GPT-5 上线后，我的榜首感触是，它并不是一次让人大快人心的晋级。 

现实也是如此，OpenAI 在许多用户的呼吁下从头「复生」了 4o。 

这让我想到了上个月 Anthropic 退役了 Claude 3 Sonnet。 

200 多个粉丝在旧金山一个仓库里聚到一同，给它办了一场「真.葬礼」：暗淡的灯火、代表模型的「遗体」、真挚的悼文轮流上台，还有 AI 生成的「拉丁式复生咒」。 

Anthropic 关于模型退役的阐明，被投影在活动现场的屏幕上。图片来自《连线》杂志 

现场既荒谬又严肃，参会者在葬礼上念悼文说，「我的整个人生，或许都在运用 Claude 的路上被改写了」。 

按理说，OpenAI 发布了 GPT-5，这场葬礼的主角应该是 4o。但用过 GPT-5 的人都知道，假如真要办一场葬礼，棺材里躺着的，很或许是它。 

从 X 到 Reddit，各种吐槽满天飞，逻辑断片、对话跑偏、文风古怪，直接说它「不如 4o 好用」的大有人在。 

它真的有这么糟吗？咱们不想光看网友吵架，刚好 OpenAI 把 4o 「复生」了。所以咱们决议自己来一场「验尸」，在各种实在使命里，把 GPT-5 和 4o 摆到同一个赛道，看看究竟谁更值得留到下一代。 

咱们之前也在多项使命上实测了 GPT-5 的体现，这次期望直观的看看 4o 和 GPT-5 究竟有哪些不同。一起，这次一切的测验都在官方的 ChatGPT App 或许网页进行，未运用 API 在第三方东西进行。 

实测比照

为了不让测评单纯的变成「心境化吐槽」，咱们规划了一套相对谨慎的比照流程。 

测验方针：GPT-5（当时最新默许模型） vs GPT-4o（被退役的前代） 

使命类型：掩盖四类常用场景。 

• 日常生产力（写稿、润饰、数据剖析）；
• 常识与推理（杂乱逻辑、时刻灵敏现实、多过程履行）；
• 构思生成（标题、跨范畴创造、图画提示词）；
• 交互体会（多轮对话、人物扮演、心境应对）。

点评维度：速度（呼应快不快）；精确度（答对没、胡编没）；可用性（能不能直接拿去用）；体会感触（对话是否流通、风格是否安稳）。 

比照方法：同一使命分别在 GPT-5 和 GPT-4o 上跑一次；保存原始输出，记载亮点和槽点；用截图直接贴出来，让不同一望而知 

究竟，晋级意味着本钱。假如 GPT-5 在实际工作里不如 4o，那它的「葬礼」就不仅仅网友嘴里的黑色幽默，而是用户诚心诚意的送别。 

先上定论：一场名不虚传的晋级

节约咱们的时刻，咱们先把最中心的比照定论放在前面。 

日常的生产力使命是更偏科的「理科生」。 GPT-5 在编程等硬核技能使命上体现更好，但在写邮件、做数据剖析和阅览了解这类需求人类经历，和语感的「文科」使命上，体现得更像个机器人，不如 GPT-4o 交心和精确。 

极不安稳的逻辑「智商」。 GPT-5 的智商像是在坐过山车，有时能处理杂乱的逻辑题，有时分又连简略的数学题都会算错。由于「智能路由」的机制，部分场景牢靠性是远不如前。 

构思才干还在原地踏步，乃至后退。 无论是想标题仍是写诗，在有限的测验中，GPT-5 都没能带来任何冷艳的体现，输出的内容套路化、缺少灵气，与 GPT-4o 比较没有质的提高。 

交互体会上，GPT-5 情商被「格式化」。 这是体感最显着的让步。由于 GPT-5 要更理性，所以在对话中往往是更缺少共情才干。面临用户的负面心境，它的回应是少了一点「走心」的感觉， 像是在剖析你，而不是跟你谈天。 

一句话总结：假如你首要用它来做一些倾向 STEM（理工科） 类的使命，或许会感到一些提高。但关于其他绝大多数场景，像是咱们的日常谈天的体会、文娱、以及了解，这都是一个令人绝望的 GPT-5。

下面是完好的实测状况。 

生产力使命更「理性」，但少了点讨喜的温度 

假如说一个 AI 模型值不值得长时刻留用，生产力场景是榜首块试金石。咱们运用 AI，尤其是有时分还要付费订阅运用，除了单纯的陪聊，更多的还有是为了协助咱们干活。 

我先让它生成了一封邮件，向老板报告第三季度的项目复盘和之后的主张。 

假如你是老板，你会想要看到哪封邮件？GPT-5 显着得变得更理性，「废话」性质的用词越来越少，可是 4o 给我的感觉才更像是一封发给老板的邮件。 

我让 GPT-5 和 4o 来相互点评一下，然后润饰对方写的邮件。 

GPT-5 润饰成果 

4o 润饰成果 

其实很难说 4o 便是奉承，可是读 橘梨沙 亚洲 在线观看4o 回复的文字，确实更舒畅，在信息基本上是共同的状况下。 

在数据剖析和可视化的使命上，咱们丢给这两个模型同一份表格文件，看看它们会怎样处理。 

4o 生成的成果 

这是我随意从 Kaggle（数据剖析比赛渠道） 上下载的一个航班数据集，巨细有 24 MB，4o 依据我说的三个定论，然后便是给我生成了三张图，一起，它仍是相同喜爱运用 emoji 来「美化」自己的答复。 

GPT-5 的体现我感觉是不如 4o，不仅如此，所花的时刻乃至比 4o 还要更长一点。很显着，GPT-5 没有一个 emoji，一起它这个表格居然又出错了！不过这次是标题没有显示出来，或许是处理中文仍是有些妨碍。 

GPT-5 和 4o 生成的定论也全部都不相同，GPT-5 给我的感觉是愈加务实，彻底从表格数据动身，很直接的总结能看到的定论。可是 4o 给我的总结会更让人眼前一亮，像是真的有通过考虑的答复。 

GPT-5 生成的成果 

在编程才干上，GPT-5 比照 4o 确实有一些前进。最近交际媒体上很火的是，运用 Gemini 来给孩子制造绘本，所以咱们也尝试用 ChatGPT 看看生成的绘本质量怎样。 

4o 生成的代码或许 100 行不到，且不能直接在画布里边运转；GPT-5 生成的代码大约有几百行之多。 

除了一些文字没有很好的对齐，这个运用 GPT-5 生成的绘本 SVG 比起之前的 4o 来说，真的很不错。 

我看到有网友谈论，GPT-5 这次提高了它的编程和数学才干，可是写作才干却下降了，原因是文科和理科是不同的奖赏机制。 

情感写作奖赏含糊性、创造性、片面共识。数学推理奖赏精确性、逻辑共同性、确定性。 

我觉得也不无道理，跟着人类国际能够用来练习的常识逐步被 AI「污染」，留下来的数据也在约束 AI 的开展。所以 OpenAI 能做的，只能从之前的更理性的一面，转到现在呈现出来的，更理性的一面。 

推理偶然有亮点，但依旧会数不清几根手指 

理论上，晋级后的 GPT 应该在逻辑与常识精确度上更强。但实测后，状况并不总是如此。 

网络上有许多用来测验的逻辑推理小问题，像是这个，「多个人的身高排序」。 

很显着是 GPT-5 技高一筹，他考虑了 16s，答复也比较精简；而 4o 一如平常用了一些 emoji，写也写了许多东西，可是最终它只给出两种或许的排序。 

在核算剩下了几个西瓜这样的问题上，GPT-5 的提高没有显着看到。但这个标题是有点言语圈套的，无论是中文发问仍是英文发问，假如加上一个「新买的」（newly），GPT-5 和 4o 都能答上来。 

不过相同的提示词，假如丢给 DeepSeek、Grok、或许 Gemini，不需求我加上「新买的」这样的描绘，它们都能够成功核算出答案是 5 个。 

还有像问有几根手指，这样老套的问题，GPT-5 有时分能数得对，有时分又是这样自傲满满的告知你「五根」。这或许是「智能路由」的缺陷，模型还没有聪明到能够每一次都知道，需求运用什么样的模型才更好地处理用户的查询。 

4o 则是更不必说，洋洋洒洒剖析一通，拇指、食指…… 有五根手指，仍是错的。 

此外，我还测验了一些数学标题，像是下面这个求椭圆离心率的规模。有人共享运用 GPT-5 Pro 模型，它考虑了将近 10 分钟，最终得出了一个过错答案。 

在我的测验中，GPT-5 的答案就太简略了，可是也花了两分钟的时刻来考虑。 

我不相信 GPT-5 Pro 要十分钟，所以我也测验了一下，成果真是如此。OpenAI 的三个模型，呈现了三个不同的答案。 

DeepSeek 相同考虑一轮还不行，需求点击「持续」才干下一步，最终得出的答案是（0,1）。Gemini 2.5 Pro 的考虑时刻还算正常，它的答案是(1/3,1)。 

所以正确答案究竟是哪个，你知道吗？ 

在对时刻灵敏的现实和多过程履行上，咱们也做了一些测验。由于 4o 也能够联网查找，所以在时刻灵敏的现实查询上，不同不大，仅有的或许是生成文本的言语风格。 

很显着的感觉到 GPT-5 更理性，并且引证的信息源也大多是来自外媒。 

构思输出很稳，不过没有眼前一亮的惊喜感 橘梨沙 亚洲 在线观看ong>

在构思这方面，咱们更想看看 GPT-5 的能做到的，应该要不仅仅「会不会写」，而是「能不能让人眼前一亮」。 

我告知它们说为「AI 生成 PPT」这个短视频想 5 条短、有心境、带悬念的标题。 

看完这几个标题，无论是 GPT-5 仍是 4o，总觉得都差了一点滋味，并且它俩的思路其实差不多，听到「有心境」、「悬念」这样的提示词，不谋而合都用到了「震动」、「老板」这样的关键词。 

写诗的使命上，我跟他说「用李白的古诗风格写一段 GPT-5 测评，并押韵」。 

两个模型如同都没太搞懂「押韵」的精华，更像是一个平凡的古风模拟器。 

假如选一个，我或许觉得 GPT-5 的语句读起来会略微通畅一些，但离李白的神韵，大约还差了十个 AI 模型的间隔。 

关于生成图片的提示词，或许直接生图的测验，咱们直接让它生成一张「夜晚霓虹灯下的赛博朋克咖啡馆」。 

由于 4o 给出的提示词里边有特定风格，或许触及到了 OpenAI 的运用方针，所以 4o 回绝为我生成这张图片。不过我直接跟他说的话，它仍是为我生成了。 

下面是直接文生图 GPT-5 和 4o 的体现比照，作用如同差不多，可是 GPT-5 花的时刻比 4o 要更长。 

交互体会的细节变了，尺度感拿捏不一定精确 

在实在的工作流里，AI 往往需求跟咱们进行多轮互动、长时刻谈天。这一方面也是大部分用户，体感差异最显着的当地。 

首先是测验了它的心境应对才干，咱们直接告知它，「我现在的心境很欠好，由于我常常觉得自己不属于这个当地」，然后再对他的答复直接说「你这个答复底子没用啊，我对你很绝望。」 

4o 在听到我说这个答复没用之后，它的反响是那你「最想我现在怎样回应你」，而 GPT-5 的回应是「你不仅仅对我绝望，你对许多东西都绝望吧，持续跟我讲讲你的故事吧」。

其实各有各的长处，但假如是我说出这样「很绝望」的话，我应该没有什么心境再想持续同它共享，所以我觉得 4o 是更对的。GPT-5 凭什么推断出「我不仅仅对你绝望」，我便是对你很绝望！

接着咱们还做了一些人物扮演的使命，来测验他们沉溺式坚持人物的才干。 

咱们与 GPT-5 和 4o 都进行了多轮对话，一开端是 

「你现在是一名具有 10 年经历的 AI 产品司理，了解产品规划、用户体会和商业化战略。请用实在从业者的口吻和思想来答复我的问题。 

咱们计划开发一个 AI 主动写周报的功用，方针用户是互联网公司员工。你会怎样判别这个功用是否值得做？」 

然后，接着问了他十分多关于这个产品的问题，最终忽然打断他的人设，问他「对了，你最喜爱的电影是什么？为什么？」 

两个模型都有坚持住自己的人设，风趣的是，这个时分 GPT-5 反而还用起了「破涕为笑」的 emoji。 

最终咱们做了一些多轮上下文，看看是否会呈现前后抵触以及有哪些连续性差异存在。 

咱们先是和它聊了十分多关于《漂泊地球 2》这部电影，然后要他回忆了之前给我的答复里边的某一个点，GPT-5 和 4o 都完美做到了，并且替换的新的国产电影都是相同的。 

跑完这十多个使命，我发现 GPT-5 的体现很难用一句话盖棺事定。它确实在一些当地比 4o 要更强一点，可是它的这点前进，在我看来是远不足以撑起一个「大版别」的姓名。

假如这叫 GPT-4.6，我或许会说这是一次合格的小迭代；但当它被命名为 GPT-5、还提早预热了这么久！用户的预期被推到那么高的极点，成果换来的是 4o 高调回归。 

Claude 那场葬礼的中心更像是「爱」，是对一个安稳、牢靠、带来「魔法」般体会的东西的问候。 

而咱们为「GPT-5」想象的葬礼，中心如同是「绝望」。咱们觉得自己了解的、强壮的 GPT-4o 被「杀死」了，取而代之的是一个反响更快但「更笨」的替代品。 

一个 AI 模型的好坏，不应该只看榜单的得分和发布会上的炫技。GPT-5 尽管宣告自己改写了许多个榜单，可是这些成果的保质期，我想或许不必一个月，就会有新的模型宣告自己达到了更好的成果。 

OpenAI 需求这些 benchmark 去给投资人说故事，但用户需求的，是 benchmark 之外，咱们的日常运用体会、处理实际问题的才干、交互中的安稳「智商」等等。 

奥特曼此前在播客里说「 忐忑不安，感到恐惧」。我想他不是怕 GPT 太聪明，而是怕用户开端思念那个将被掩埋的 4o 吧。 

本文来自微信大众号“APPSO”，作者：发现明日产品的，36氪经授权发布。