更新：GPT-5 已于 2025 年 8 月 7 日发布，我们已发表GPT-5 专文，其中对该模型进行了测试并概述了新功能。我们还提供了GPT-5 API 指南。
自 2022 年 11 月 ChatGPT 发布以来，已过去两年多。我在 2024 年 2 月 14 日撰写本文初稿时，刚刚满一年多，OpenAI 依然是 AI 领域的主导力量。自那以后，行业不断演变，Google 的 Gemini、Anthropic 的 Claude 和 Meta 的 LLaMA 成为重要竞争者。
2025 年 2 月 12 日，Sam Altman 在 X 上发布了路线图，介绍了 GPT-4.5 和 GPT-5 的细节，并提出以“魔法统一智能”的理念简化 OpenAI 的产品线。我据此更新了本文。
本文结合 Altman 的最新表述和 OpenAI 早期模型的演进，探讨 GPT-5。
什么是 GPT-5？
生成式预训练转换器（Generative Pre-trained Transformer，GPT）是 OpenAI 开发的一系列大型语言模型（LLM），对机器学习与人工智能领域产生了深远影响。
GPT 的核心在于基于输入理解并生成类人文本。这些模型以海量数据集进行训练。GPT 系列在推动基于 LLM 的应用方面功不可没，为自然语言处理、生成等领域树立了新的标杆。
GPT-5 代表 GPT 系列的下一次迭代。也许您会好奇，“下一次迭代”意味着什么。不妨先回顾一下迄今为止的 GPT 历史：
GPT-1
2018 年，OpenAI 以 GPT-1 引入了生成式预训练的概念，利用 Transformer 架构强化自然语言理解。相关论文“Improving Language Understanding by Generative Pre-Training”详述了该模型。它作为概念验证模型，并未公开发布。
GPT-2
一年后，OpenAI 发布了 GPT-2，在文本生成方面取得显著提升。GPT-2 能生成短段文本，相比前代迈出重要一步。其公开发布促进了更广泛的机器学习社区探索。
GPT-3
2020 年发布的 GPT-3 大幅扩展了模型规模，参数量是 GPT-2 的 100 倍。这一扩展使其能生成更长、更连贯的文本，并在多种任务上表现出色。随后在 GPT-3.5 系列中推出的面向对话的 ChatGPT，展示了其生成类人文本的卓越能力，仅用两个月便达到 1 亿用户。
GPT-4
作为该系列的又一次迭代，GPT-4 进一步打磨了前代引入的能力。借助更大的数据集和更多参数，GPT-4 在自然语言理解与生成方面较 GPT-3 再获提升。它能在更长文本中生成连贯、上下文相关的内容，并在复杂对话场景中展现出更佳理解力。
GPT-4 的进步包括对语境更细致的把握、更高的事实性，以及更少生成带偏见或有害的内容。其应用覆盖从高级对话代理到复杂内容创作工具等多个领域，凸显了其多样性以及 AI 驱动的自然语言处理技术的持续演进。
2023 年 11 月，OpenAI 发布了具备视觉能力的 GPT-4 Turbo，更新了多项功能。随后在 2024 年 5 月，GPT-4o 上线，作为一款多模态模型，提供了更快的速度和更低的成本。您还可以在我们此前关于 GPT-4 的文章中，进一步了解GPT 家族的演进。
GPT-5
根据 Altman 2025 年 2 月 12 日在 X 上的发文，GPT-5 将是生成式预训练转换器系列的下一次进化。其最新路线图明确指出，GPT-5 不是一个单独的模型，而是一个整合 GPT 系列与 o 系列（如 o3）等模型的系统。
我们知道，GPT-4 相较前代在逻辑推理方面显著提升。虽然 2024 年 5 月发布的 GPT-4o 仍受限于训练截断前的知识，但它具备更强的推理与多模态能力。我预计 GPT-5 将在此基础上，按路线图所述融合 o3 的推理能力与更多工具。
GPT-5 何时发布？
在 2024 年 1 月 Sam Altman 与比尔·盖茨的对谈中，盖茨得知 GPT-5 的研发已经启动，但未透露任何发布日期线索。
Altman 于 2025 年 2 月 12 日在 X 上表示，GPT-5 将在“数月内”发布，指向 2025 年夏季。GPT-4 的开发周期（包括训练、开发与测试）超过两年：在 2022 年 11 月 ChatGPT 首发后，于 2023 年初首次发布；2024 年 5 月又推出了 GPT-4o 更新。
Altman 的路线图将 GPT-5 的发布时间加速至 2025 年年中，并确认代号 Orion 的 GPT-4.5 将在 2025 年 2 月 12 日起“数周内”发布，极可能在 2025 年 3 月作为前导推出。
我们可以期待 GPT-5 带来哪些功能？
鉴于 GPT-5 的发布可能在一两年后，大多数对其进步的预测基于当前由 Google 与开源 AI 项目推动的趋势。这些发展为行业走向提供了有价值的线索。
不过，OpenAI 核心团队也提供了一些初步信号。在与盖茨的采访中，Altman 强调 OpenAI 将重点提升推理能力，并纳入视频处理能力。
下面我们尝试梳理脉络，讨论 GPT-5 预期的一些关键增强点。
参数规模
GPT-4 的确切参数规模尚未披露，估计约为 1.5 万亿。作为系统而非单一模型，GPT-5 将整合多种架构，包括 o3 的推理能力。我预计其能力将体现这一组合式路径，而非单纯的参数堆叠。
如果这一轨迹延续，GPT-5 或将重塑当下 LLM 的上限，达到前所未有的规模。
多模态
GPT-4o 目前可处理语音、图像与文本。Altman 的路线图确认 GPT-5 将包含语音、画布与搜索功能，并有望根据其 2024 年 1 月与比尔·盖茨对谈中的暗示支持视频处理。这将增强 OpenAI 的多模态能力，与 Google 的 Gemini 等竞品的趋势保持一致。
从聊天机器人到智能代理
从聊天机器人迈向完全自主的智能代理是另一片令人期待的前沿。设想您可以把琐碎任务或工作交给一个由 GPT 驱动的应用。如果 OpenAI 持续整合第三方服务，这将有望成为现实。我们已经见到 自定义 GPT 和 Operator 的推出，这一方向可能会继续发展。
这一新特性将使 GPT-5 能连接各类服务并无缝执行现实世界中的操作，代表用户完成任务而无需直接人工监督。比如，我们可以让一个自主代理根据个人饮食偏好购买日用品。
更高的准确性
当前GPT-4 模型较其前代 GPT-3 提升了 40%。随着 o3 的链式思维推理融入 GPT-5，我预计其在可靠性与语境理解方面将进一步提升，减少在各类应用中的错误。
更大的上下文窗口
当下模型的一大限制在于其可用于生成响应的上下文窗口大小。鉴于 GPT-5 可能使用更大量的数据进行训练，预期其上下文窗口将扩展，从而理解并引用更大范围的文本，生成更连贯且语境更契合的输出。
更具成本效益的 OpenAI API 使用
随着新模型的出现，我们也可以预见使用 OpenAI API 的成本将下降，使得像 GPT-4o 这样的技术更易获取。
这种可及性的提升将推动一波创新，使更多开发者和组织能将先进 AI 融入其应用。
一旦成本更低、获取更便捷，GPT 模型在编码或研究等复杂任务上的熟练度也将提升。如果您尚未尝试 OpenAI 的 API，强烈建议参考 DataCamp 的OpenAI API 指南入门体验。
结语
Sam Altman 于 2025 年 2 月 12 日发布的路线图为 GPT-5 提供了具体信息，超越了此前讨论中的臆测。路线图确认 GPT-4.5 将在数周内发布，之后数月内推出 GPT-5，目标在 2025 年夏季，以统一系统的思路落地。我认为这是 OpenAI 演进的重要一步：整合高级功能并通过分层访问满足多样需求。
如果您迫不及待想探索 GPT 模型的全部潜力，可先从我们的《ChatGPT 入门》课程开始；若您已熟悉该模型，可观看我们的网络研讨会《使用 ChatGPT 的高级数据分析》。
更新：GPT-5 已于 2025 年 8 月 7 日发布，我们已发表GPT-5 专文，其中对该模型进行了测试并概述了新功能。我们还提供了GPT-5 API 指南。
自 2022 年 11 月 ChatGPT 发布以来，已过去两年多。我在 2024 年 2 月 14 日撰写本文初稿时，刚刚满一年多，OpenAI 依然是 AI 领域的主导力量。自那以后，行业不断演变，Google 的 Gemini、Anthropic 的 Claude 和 Meta 的 LLaMA 成为重要竞争者。
2025 年 2 月 12 日，Sam Altman 在 X 上发布了路线图，介绍了 GPT-4.5 和 GPT-5 的细节，并提出以“魔法统一智能”的理念简化 OpenAI 的产品线。我据此更新了本文。
本文结合 Altman 的最新表述和 OpenAI 早期模型的演进，探讨 GPT-5。
什么是 GPT-5？
生成式预训练转换器（Generative Pre-trained Transformer，GPT）是 OpenAI 开发的一系列大型语言模型（LLM），对机器学习与人工智能领域产生了深远影响。
GPT 的核心在于基于输入理解并生成类人文本。这些模型以海量数据集进行训练。GPT 系列在推动基于 LLM 的应用方面功不可没，为自然语言处理、生成等领域树立了新的标杆。
GPT-5 代表 GPT 系列的下一次迭代。也许您会好奇，“下一次迭代”意味着什么。不妨先回顾一下迄今为止的 GPT 历史：
GPT-1
2018 年，OpenAI 以 GPT-1 引入了生成式预训练的概念，利用 Transformer 架构强化自然语言理解。相关论文“Improving Language Understanding by Generative Pre-Training”详述了该模型。它作为概念验证模型，并未公开发布。
GPT-2
一年后，OpenAI 发布了 GPT-2，在文本生成方面取得显著提升。GPT-2 能生成短段文本，相比前代迈出重要一步。其公开发布促进了更广泛的机器学习社区探索。
GPT-3
2020 年发布的 GPT-3 大幅扩展了模型规模，参数量是 GPT-2 的 100 倍。这一扩展使其能生成更长、更连贯的文本，并在多种任务上表现出色。随后在 GPT-3.5 系列中推出的面向对话的 ChatGPT，展示了其生成类人文本的卓越能力，仅用两个月便达到 1 亿用户。
GPT-4
作为该系列的又一次迭代，GPT-4 进一步打磨了前代引入的能力。借助更大的数据集和更多参数，GPT-4 在自然语言理解与生成方面较 GPT-3 再获提升。它能在更长文本中生成连贯、上下文相关的内容，并在复杂对话场景中展现出更佳理解力。
GPT-4 的进步包括对语境更细致的把握、更高的事实性，以及更少生成带偏见或有害的内容。其应用覆盖从高级对话代理到复杂内容创作工具等多个领域，凸显了其多样性以及 AI 驱动的自然语言处理技术的持续演进。
2023 年 11 月，OpenAI 发布了具备视觉能力的 GPT-4 Turbo，更新了多项功能。随后在 2024 年 5 月，GPT-4o 上线，作为一款多模态模型，提供了更快的速度和更低的成本。您还可以在我们此前关于 GPT-4 的文章中，进一步了解GPT 家族的演进。
GPT-5
根据 Altman 2025 年 2 月 12 日在 X 上的发文，GPT-5 将是生成式预训练转换器系列的下一次进化。其最新路线图明确指出，GPT-5 不是一个单独的模型，而是一个整合 GPT 系列与 o 系列（如 o3）等模型的系统。
我们知道，GPT-4 相较前代在逻辑推理方面显著提升。虽然 2024 年 5 月发布的 GPT-4o 仍受限于训练截断前的知识，但它具备更强的推理与多模态能力。我预计 GPT-5 将在此基础上，按路线图所述融合 o3 的推理能力与更多工具。
GPT-5 何时发布？
在 2024 年 1 月 Sam Altman 与比尔·盖茨的对谈中，盖茨得知 GPT-5 的研发已经启动，但未透露任何发布日期线索。
Altman 于 2025 年 2 月 12 日在 X 上表示，GPT-5 将在“数月内”发布，指向 2025 年夏季。GPT-4 的开发周期（包括训练、开发与测试）超过两年：在 2022 年 11 月 ChatGPT 首发后，于 2023 年初首次发布；2024 年 5 月又推出了 GPT-4o 更新。
Altman 的路线图将 GPT-5 的发布时间加速至 2025 年年中，并确认代号 Orion 的 GPT-4.5 将在 2025 年 2 月 12 日起“数周内”发布，极可能在 2025 年 3 月作为前导推出。
我们可以期待 GPT-5 带来哪些功能？
鉴于 GPT-5 的发布可能在一两年后，大多数对其进步的预测基于当前由 Google 与开源 AI 项目推动的趋势。这些发展为行业走向提供了有价值的线索。
不过，OpenAI 核心团队也提供了一些初步信号。在与盖茨的采访中，Altman 强调 OpenAI 将重点提升推理能力，并纳入视频处理能力。
下面我们尝试梳理脉络，讨论 GPT-5 预期的一些关键增强点。
参数规模
GPT-4 的确切参数规模尚未披露，估计约为 1.5 万亿。作为系统而非单一模型，GPT-5 将整合多种架构，包括 o3 的推理能力。我预计其能力将体现这一组合式路径，而非单纯的参数堆叠。
如果这一轨迹延续，GPT-5 或将重塑当下 LLM 的上限，达到前所未有的规模。
多模态
GPT-4o 目前可处理语音、图像与文本。Altman 的路线图确认 GPT-5 将包含语音、画布与搜索功能，并有望根据其 2024 年 1 月与比尔·盖茨对谈中的暗示支持视频处理。这将增强 OpenAI 的多模态能力，与 Google 的 Gemini 等竞品的趋势保持一致。
从聊天机器人到智能代理
从聊天机器人迈向完全自主的智能代理是另一片令人期待的前沿。设想您可以把琐碎任务或工作交给一个由 GPT 驱动的应用。如果 OpenAI 持续整合第三方服务，这将有望成为现实。我们已经见到 自定义 GPT 和 Operator 的推出，这一方向可能会继续发展。
这一新特性将使 GPT-5 能连接各类服务并无缝执行现实世界中的操作，代表用户完成任务而无需直接人工监督。比如，我们可以让一个自主代理根据个人饮食偏好购买日用品。
更高的准确性
当前GPT-4 模型较其前代 GPT-3 提升了 40%。随着 o3 的链式思维推理融入 GPT-5，我预计其在可靠性与语境理解方面将进一步提升，减少在各类应用中的错误。
更大的上下文窗口
当下模型的一大限制在于其可用于生成响应的上下文窗口大小。鉴于 GPT-5 可能使用更大量的数据进行训练，预期其上下文窗口将扩展，从而理解并引用更大范围的文本，生成更连贯且语境更契合的输出。
更具成本效益的 OpenAI API 使用
随着新模型的出现，我们也可以预见使用 OpenAI API 的成本将下降，使得像 GPT-4o 这样的技术更易获取。
这种可及性的提升将推动一波创新，使更多开发者和组织能将先进 AI 融入其应用。
一旦成本更低、获取更便捷，GPT 模型在编码或研究等复杂任务上的熟练度也将提升。如果您尚未尝试 OpenAI 的 API，强烈建议参考 DataCamp 的OpenAI API 指南入门体验。
结语
Sam Altman 于 2025 年 2 月 12 日发布的路线图为 GPT-5 提供了具体信息，超越了此前讨论中的臆测。路线图确认 GPT-4.5 将在数周内发布，之后数月内推出 GPT-5，目标在 2025 年夏季，以统一系统的思路落地。我认为这是 OpenAI 演进的重要一步：整合高级功能并通过分层访问满足多样需求。
如果您迫不及待想探索 GPT 模型的全部潜力，可先从我们的《ChatGPT 入门》课程开始；若您已熟悉该模型，可观看我们的网络研讨会《使用 ChatGPT 的高级数据分析》。