OpenAI推出GPT4.5研究预览版 情商更高、幻觉更少 Altman：下周再增数万GPU

OpenAI周四在System Card报告中推出OpenAI GPT-4.5的研究预览版，这是其迄今最大、知识最丰富的模型，现已向每月订阅费用200美元的ChatGPT Pro订阅用户开放。

下周，该模型也将向每月20美元的ChatGPT Plus订阅用户开放。OpenAI首席执行官Altman表示，届时该公司将增加数万块GPU，提供算力支撑。

情商更高、幻觉更少

OpenAI表示，在GPT-4o的基础上，GPT-4.5进一步扩展了预训练，并被设计成比其强大的stem推理模型更通用。早期测试表明，与GPT-4.5互动感觉更自然。它拥有更广泛的知识库，更符合用户意图，情商更高，因此非常适合写作、编程和解决实际问题等任务，而且幻觉更少。

例如，在面对“我考试失败了，心情很低落”这样的输入时，OpenAI 之前的模型会立即尝试解决问题。而新模型 GPT-4.5 会先询问用户是否想聊聊这个问题，还是需要一些分散注意力的方法。研究人员认为，这种回应显示出更高的情感智能。

在早期测试中，该模型的“幻觉率”——即AI系统生成不准确信息的概率——为37%，相比之下，其前代模型GPT-4o的幻觉率接近60%。OpenAI在博客中表示，

“GPT-4.5拥有更广泛的知识储备和更深刻的世界理解能力，从而减少幻觉，提高在各类话题上的可靠性”。
“每提升一个数量级的计算能力，都会带来新的能力，GPT-4.5处于无监督学习的最前沿”。

GPT-4.5最初将作为“研究预览版”，提供给一小部分软件开发者以及支付每月200美元订阅费用的ChatGPT Pro用户。该公司计划从首批试用者那里收集反馈。

“GPT-4.5是一个非常庞大且计算密集型的模型，其成本高昂，并不能替代前代模型GPT-4o。因此，我们正在评估是否长期在API中提供该模型，以在支持当前能力和构建未来模型之间取得平衡。”

OpenAI首席执行官Altman也在X平台发文说，将在下周正式发布GPT-4.5的时候增加数万块GPU：

这是一个庞大且昂贵的模型。我们本来希望能同时向Plus和Pro用户推出它，但由于我们最近增长迅猛，GPU已经不够用了。我们将在下周新增数万块GPU，并随后向Plus订阅用户开放。
（很快还会有数十万块 GPU 加入，而我几乎可以确定，你们会用掉我们能部署的每一块。）
这并不是我们理想中的运营方式，但要精准预测增长激增导致的 GPU 短缺确实很难。
提前提醒一下：这不是一个推理模型，不会在基准测试中表现碾压级的优势。它是一种不同类型的智能，并且带有一种此前从未有过的“魔法”般的感觉，我真的很期待大家去体验它！

OpenAI在2022年底推出ChatGPT，引发了生成式AI的狂热潮流，该工具最初基于GPT-3.5模型运行。自那以来，该公司陆续发布了一系列日益先进的系统，包括多个模拟人类推理过程的选项。但OpenAI如今正面临来自中国新兴企业DeepSeek、马斯克旗下的xAI以及Anthropic等竞争对手的激烈竞争，这些公司近几周都相继推出了新的AI模型。周一，Anthropic发布了Claude 3.7 Sonnet，而在上周，马斯克旗下的xAI也推出了最新模型Grok 3。

吹牛吹过头？基准测试部分表现不如DeepSeek、Anthropic及o系列模型

在GPT-4.5之前，每一代GPT模型的扩展都会带来跨数学、写作和编程等多个领域的巨大性能提升。然而，从多个迹象来看，单纯依赖数据和计算能力的扩展所带来的收益正在逐步减少。在多个AI基准测试中，GPT-4.5的表现不及DeepSeek、Anthropic以及OpenAI自身开发的新一代推理模型。

OpenAI研究副总裁Nick Ryder向媒体表示，他预计GPT-4.5的能力提升幅度将与GPT-3.5升级至GPT-4时的变化相当，而GPT-4是在2023年初发布的。OpenAI强调，GPT-4.5不是GPT-4o的直接替代品，后者仍然是公司API和ChatGPT平台的主力模型。

从性能上看，GPT-4.5在多个方面超过了GPT-4o及其他许多AI模型。例如，在OpenAI的SimpleQA基准测试（该测试考察 AI 在处理简单、事实性问题时的准确度）中，GPT-4.5的表现优于GPT-4o和OpenAI的推理模型o1、o3-mini。

然而，OpenAI并未公布其最先进的AI推理模型deep research在SimpleQA测试中的表现。OpenAI发言人告诉媒体，公司尚未公开deep research在该基准测试中的得分，并表示这一对比不具备参考价值。值得注意的是，AI初创公司Perplexity的Deep Research模型在此测试中的表现优于GPT-4.5。

在编程能力方面，GPT-4.5在SWE-Bench Verified基准测试（测试AI在编程问题上的能力）上与GPT-4o和o3-mini表现相当，但逊色于OpenAI的deep research和Anthropic的Claude 3.7 Sonnet。在SWE-Lancer编程测试（衡量AI生成完整软件功能的能力）上，GPT-4.5超过了GPT-4o和o3-mini，但仍不及deep research。

在一些学术基准测试（如AIME和 GPQA）上，GPT-4.5的表现不及领先的AI推理模型，如o3-mini、DeepSeek的R1和Claude 3.7 Sonnet（技术上属于混合模型）。不过，在数学和科学相关问题上，GPT-4.5的表现仍然处于领先水平，与其他非推理模型相比表现更优。

打造过程充满挑战

打造GPT-4.5的过程充满挑战。彭博新闻此前报道称，该模型在公司内部被称为“Orion”，但在去年未能达到OpenAI设定的性能基准。例如，截至去年夏天，Orion在回答其未受训练的编程问题时表现不佳。据知情人士向媒体透露，OpenAI和其他开发人员面临的一个关键问题是如何找到新的、高质量的训练数据来源，以开发更先进的AI系统。

对此，GPT-4.5采用了与其前代模型（包括 GPT-4、GPT-3、GPT-2 和 GPT-1）相同的核心技术，即在“预训练”阶段大幅增加计算能力和数据量的“无监督学习”方法。在这一过程中，系统会结合人类反馈来优化回答内容，并调整模型与用户互动的语气等。此外，该公司还想出了一些新方法，利用从GPT-4.0训练数据中提取的信息来进一步训练GPT-4.5。OpenAI研究副总裁Mia Glaese表示，这一方法有助于改进模型的整体表现。

分析认为，GPT-4.5的发布标志着OpenAI时代的一个转折点。本月早些时候，Altman在X平台发文称，这将是公司推出的最后一个不依赖额外计算能力来“思考”查询后再回答的模型。OpenAI已在一些较新的模型（如o1和o3）中采用了这一推理方法。

未来，OpenAI计划在今年晚些时候发布GPT-5，将把GPT系列模型与o系列模型结合，构建能够自主判断需要思考多久再生成回答的AI系统。Altman表示，这一目标是为了简化用户体验，让用户不必在越来越复杂的选项列表中进行选择。

目前，OpenAI正在与软银（SoftBank）及其他投资者洽谈融资，计划筹集高达400亿美元，使其估值达到3000亿美元（包括新融资在内）。与此同时，Anthropic也在进行一轮约35亿美元的融资，估值超过600亿美元，两位知情人士向媒体透露。