GPT-5: Nieuwe functies, tests, benchmarks en meer

Nieuwe functies in GPT-5

Chatfuncties

Pas de kleur van je chats aan

Je kunt nu het kleurenschema voor je chats kiezen. Het is puur cosmetisch, maar het helpt de interface meer aan te laten voelen als je eigen omgeving. Je kunt de kleur wijzigen in de sectie Algemeen in Instellingen:

Wissel van persoonlijkheid

GPT-5 introduceert vooraf ingestelde persoonlijkheden, zodat je de stijl van de assistent kunt omzetten naar bijvoorbeeld meer ondersteunend, bondig en professioneel, of zelfs licht sarcastisch. Doordat de stuurbaarheid van GPT-5 is verbeterd, blijven deze stijlen de hele conversatie behouden in plaats van na een paar reacties te vervagen.

Ga naar de sectie Personalisatie in Instellingen om deze functie te gebruiken, klik op Aangepaste instructies en selecteer vervolgens de gewenste persoonlijkheid door een preset te kiezen:

Gmail- en Google Agenda-integratie

Voor Plus-, Pro-, Team- en Enterprise-gebruikers kan GPT-5 direct verbinding maken met je Gmail en Google Agenda. Het kan je agenda ophalen, je helpen vrije tijd te vinden en zelfs conceptantwoorden opstellen voor e-mails die je negeert. Het is een echte stap richting een AI die actief je dag beheert.

Ga naar de sectie Connectors in Instellingen en volg de instructies op het scherm om je Gmail en Google Agenda te koppelen.

Veiligere, nuttigere completions

GPT-5 vervangt de oude, op weigering gebaseerde veiligheidsaanpak door “safe completions”. In plaats van een mogelijk onveilige aanvraag simpelweg te blokkeren, geeft het je zoveel mogelijk nuttige, veilige informatie terwijl het eventuele beperkingen uitlegt. Het vermindert ook vleierij—die al te volgzame antwoorden waardoor eerdere modellen soms onecht aanvoelden.

Functies voor ontwikkelaars

Dit korte onderdeel is voor developers, dus voel je vrij om door te gaan naar de volgende sectie, waar ik GPT-5 test.

Regelaars voor redeneren en beknoptheid

In de API kun je nu de denkdiepte van het model aansturen met de parameter reasoning_effort, met een nieuwe instelling “minimal” voor snellere reacties wanneer je geen gedetailleerde redenering nodig hebt. Er is ook een parameter verbosity om te bepalen of antwoorden kort, middelmatig of lang zijn zonder je prompt te wijzigen.

Aangepaste tools met platte tekst

GPT-5 ondersteunt “custom tools”, waardoor het tools kan aanroepen met platte tekst in plaats van JSON. Dit voorkomt escape-problemen die complexe outputs zoals grote codeblokken konden breken. Je kunt ook je eigen formaat afdwingen door toolaanroepen te beperken met regex of een volledige grammatica.

Beter in langdurige, meerstappige taken

Het model is aanzienlijk beter in het afhandelen van langdurige agentische taken. Het kan tientallen toolaanroepen aaneenschakelen—zowel sequentieel als parallel—zonder de context kwijt te raken.

Verbeterde front-end code

In interne tests versloeg GPT-5 OpenAI o3 in front-endontwikkelingsscenario’s 70% van de tijd, met schonere, mooiere interfaces en betere standaardlayouts, typografie en spatiëring.

Langer context, minder hallucinaties

In de API ondersteunt GPT-5 een gecombineerde input- en outputcontextlengte van 400K tokens. Benchmarks tonen aan dat het informatie nauwkeuriger ophaalt uit grote inputs dan eerdere modellen, terwijl het hallucinatiepercentages op feitelijke taken drastisch terugdringt.

GPT-5 testen

Een paar weken geleden testte ik Grok 4, en ter vergelijking wilde ik GPT-5 op dezelfde prompts testen om te zien hoe ze zich verhouden. Dit is geenszins een grondige evaluatie van GPT-5—meer een snelle manier om een gevoel te krijgen voor hoe het zich gedraagt in een typische chatopstelling.

Wiskunde

Om te beginnen gaf ik GPT-5 een kleine wiskunde-uitdaging: 9,11 min 9,9. Op het eerste gezicht een makkelijke aftrekking, maar simpele rekenkunde kan soms eigenaardigheden blootleggen in hoe taalmodellen redeneren—Claude Sonnet 4 struikelde erover toen ik het testte. Een rekenmachine kan het antwoord direct geven, maar wat ik hier echt test, is het proces: zal GPT-5 het stap voor stap beredeneren, of besluiten een ingebouwde tool te gebruiken?

Tot mijn verrassing gaf GPT-5 me binnen een seconde de juiste oplossing—het antwoord voelde echt direct. Op basis van mijn vervolgvraag betrof de aftrekking waarschijnlijk een vorm van chain-of-thought-redenering, waarbij het model intern tussenstappen representeerde zoals 9,9 herschrijven als 10-0,1, aftrekken van 9,11 en daarna het resultaat aanpassen.

Kort daarop had ik een grappige interactie met GPT-5 toen ik bedrieglijk suggereerde dat de berekening onjuist was. Zijn vleierige trek zorgde ervoor dat het het met mij eens was, maar het kwam alsnog tot het juiste antwoord, wat aangeeft dat je het model in elk geval voor objectieve problemen als wiskunde kunt vertrouwen.

Daarna testte ik het model op een complexer wiskundeprobleem:

Gebruik alle cijfers van 0 tot 9 precies één keer om drie getallen x, y, z te maken zodat x + y = z.

Terwijl ik wachtte op het antwoord, zag ik een optie om een snel antwoord te krijgen. Ik probeerde het niet, maar het kan handig zijn als je haast hebt of denkt dat het model een probleem overdenkt dat eigenlijk eenvoudig is. Recent onderzoek laat zien dat meer redeneren niet altijd de betere aanpak is.

Na 30 seconden nadenken gaf GPT-5 me twee juiste antwoorden. In de denktrace vermeldde het expliciet dat het “een snel programma” gebruikte om het probleem op te lossen—een slimme aanpak, want het mentaal uitwerken via chain-of-thought kan een eeuwigheid duren (er zijn 10! = 3.628.800 permutaties met veel mogelijke splitsingen). Ik kon echter niet het daadwerkelijke programma zien dat onder de motorkap draaide; dat was erg nuttig geweest.

Coderen

Voor de codeeropdracht probeerde ik hetzelfde spel te bouwen dat ik eerder met Grok had gebouwd. Het enige verschil in de prompt was dat ik GPT-5 vroeg om de code uit te voeren in Canvas.

Prompt: Maak een boeiend endless runner-spel. Duidelijke instructies op het scherm. p5.js-scène, geen HTML. Ik houd van gepixelde dinosaurussen en interessante achtergronden. Voer de code uit in Canvas.

Na drie build-fouten gaf ik het op om het in Canvas te draaien en voerde ik de code in plaats daarvan uit in een p5.js-editor. Dit is het resultaat:

Het model schreef maar liefst 764 regels code en leverde de beste V1 van dit spel op die ik ooit met welk model dan ook heb weten te genereren. De meeste modellen slaagden er bijvoorbeeld niet in om het spel te starten met een pauzescherm waarmee de speler zelf bepaalt wanneer hij begint—het startte meteen zodra je de code draaide. En geen enkel model had functies als best scores, kunnen zweven (glide) of het spel pauzeren toegevoegd.

Lange-context multimodaal

Net als bij Grok 4 wilde ik een grotere PDF testen, dus ik uploadde het Generative AI Outlook Report van de Europese Commissie (43.087 tokens / 167 pagina’s) en gaf ik GPT-5 de volgende prompt:

Prompt: Analyseer dit hele rapport en identificeer de drie meest informatieve grafieken. Vat elk samen en laat me weten op welke pagina van de PDF ze staan.

Voordat ik je de resultaten laat zien (met mijn Pro-account), even dit: gezien de grootte van deze PDF zal het draaien op ChatGPT Free (8K-tokenlimiet) of zelfs ChatGPT Plus (32K-tokenlimiet) hoogstwaarschijnlijk mislukken. Toen ik bijvoorbeeld vroeg om het document samen te vatten (met mijn Free-account), verscheen er een fout in de berichtstroom—waarschijnlijk door geheugenbeperkingen.

Toen ik deze taak met een Pro-account uitvoerde, kreeg ik wel resultaten—maar zoals je in de video hieronder ziet, waren er de nodige problemen:

De output was schokkend slecht en behoeft geen verdere toelichting. Ik heb niet eens een vervolgprompt geprobeerd. Dit voelt zeker niet als “praten met een PhD”, noch iets wat in de buurt komt van “AGI”.

GPT-5-benchmarks

OpenAI publiceerde een uitgebreide set benchmarkresultaten voor GPT-5, over coderen, wiskunde, multimodale redenering, instructie-opvolging, toolgebruik, long-context retrieval en factualiteit. Hieronder staat een samenvatting van de gerapporteerde cijfers uit hun officiële documentatie en blogposts.

Codeerprestaties

Op SWE-bench Verified—een benchmark met echte Python-coderingstaken—haalt GPT-5 74,9%, tegenover 69,1% voor OpenAI o3 en ruim vóór GPT-4.1 (54,6%). De winst is nog indrukwekkender als je naar efficiëntie kijkt: bij hoge reasoning effort gebruikt GPT-5 22% minder outputtokens en 45% minder toolaanroepen dan o3 om die resultaten te behalen.

Bron: OpenAI

Op Aider Polyglot, dat codebewerking in meerdere talen test, komt GPT-5 uit op 88%, vergeleken met 81% voor o3—ongeveer een derde minder fouten. Meer resultaten vind je in dit ontwikkelaarsrapport.

Wiskunde en wetenschappelijk redeneren

GPT-5 scoort ook sterk op wiskunde-rijke benchmarks. Op AIME 2025 (wedstrijdwiskunde zonder tools) scoort GPT-5 (zonder tools) 94,6%, tegenover 88,9% voor o3 (zonder tools). Op HMMT (Harvard-MIT-wiskundetoernooi) haalt het 93,3% zonder tools en verslaat daarmee o3’s 85%. In FrontierMath (expert-niveau wiskunde met een Python-tool) scoort GPT-5 26,3%—geen hoog getal, maar wel boven o3’s 15,8%.

Bron: OpenAI

Op GPQA Diamond—wetenschappelijke vragen op PhD-niveau—haalt GPT-5 87,3% met tools (Pyhton) en 85,7% zonder, en presteert daarmee iets beter dan o3 in beide configuraties.

Multimodale redenering

Op multimodale benchmarks zet GPT-5 een nieuwe state of the art neer. Het scoort 84,2% op MMMU (hbo-niveau visueel redeneren) en 78,4% op MMMU-Pro (master-niveau), en verslaat o3 in beide gevallen. Op VideoMMMU (videogebaseerd redeneren met tot 256 frames) behaalt GPT-5 84,6% nauwkeurigheid tegenover 83,3% voor o3.

Het presteert ook goed op CharXiv Reasoning (interpretatie van wetenschappelijke figuren) met 81,1% wanneer thinking is ingeschakeld, en ERQA (ruimtelijk redeneren) met 65,7%, beiden boven o3.

Humanity’s Last Exam (HLE)

Humanity’s Last Exam is een uitdagende benchmark met 2.500 handmatig samengestelde vragen op PhD-niveau, variërend van wiskunde, natuurkunde en scheikunde tot taalkunde en engineering.

Volgens de gepubliceerde resultaten van OpenAI scoort GPT-5 24,8% zonder tools en 42,0% in de Pro-variant.

Bron: OpenAI

Grok 4, op basis van xAI’s eigen data, haalt ongeveer 26% zonder tools en 41,0% met tools. De Grok 4 Heavy-configuratie—waarbij meerdere agents parallel draaien en outputs worden samengevoegd—stuwt dit verder naar 50,7%, wat het voordeel van de multi-agentopzet laat zien. Hoewel beide modellen vergelijkbare resultaten leveren in single-agent-, tool-ondersteunde modus, geeft de architectuur van Grok 4 Heavy hier een duidelijk voordeel.

Bron: xAI

Conclusie

GPT-5 is niet de AGI-mijlpaal waarop sommigen hoopten, en het voelt zeker niet als een “PhD in je broekzak”. Wat het wel is: een goed uitgevoerde consolidatie van OpenAI’s eerdere line-up tot één, naadlozere ervaring, gesteund door enkele betekenisvolle, zij het incrementele, technische verbeteringen.

De nieuwe chatfuncties zoals persoonlijkheden, kleur aanpassing en Gmail-/Agenda-integratie maken ChatGPT persoonlijker en nuttiger voor dagelijkse workflows. Aan de ontwikkelaarskant zijn fijnere controle over redeneren, beknoptheid en toolformaten, plus betere prestaties bij langdurige taken, welkome quality-of-life-upgrades.

In tests ging GPT-5 uitstekend om met rechttoe-rechtaan redenerings- en codeertaken, en het produceerde zelfs de beste eerste versie van een game die ik tot nu toe van een model heb gezien. Maar de prestaties bij multimodaal werk met lange context lieten nog veel te wensen over, waarbij Pro-middelen resultaten leverden die niet aan de hype voldeden.

Voor de meeste mensen blijft GPT-5 de meest toegankelijke en veelzijdige AI-tool die vandaag beschikbaar is. Verwacht alleen niet dat het de grenzen doorbreekt van wat met huidige modellen mogelijk is. Het is een evolutie, geen revolutie, en afhankelijk van je behoeften is dat misschien precies wat je wilt.