【1】GPT-5值得称赞的能力：

1）编程能力强：在SWE-bench Verified取得74.9%，超过Opus 4.1的74.5%；Cogniton评测结果GPT-5全面超越Sonnet 4；LMArena的网页开发盲测分数大幅领先；Cursor的CEO也亲临直播现场称赞GPT-5的代码能力。

2）幻觉率低：GPT-5的幻觉率下降显著，在多个评测集下幻觉率仅为o3的五分之一；GPT-5现在更加诚实，对无法完成任务的欺骗率也大幅下降；一些早期测试者也提及了幻觉的大幅下降是重要特征。

3）长文本能力提升：GPT-5全系列支持400k上下文长度，较o3的200k提升翻倍，在AA-LCR中的表现非常出色。

4）思考效率更高：GPT-5可以用更少的思考时间获得更高的价值，比 o3 的输出token减少50-80%的情况下表现更好；GPT-5提供四种推理强度配置：高、中、低和最小。从Artificial Analysis的测试来看，在推理强度高的设定下平均每个任务的token生成量仍低于Gemini和Grok 4。

5）更长的思考时长：GPT-5 Pro能够进行更长时间的思考，使用规模化但高效的并行测试时计算。在对 1000多个真实案例评估中，外部专家在67.8%的时间里更喜欢 GPT‑5 Pro而不是GPT-5 thinking。GPT‑5 Pro的主要错误减少了 22%，并且在健康、科学、数学和编码方面表现出色。

6）推理成本降低：GPT-5输入/输出价格为$1.25/$10每百万tokens，较o3小幅降低，与Gemini 2.5 Pro齐平；Mini和Nano则分别是上述价格的1/5和1/25，用户更经济更快速的使用场景。

7）使用便捷性提升：GPT-5现在是一款带路由器的All in one模型系列，可以根据对话类型、复杂性、工具需求和用户的明确意图快速决定使用哪个模型。

8）在健康相关问题表现优异：健康是ChatGPT的主要应用场景之一，GPT-5在HealthBench上得分明显高于以往任何模型；用户反馈GPT-5在理解复杂癌症报告时速度更快、理解更细致，能像“思考伙伴”一样主动关联信息点，并建议向医生提出的关键问题。

【2】GPT-5的一些美中不足：

1）统一的多模态的能力：目前GPT-5仍只支持文本/图像输入和文本输出，未能实现理想中的文本/图片/视频/语音的全模态统一。

2）更多的工具调用：我们尚未看到更多外部工具的引入，但这项能力或许在上个月的ChatGPT Agent上已经提前更新了，其加入了视觉浏览器、PC终端访问等工具。

【3】对AI应用的结论：

1）或许一些领导看完发布会后认为GPT-5看起来比较平淡，不够劲爆，但我恰恰认为这是符合OpenAI这个消费科技公司的一贯主张。GPT-5的发布一方面补齐了OAI在代码、长文本上的短板、另一方面在幻觉率、思考效率、API成本这些应用层的关键堵点上显著发力，并用一个All in one的模型窗口，实现“用最简单的交互满足用户最终的需求”。而对模型能力的极致挖掘，或许我们可以多期待下后续的Claude和Gemini的版本更新。

2）尽管“模型即应用”的观点依然成立，但我们看到模型能力和应用落地的二阶导显然已经开始“劈叉”，即就算模型能力提升开始放缓，也并不会影响应用需求的加速爆发。本质原因还是因为最前沿的模型能力已经足够好了，多项能力已经迈过了PMF的拐点。无论是我们看到各类应用的ARR、模型的Token调用量、还是ChatGPT、Claude Code、可灵，包括我最近高频使用的录音会议总结工具Plaud，都是应用二阶导加速的体现。

模型的进步/降本还在延续，应用的春天已经到来。