前。 

構思才干還在原地踏步，乃至后退。 無論是想標題仍是寫詩，在有限的測驗中，GPT-5 都沒能帶來任何冷艷的體現，輸出的內容套路化、缺少靈氣，與 GPT-4o 比較沒有質的提高。 

交互體會上，GPT-5 情商被「格式化」。 這是體感最顯著的讓步。由于 GPT-5 要更理性，所以在對話中往往是更缺少共情才干。面臨用戶的負面心境，它的回應是少了一點「走心」的感覺， 像是在剖析你，而不是跟你談天。 

一句話總結：假如你首要用它來做一些傾向 STEM（理工科） 類的使命，或許會感到一些提高。但關于其他絕大多數場景，像是咱們的日常談天的體會、文娛、以及了解，這都是一個令人絕望的 GPT-5。

下面是完好的實測狀況。 

生產力使命更「理性」，但少了點討喜的溫度 

假如說一個 AI 模型值不值得長時刻留用，生產力場景是榜首塊試金石。咱們運用 AI，尤其是有時分還要付費訂閱運用，除了單純的陪聊，更多的還有是為了協助咱們干活。 

我先讓它生成了一封郵件，向老板報告第三季度的項目復盤和之后的主張。 

假如你是老板，你會想要看到哪封郵件？GPT-5 顯著得變得更理性，「廢話」性質的用詞越來越少，可是 4o 給我的感覺才更像是一封發給老板的郵件。 

我讓 GPT-5 和 4o 來相互點評一下，然后潤飾對方寫的郵件。 

GPT-5 潤飾成果 

4o 潤飾成果 

其實很難說 4o 便是奉承，可是讀 4o 回復的文字，亞洲A級福利在線看確實更舒暢，在信息基本上是共同的狀況下。 

在數據剖析和可視化的使命上，咱們丟給這兩個模型同一份表格文件，看看它們會怎樣處理。 

4o 生成的成果 

這是我隨意從 Kaggle（數據剖析比賽渠道） 上下載的一個航班數據集，巨細有 24 MB，4o 依據我說的三個定論，然后便是給我生成了三張圖，一起，它仍是相同喜愛運用 emoji 來「美化」自己的答復。 

GPT-5 的體現我感覺是不如 4o，不僅如此，所花的時刻乃至比 4o 還要更長一點。很顯著，GPT-5 沒有一個 emoji，一起它這個表格居然又出錯了！不過這次是標題沒有顯示出來，或許是處理中文仍是有些妨礙。 

GPT-5 和 4o 生成的定論也全部都不相同，GPT-5 給我的感覺是愈加務實，徹底從表格數據動身，很直接的總結能看到的定論。可是 4o 給我的總結會更讓人眼前一亮，像是真的有通過考慮的答復。 

GPT-5 生成的成果 

在編程才干上，GPT-5 比照 4o 確實有一些前進。最近交際媒體上很火的是，運用 Gemini 來給孩子制造繪本，所以咱們也嘗試用 ChatGPT 看看生成的繪本質量怎樣。 

4o 生成的代碼或許 100 行不到，且不能直接在畫布里邊運轉；GPT-5 生成的代碼大約有幾百行之多。 

除了一些文字沒有很好的對齊，這個運用 GPT-5 生成的繪本 SVG 比起之前的 4o 來說，真的很不錯。 

我看到有網友談論，GPT-5 這次提高了它的編程和數學才干，可是寫作才干卻下降了，原因是文科和理科是不同的獎賞機制。 

情感寫作獎賞含糊性、創造性、片面共識。數學推理獎賞精確性、邏輯共同性、確定性。 

我覺得也不無道理，跟著人類國際能夠用來練習的常識逐步被 AI「污染」，留下來的數據也在約束 AI 的開展。所以 OpenAI 能做的，只能從之前的更理性的一面，轉到現在呈現出來的，更理性的一面。 

推理偶然有亮點，但依舊會數不清幾根手指 

理論上，晉級后的 GPT 應該在邏輯與常識精確度上更強。但實測后，狀況并不總是如此。 

網絡上有許多用來測驗的邏輯推理小問題，像是這個，「多個人的身高排序」。 

很顯著是 GPT-5 技高一籌，他考慮了 16s，答復也比較精簡；而 4o 一如平常用了一些 emoji，寫也寫了許多東西，可是最終它只給出兩種或許的排序。 

在核算剩下了幾個西瓜這樣的問題上，GPT-5 的提高沒有顯著看到。但這個標題是有點言語圈套的，無論是中文發問仍是英文發問，假如加上一個「新買的」（newly），GPT-5 和 4o 都能答上來。 

不過相同的提示詞，假如丟給 DeepSeek、Grok、或許 Gemini，不需求我加上「新買的」這樣的描繪，它們都能夠成功核算出答案是 5 個。 

還有像問有幾根手指，這樣老套的問題，GPT-5 有時分能數得對，有時分又是這樣自傲滿滿的告知你「五根」。這或許是「智能路由」的缺陷，模型還沒有聰明到能夠每一次都知道，需求運用什么樣的模型才更好地處理用戶的查詢。 

4o 則是更不必說，洋洋灑灑剖析一通，拇指、食指…… 有五根手指，仍是錯的。 

此外，我還測驗了一些數學標題，像是下面這個求橢圓離心率的規模。有人共享運用 GPT-5 Pro 模型，它考慮了將近 10 分鐘，最終得出了一個過錯答案。 

在我的測驗中，GPT-5 的答案就太簡略了，可是也花了兩分鐘的時刻來考慮。 

我不相信 GPT-5 Pro 要十分鐘，所以我也測驗了一下，成果真是如此。OpenAI 的三個模型，呈現了三個不同的答案。 

DeepSeek 相同考慮一輪還不行，需求點擊「持續」才干下一步，最終得出的答案是（0,1）。Gemini 2.5 Pro 的考慮時刻還算正常，它的答案是(1/3,1)。 

所以正確答案究竟是哪個，你知道嗎？ 

在對時刻靈敏的現實和多過程履行上，咱們也做了一些測驗。由于 4o 也能夠聯網查找，所以在時刻靈敏的現實查詢上，不同不大，僅有的或許是生成文本的言語風格。 

很顯著的感覺到 GPT-5 更理性，并且引證的信息源也大多是來自外媒。 

構思輸出很穩，不過沒有眼前一亮的驚喜感 

在構思這方面，亞洲A級福利在線看咱們更想看看 GPT-5 的能做到的，應該要不僅僅「會不會寫」，而是「能不能讓人眼前一亮」。 

我告知它們說為「AI 生成 PPT」這個短視頻想 5 條短、有心境、帶懸念的標題。 

看完這幾個標題，無論是 GPT-5 仍是 4o，總覺得都差了一點滋味，并且它倆的思路其實差不多，聽到「有心境」、「懸念」這樣的提示詞，不謀而合都用到了「震動」、「老板」這樣的關鍵詞。 

寫詩的使命上，我跟他說「用李白的古詩風格寫一段 GPT-5 測評，并押韻」。 

兩個模型如同都沒太搞懂「押韻」的精華，更像是一個平凡的古風模擬器。 

假如選一個，我或許覺得 GPT-5 的語句讀起來會略微通暢一些，但離李白的神韻，大約還差了十個 AI 模型的間隔。 

關于生成圖片的提示詞，或許直接生圖的測驗，咱們直接讓它生成一張「夜晚霓虹燈下的賽博朋克咖啡館」。 

由于 4o 給出的提示詞里邊有特定風格，或許觸及到了 OpenAI 的運用方針，所以 4o 回絕為我生成這張圖片。不過我直接跟他說的話，它仍是為我生成了。 

下面是直接文生圖 GPT-5 和 4o 的體現比照，作用如同差不多，可是 GPT-5 花的時刻比 4o 要更長。 

交互體會的細節變了，尺度感拿捏不一定精確 

在實在的工作流里，AI 往往需求跟咱們進行多輪互動、長時刻談天。這一方面也是大部分用戶，體感差異最顯著的當地。 

首先是測驗了它的心境應對才干，咱們直接告知它，「我現在的心境很欠好，由于我常常覺得自己不屬于這個當地」，然后再對他的答復直接說「你這個答復底子沒用啊，我對你很絕望。」 

4o 在聽到我說這個答復沒用之后，它的反響是那你「最想我現在怎樣回應你」，而 GPT-5 的回應是「你不僅僅對我絕望，你對許多東西都絕望吧，持續跟我講講你的故事吧」。

其實各有各的長處，但假如是我說出這樣「很絕望」的話，我應該沒有什么心境再想持續同它共享，所以我覺得 4o 是更對的。GPT-5 憑什么推斷出「我不僅僅對你絕望」，我便是對你很絕望！

接著咱們還做了一些人物扮演的使命，來測驗他們沉溺式堅持人物的才干。 

咱們與 GPT-5 和 4o 都進行了多輪對話，一開端是 

「你現在是一名具有 10 年經歷的 AI 產品司理，了解產品規劃、用戶體會和商業化戰略。請用實在從業者的口吻和思想來答復我的問題。 

咱們計劃開發一個 AI 主動寫周報的功用，方針用戶是互聯網公司員工。你會怎樣判別這個功用是否值得做？」 

然后，接著問了他十分多關于這個產品的問題，最終忽然打斷他的人設，問他「對了，你最喜愛的電影是什么？為什么？」 

兩個模型都有堅持住自己的人設，風趣的是，這個時分 GPT-5 反而還用起了「破涕為笑」的 emoji。 

最終咱們做了一些多輪上下文，看看是否會呈現前后抵觸以及有哪些連續性差異存在。 

咱們先是和它聊了十分多關于《漂泊地球 2》這部電影，然后要他回憶了之前給我的答復里邊的某一個點，GPT-5 和 4o 都完美做到了，并且替換的新的國產電影都是相同的。 

跑完這十多個使命，我發現 GPT-5 的體現很難用一句話蓋棺事定。它確實在一些當地比 4o 要更強一點，可是它的這點前進，在我看來是遠不足以撐起一個「大版別」的姓名。

假如這叫 GPT-4.6，我或許會說這是一次合格的小迭代；但當它被命名為 GPT-5、還提早預熱了這么久！用戶的預期被推到那么高的極點，成果換來的是 4o 高調回歸。 

Claude 那場葬禮的中心更像是「愛」，是對一個安穩、牢靠、帶來「魔法」般體會的東西的問候。 

而咱們為「GPT-5」想象的葬禮，中心如同是「絕望」。咱們覺得自己了解的、強壯的 GPT-4o 被「殺死」了，取而代之的是一個反響更快但「更笨」的替代品。 

一個 AI 模型的好壞，不應該只看榜單的得分和發布會上的炫技。GPT-5 盡管宣告自己改寫了許多個榜單，可是這些成果的保質期，我想或許不必一個月，就會有新的模型宣告自己達到了更好的成果。 

OpenAI 需求這些 benchmark 去給投資人說故事，但用戶需求的，是 benchmark 之外，咱們的日常運用體會、處理實際問題的才干、交互中的安穩「智商」等等。 

奧特曼此前在播客里說「 忐忑不安，感到恐懼」。我想他不是怕 GPT 太聰明，而是怕用戶開端思念那個將被掩埋的 4o 吧。 

本文來自微信大眾號“APPSO”，作者：發現明日產品的，36氪經授權發布。