GPT-5内测抢先公布：日常推理首次击败人类 编程数学科学问题能力都很强

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AI Infra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AI Infra，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Gemini 3.0一样主宰竞争对手。“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（Sam Altman）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。