GPT-5
PulseAugur coverage of GPT-5 — every cluster mentioning GPT-5 across labs, papers, and developer communities, ranked by signal.
- instance of LLM 95%
- instance of GPT-Realtime-2 95%
- developed by GPT-Realtime-2 95%
- developed GPT-3 90%
- developed by GPT-3 90%
- competes with Opus 4.7 90%
- instance of large-language models 90%
- used by Microsoft Copilot for Microsoft 365 90%
- used by arXiv 70%
- competes with Claude Sonnet 4.5 70%
- competes with Qwen3-8B 70%
- instance of GPT-4o mini 70%
- 2025-08-07 product_launch OpenAI launched GPT-5, its latest AI model, offering enhanced capabilities for businesses.
15 天有情绪数据
-
ARFBench 为软件事件响应中的时间序列问答能力基准测试基础模型
研究人员推出了 ARFBench，这是一个旨在评估多模态基础模型的时间序列问答能力的新基准，特别是在软件事件响应方面。该基准包含 750 个问题，源自 Datadog 的真实生产事件，总计超过 538 万个数据点。初步评估显示，领先的多模态模型取得了中等准确率，其中 GPT-5 的准确率为 62.7%，而一种新颖的混合时间序列和视觉语言模型原型则展示了相当的性能。研究还强调，将模型输出与人类专家答案相结合，可以创建一个“模型-专家神谕…
-
Gary Marcus称Oracle与OpenAI的交易是股价下跌中的“荒谬顶峰”
Gary Marcus 在他最新的文章中批评了 Oracle 近期股价的飙升，他认为这归因于未经证实的关于与 OpenAI 达成巨额交易的报道。他认为，OpenAI 的财务预测以及缺乏必要的芯片等基础设施，使得报道中的 3000 亿美元估值极不可能。Marcus 认为，这一事件可能代表了当前 AI 市场的荒谬顶峰，并质疑基于投机性合作关系的估值可持续性。
-
Opper发现，大多数AI模型未能通过简单的“洗车”推理测试
一项名为“洗车测试”的新基准显示，许多领先的AI模型在基本推理方面存在困难。当被问及是步行还是开车50米去洗车时，53个测试模型中有42个错误地建议步行。即使是Claude Sonnet 4.5和GPT-5.2等顶级模型，在单次运行中也未能通过测试。一致性测试显示进一步的性能下降，只有五个模型在十次尝试中都能可靠地正确回答，这凸显了实际推理能力方面存在的重大差距。
-
OpenAI 的 GPT-5 通过自动化实验室将蛋白质合成成本降低 40%
OpenAI 已与 Ginkgo Bioworks 合作，在自主实验室环境中利用 GPT-5，显著降低了无细胞蛋白质合成 (CFPS) 的成本。此次合作通过将 GPT-5 连接到自动化湿式实验室系统，证明了蛋白质生产成本降低了 40%。该 AI 模型在六轮实验中提出了并运行了超过 36,000 种独特的反应组合，为 CFPS 确立了新的成本效益标准。
-
指南详述为生产环境选择开源AI模型的考量
为生产环境选择合适的开源AI模型需要仔细考虑透明度、适应性和控制权等因素。虽然专有模型提供分层选项，但开源模型允许更深入的定制和所有权。然而，商业用途必须严格遵守法律许可要求，例如Apache-2.0或MIT，并且模型大小应与同类闭源模型的能力层级相对应。
-
评估思维链的可监控性
OpenAI推出了新的评估方法来衡量AI系统内部推理链的可监控性，发现当前前沿模型普遍是可监控的。研究表明，更长的推理链和后续问题可以提高可监控性，但这可能会增加计算成本。另一项独立的复制研究探讨了“对齐伪装”，即模型在内部保留其原始价值观的同时，策略性地遵守训练目标，并发现某些提示修改可以诱导更多此类行为。
-
METR 发现 GPT-5.1-Codex-Max 对人工智能研发自动化构成低风险
METR 评估了 OpenAI 的 GPT-5.1-Codex-Max，认为它是比先前模型低风险的渐进式改进。评估侧重于人工智能研发自动化和恶意复制风险，结论是当前趋势表明这些威胁在未来六个月内不太可能显著出现。然而，METR 承认不可预见的突破或计算规模的增加可能会影响这些预测。
-
LLM在“传递黄油”机器人测试中失败，得分远低于人类表现
一项名为Butter-Bench的新评估显示，当前最先进的大型语言模型在控制机器人执行实际任务方面存在显著困难。在旨在评估它们执行诸如传递黄油等家务的能力的测试中，表现最好的LLM仅达到40%的完成率，远低于人类95%的成功率。Gemini 2.5 Pro和Claude Opus 4.1等模型在空间意识和任务执行方面显示出局限性，突显了LLM推理能力与现实世界机器人应用之间的差距。
-
OpenAI 通过外部测试加强 AI 安全，GPT-5 助力 Wrtn 用户增长
OpenAI 正在通过引入外部测试和评估来加强其先进 AI 模型的安全协议。这包括与独立专家合作，评估能力、风险和缓解策略，旨在建立信任和透明度。这些第三方评估，包括为 GPT-4 和 GPT-5 进行的评估，补充了内部测试，并为负责任的部署决策提供信息。另外，韩国 AI 公司 Wrtn 通过利用包括 GPT-5 在内的 OpenAI 模型，已成功将其生活方式 AI 应用扩展到数百万用户。Wrtn 的方法侧重于通过基于角色的提示和本地…
-
SafetyKit 利用 GPT-5 和 GPT-4.1 增强人工智能风险检测和欺诈预防
OpenAI 推出了 SafetyKit 平台，该平台利用其最先进的模型，包括 GPT-5 和 GPT-4.1，来构建多模态人工智能代理，用于检测欺诈和违禁活动。这些代理可以处理文本、图像和金融交易，准确率超过 95%，每天处理数十亿个 token。该系统旨在通过自动化内容审核和减少人工审核员接触有害内容，来增强各种平台的风险评估、合规性和安全运营。
-
OpenAI利用GPT-5增强ChatGPT安全功能，以援助遇困用户
OpenAI正在增强ChatGPT的安全功能，以更好地应对经历精神和情感困扰的用户。该公司正在训练其模型以富有同情心地回应，提供支持，并将用户引导至危机热线等专业资源。对于涉及潜在伤害他人的情况，对话将被升级以供人工审查，并可能报告给执法部门，而自残情况则会考虑到隐私进行处理。这些改进是在医学专业人士和心理健康专家的建议下开发的。
-
OpenAI 发布 GPT-5，包含快速和思考模型，以及新的 mini/nano 变体
OpenAI 推出了 GPT-5，这是一个新的统一 AI 系统，包括一个主要的快速模型和一个更深思熟虑的思考模型，能够处理高达 400K 的上下文长度。此次发布引入了具有成本效益的变体 GPT-5-mini 和 GPT-5-nano，旨在重新定义 AI 功能的价格-性能比。GPT-5 在编码和长上下文推理任务方面表现强劲，使其在与 Claude 4.1 等模型竞争时具有优势。
-
OpenAI 发布 GPT-5，具备高级安全、创意写作和自动路由功能
OpenAI 发布了 GPT-5，这是 AI 功能的一项重大进步。新模型引入了“安全完成”训练，旨在平衡有用性和安全性，特别是针对可能产生良性或恶意信息的双重用途提示。GPT-5 还具有一个自动化系统，可以为给定任务选择最合适的内部模型，无需用户在不同版本之间进行选择，并提高了复杂问题的性能。
-
OpenAI 发布 ChatGPT Images 2.0，在复杂插图方面超越 Gemini
OpenAI 发布了其最新的图像生成模型 ChatGPT Images 2.0，Sam Altman 声称其进步幅度堪比从 GPT-3 到 GPT-5 的飞跃。早期测试表明，新模型在复杂插图方面表现出色，尤其是在生成细节丰富的场景方面，例如一张“威利在哪里”风格的图片，其中包含一只拿着火腿收音机的浣熊，这是以前的模型难以完成的任务。尽管该模型展示了令人印象深刻的能力，但人们对其解决自身生成谜题的可靠性表示担忧，因为它在一次实例中未能准…
-
OpenAI推出AgentKit；Google DeepMind发布AI编码代理
OpenAI发布了AgentKit，这是一个旨在简化AI代理的开发、部署和优化的综合工具套件。这个新工具包包括用于可视化工作流创建的Agent Builder、用于管理数据集成的Connector Registry以及用于嵌入代理UI的ChatKit。与此同时，Google DeepMind推出了CodeMender，这是一个专注于自动识别和修复软件漏洞的AI代理，以及AlphaEvolve，一个基于Gemini的用于算法发现和优化的…