GPT-5正式登场，其编程能力已经追平Gemini-2.5-Pro与Claude-sonnet-4，其余维度则与Gemini-2.5-Pro、Grok-4没有拉开明显身位。此前做编程基本不碰o3，实测GPT-5表现好于预期，不过和上述两款模型相比差异有限。等它整合进Codex之后，能否缩小与Claude Code（Opus 4.1）的差距值得继续观察。
整理发布会内容并上手试用后，几个要点浮出水面，其中一个技术点讨论的人不多，却相当关键。
主打编程与Agent，价格首次对齐Gemini-2.5-Pro
GPT-5完整版的定价这次与Gemini-2.5-Pro站在同一条线上，这是很关键但常被忽视的一个变化。体量更小的GPT-5-mini与GPT-5-nano，价格也比各自对标产品——Gemini-2.5-flash和Gemini-2.5-flash-lite——略低一些。相比Grok-4与Claude 4，这样的价格其实握有明显优势。
上个月硅谷有一条新闻热度不小：一批技术大牛被Meta吸纳，其中那位原本要去苹果的人，拿到了四年两亿美元（股票占大头）的薪酬。不少人想不通为什么能给到这个数，答案其实就藏在API定价逻辑里。一位高手若能把推理性能压出20%–30%的优化空间，对背后公司而言意味着立刻节省数亿美元成本，同时因API价格走低而夺取更大市场份额，反过来又抬升营收。
Gemini当时惊艳市场的撒手锏有两条：一是100万上下文，二是同等效果下价格最低。谷歌能做到低价，靠的是自研TPU，其他用GPU的厂商此前一直难以跟上。如今OpenAI在价格上追了上来，说明推理框架又经历了一轮较大幅度的优化，上下文窗口也拉到了40万。加上硅谷抢人竞争激烈且没有竞业协议限制。Claude与Grok迎头赶上只是时间问题。这是一次从尝鲜转向实用的质变，当顶级模型API价格集体下行，价格敏感的ToC应用会率先被引爆，AI应用的大爆发自然随之而来。此前O3-Pro的定价只能围观，而O3本身的效果又已经掉队。
作为一款推理模型，得益于推理性能的优化,GPT-5的输出速度同样有所提升。
各项权威测试集均提升，但幅度并不夸张
各大公开测试集的成绩这里就不逐一贴出，官网介绍中都能查到。整体结论是确实更好了，但优势并不醒目，例如数学、GPQA与难题这几项都是如此。
直播过程中还传出一个被网友做成「奥特曼不等式」的梗，在描述效果时出现了52.8>69.1的说法。
押注医疗与财经：高指令遵循与低幻觉
除了价格，第二个值得关注的亮点是GPT-5被明确当作Agent方向的产品来打造，目标是撬开「对精度要求极高」的医疗健康与财经垂直市场。为此OpenAI专门针对健康和经济类评测集做了测试，反复强调指令遵循与低幻觉这两项表现，这个方向本身没有问题，「精确」也确实是我们产品的核心指标之一。
说回竞争格局，Claude在编程上占据统治位置，Grok依托Twitter在金融与边缘领域寻求突破口，Gemini则是全面铺开，而GPT这一回精准定位于医疗与经济方向、主打准确性。
指令遵循这次进步明显。现有几款模型在这项上其实都比较一般，大致处于多数场景可用、少数场景出错的状态。GPT-5接入后，或许能让业界真正相信Agent可以做到「遵从指令，特定情境执行特定动作、调用指定工具」。接下来要看OpenAI何时将GPT-5集成进他们自己的Agent产品。
整体定位与行业节奏
总的来看，GPT-5是一款对标Gemini-2.5-Pro且略微占优的模型。它必然会免费开放，但会像Gemini那样对免费使用设置额度限制。在Gemini-2.5问世两个月之后才推出稍强的GPT-5，多少透露出被迫应战的味道。
最近这一周相当热闹，Grok也在今天上线了Imagine，眼下这四家已经站在同一起跑线上并驾齐驱，接下来就看谁先实现更大的突破。
小结：GPT-5补上了价格与上下文两块短板，并在编程与Agent方向对齐第一梯队，同时在医疗和财经这类高精度垂域刻意卡位，从公开测试集看提升不算惊艳，但定价下调是全行业从尝鲜走向实用的明确拐点。Gemini、Claude、Grok与GPT四家已回到同一量级角逐，下一轮竞争将由谁先取得实质性能力突破来决定。