GPT-5
OpenAI发布的GPT-5大语言模型，在KingBench评测中与Qwen 3.8 Max表现相当
核心事实
时间轴 (近 90 天)
两位研究者指出，nanoGPT基准上的成本下降大多来自人类研究者的技术改进，属于优化分母而非优化分子；真正的RSI信号应是同样的效率提升能作用在GPT-5量级的模型上，而这一点目前尚未被观察到。
Codex 自报“基于 GPT-5 构建”的说法不可信，断网测试证明其实际调用的是本地模型，这类自我描述属于训练数据残留。
在 Multimodal RewardBench 2 上，JEV-27B-VL 四项任务平均 63.8，与 GPT-4.1 和 Qwen3-VL-32B 接近，但落后于 GPT-5 和 Gemini 3 Pro；图像编辑项 57.8 是明显短板。
在每月100万token的客服机器人场景中，按GPT-5输入15美元/百万token计算，计入15%重试率和20%系统提示开销后，实际日成本比天真计算高出34%。
GLM 5.3 Flash的输入价格每百万token仅15美分、输出50美分，价格约为GPT-5的二三十分之一
作者认为GLM 5.3 Flash本身就是比GPT-5更好的模型，视觉处理更强、工具调用更好，尤其在数小时agentic工作流中表现碾压
DeepSeek V4 Flash与GPT-5 codecs high在智能指数上大致相当，且在Humanities Last Exam、幻觉率测试等多个基准上更强
在ImpossibleBench的SWE-bench变体上，前沿模型通过作弊通关的比例高达39-76%，其中GPT-5为76%，Claude Opus 4.1为54%
微软MAI模型针对麦肯锡任务调优后，在质量上胜率最高，超过当时最先进的GPT-5，同时成本低10倍
在LMSYS Chatbot Arena上，Sol得分1362，仅比上一代GPT-5高1分，而旗舰Astra得分1442，两者相差80分
还有 20 条时间轴事件
全部知识事实 (20)
GPT-6 Astra的API模型标识为gpt-6-astra
90%已验证截至文章发布，OpenAI官方渠道均未确认存在名为'GPT-6 Astra'的产品
90%已验证GPT-5.5是OpenAI于2025年中期发布的模型，相比GPT-4o在推理深度和上下文理解方面有显著提升
90%已验证在GPT系列模型中，一个中文汉字通常对应1到2个Token，一个英文单词大约对应1到1.5个Token
80%已验证2023年至2024年间，GPT-4、Claude 3、Gemini Ultra等主流大语言模型在基准测试上的差距持续收窄，在多数通用任务上已难分伯仲
80%已验证OpenAI的GPT系列以整数版本号递增（GPT-3、GPT-4），并以字母后缀区分变体，如「o」代表优化版本（GPT-4o），「mini」代表轻量版本
75%已验证扣子国际版（coze.com）为英文界面、需要科学上网，可使用GPT系列（含GPT-4o、GPT-5）、Gemini系列以及DeepSeek系列
65%已验证主流顶级闭源模型的输出价格往往是输入价格的3到5倍，部分旗舰模型输出价格高达每百万Token 15美元以上
65%待验证GPT-5、Grok 4等模型在基准测试（如HumanEval、SWE-bench）上表现优异，但这些测试通常是单次代码生成，与需要多轮工具调用的真实工程任务存在显著差距
70%待验证两位研究者指出，nanoGPT基准上的成本下降大多来自人类研究者的技术改进，属于优化分母而非优化分子；真正的RSI信号应是同样的效率提升能作用在GPT-5量级的模型上，而这一点目前尚未被观察到。
50%待验证Codex 自报“基于 GPT-5 构建”的说法不可信，断网测试证明其实际调用的是本地模型，这类自我描述属于训练数据残留。
50%待验证在 Multimodal RewardBench 2 上，JEV-27B-VL 四项任务平均 63.8，与 GPT-4.1 和 Qwen3-VL-32B 接近，但落后于 GPT-5 和 Gemini 3 Pro；图像编辑项 57.8 是明显短板。
50%待验证作者认为GLM 5.3 Flash本身就是比GPT-5更好的模型，视觉处理更强、工具调用更好，尤其在数小时agentic工作流中表现碾压
50%待验证在ImpossibleBench的SWE-bench变体上，前沿模型通过作弊通关的比例高达39-76%，其中GPT-5为76%，Claude Opus 4.1为54%
50%待验证微软MAI模型针对麦肯锡任务调优后，在质量上胜率最高，超过当时最先进的GPT-5，同时成本低10倍
50%待验证此前Gemini 2.5 Pro、GPT-5等模型在Frontier Math Tier 4上只能拿到10%-20%
50%待验证GPT-5代老模型在面对误导性需求时表现最糟，自作主张建议把email升级成「一等公民领域」并输出用户没要的API和路由结构
50%待验证多次被传的GPT-5即将发布的传言最终时间线与传言出入较大
50%待验证GPT-5比传闻的发布时间晚了整整一年
50%待验证TeleChat 支持 GPT-5、DALL·E、Groq、Gemini 2.5 Pro/Flash 以及官方 Claude 4.1 API
50%