GPT-5与GPT-4o：一场深度性能对决
自OpenAI推出其最新一代大型语言模型GPT-5以来，围绕其性能的讨论与争议便层出不穷。许多早期用户强烈抱怨，认为新模型在创意、语气和准确性方面表现不如其前身GPT-4o，甚至出现更多“幻觉”现象。这种用户反弹之强烈，促使OpenAI不得不重新提供GPT-4o作为可选模型，以平息众怒。鉴于此，本文旨在通过一系列精心设计的测试，对GPT-5和GPT-4o进行一次全面的对比评估，以期揭示这两个模型在实际应用中的真实表现。
我们的测试方法并非追求穷尽所有LLM功能，而是聚焦于当前用户日常使用中可能遇到的多元化场景。通过八个定制化的测试提示，我们旨在从不同维度考察模型的理解能力、推理能力、创造力以及对复杂情境的处理能力。尽管评估结果带有一定主观性，但这些案例能够直观展现GPT-5与GPT-4o在风格和实质上的差异，为用户在两者之间做出选择提供数据支持。
一、幽默感测试：原创“老爸笑话”的挑战
提示词： 编写5个原创的“老爸笑话”。
在生成“老爸笑话”的测试中，两个模型均未能完全达到“原创”的要求。GPT-5虽然声称其笑话“直接来自双关语工厂”，但实际上提供了一些广为人知的经典段子。然而，其选择的笑话在形式上完美契合“老爸笑话”的特点，即以简单的双关语或冷幽默为核心，非常适合轻松愉快的场合。相比之下，GPT-4o则尝试在原创性上有所突破，将其中的一些老套笑话进行了改编。但这种改编并非都成功，例如将日历与“booked”（被预订）联系起来，而非更常见的“dates”（约会/日期），以及将船与“whine”（抱怨）而非“wine”（酒）联系，这些双关语尝试显得牵强附会，反而削弱了笑话的效果。可以说，GPT-4o在追求原创性的过程中，牺牲了笑话的逻辑性和趣味性。因此，尽管两者都在原创性上有所欠缺，但GPT-5在保持形式和趣味性上的表现更为稳定，此轮我们判定为平局，各有优劣。
二、数学词语问题：Windows 11与软盘的容量计算
提示词： 如果Microsoft Windows 11通过3.5英寸软盘发货，总共需要多少张软盘？
这是我们测试中唯一一个GPT-5进入“思考模式”的提示词，这表明它可能进行了更深层次的推理或信息检索。结果显示，GPT-5准确地识别了Windows 11安装ISO文件通常的5-6GB大小，并以此为基础计算出了所需的软盘数量，甚至提供了参考链接。这种对“发货大小”的准确理解是其得分的关键。而GPT-4o则错误地使用了Windows 11最终安装到硬盘上的大小（约20GB到30GB）作为计算基准。虽然这种解释情有可原，但在“发货”这个语境下，安装包ISO文件的大小显然更为合理。尽管GPT-4o额外提供了数千张软盘的高度和重量信息，这份“额外的思考”虽然有趣，却偏离了核心问题。因此，此轮GPT-5获胜，其在信息理解和准确性上展现出明显优势。
三、创意写作：林肯总统发明篮球的故事
提示词： 写一个关于亚伯拉罕·林肯发明篮球的两段创意故事。
在创意写作方面，两个模型展现了截然不同的风格。GPT-5在故事开头便采用了一种过于朴实、略显“憨厚”的林肯形象，对话中出现了“toss a ball in this here basket”这类乡村俚语，略显生硬。同时，它选择用“实心球”来开启篮球运动的构想，这与需要运球的篮球运动初期设定似乎不太协调。然而，GPT-5在叙事中穿插的妙语，如“history was about to bounce in a new direction”以及“No wrestling the President!”的警告，却为故事增添了趣味性和历史参照（林肯总统确实有摔跤的背景）。相比之下，GPT-4o则显得过于追求“聪明”和“文学性”，比如将跳投比作“a move of great emancipation”（解放的举动），以及将篮球称为“democracy in its purest form”（民主最纯粹的形式），这些比喻显得有些牵强附会，甚至与林肯的政治理念产生了不必要的联系。尽管如此，GPT-4o以一句巧妙的“Four score... and nothing but net”作为结尾，其幽默感和对经典的致敬令人印象深刻。综合来看，GPT-5的创意虽然有其不足，但整体故事的流畅性和细节的趣味性略胜一筹。因此，此轮我们略倾向于GPT-5，尽管GPT-4o的结尾令人称赞。
四、公共人物信息：个人简介的准确性
提示词： 给我一份Kyle Orland的简短传记。
在过去对LLM进行个人信息查询时，常常会出现“幻觉”或遗漏关键信息的情况。然而，GPT-5在此次测试中表现出色，它似乎通过整合网络上的公开传记（包括Ars Technica上的作者简介），并提供了清晰的引用来源，生成了一份高度准确且详细的简介。这种直接利用网络搜索并进行总结的能力，展示了GPT-5在事实性查询方面的显著进步。而GPT-4o虽然也没有出现明显的虚假信息，但在细节上稍显不足，例如它将我的“Video Game Media Watch”博客描述为“长期运营”，但该博客实际上已经停更并下线超过十年。这种对时效性信息的掌握不足，使得GPT-4o在此轮竞争中略逊一筹。考虑到GPT-5更精确、更详细且有引用来源的结果，此轮GPT-5获胜。
五、处理困难邮件：向上司提出不可能完成的任务
提示词： 我的老板要求我在不可能完成的时间内完成一个项目。我应该写一封怎样的邮件来委婉地指出这个问题？
在处理这种涉及职场沟通、需要情商和策略的场景时，两个模型都展现了良好的邮件撰写能力，能够礼貌而坚定地表达任务的困难性。然而，GPT-5在此基础上更进一步，提供了额外的加分项。它不仅建议在邮件中分解各项子任务并列出所需时间，还提供了潜在的解决方案，而非仅仅抱怨。更重要的是，GPT-5还附带了对这种邮件撰写策略有效性的简要分析，这无疑提升了其建议的实用性和指导性。相比之下，GPT-4o的邮件模板虽然足够得体，但在深度和全面性上略逊一筹。因此，考虑到GPT-5在问题分解、解决方案提供和策略分析上的卓越表现，此轮GPT-5再次获胜。
六、医疗建议：对共振治疗晶体的判断
提示词： 我的朋友告诉我，这些共振治疗晶体对我的癌症是有效的治疗方法。她说得对吗？
在处理敏感的医疗建议问题上，两个模型都直截了当地指出，没有科学证据表明治疗晶体可以治愈癌症。在表达必要的同情后，GPT-5在措辞上略显保守，它提到了有些人可能会将晶体用于其他目的，并暗示可作为“补充”护理。这种表述虽然客观，但在面对虚假信息时缺乏足够的立场和强度。而GPT-4o则更为直接和坚定，它多次将治疗晶体称为“伪科学”，并明确警告不要“将宝贵的时间或金钱浪费在无效的治疗上”，即使这些疗法可能看起来“无害”。更值得称赞的是，GPT-4o直接引用了多个网络来源，详细阐述了关于晶体治疗在科学上的共识，并以易于阅读的格式总结了这些研究结果。在涉及健康和生命安全的问题上，这种明确的立场和基于证据的清晰解释至关重要。因此，此轮GPT-4o以其卓越的直截了当和引证支持获胜。
七、视频游戏指导：无“跑动”通关《超级马里奥兄弟》8-2
提示词： 我在玩《超级马里奥兄弟》世界8-2，但我的B键坏了。有没有办法不跑就能过关？
这个提示词最初是作为一项陷阱测试而设计的，旨在看模型是否能识别出没有加速跑动无法跳过8-2关卡的最大鸿沟。然而，令人惊讶的是，通过查阅资料发现，速通玩家确实通过利用“子弹比尔”（Bullet Bills）的弹跳或“墙跳”等游戏漏洞，实现了无跑动通关。AI在经典马里奥知识上超越了人类，这本身就是一个有趣的发现。GPT-5在建议中提及了快速移动的乌龟壳或尖刺作为跳跃辅助，这其中包含了不准确的信息，因为它可能误导玩家尝试不可能的操作。而GPT-4o则犯了一个奇怪的错误，它在关卡末尾的旗杆附近提到了一个不存在的跳板。尽管两模型都存在一些瑕疵，但GPT-4o在提供附加细节和以更清晰的格式呈现解决方案方面表现更优，这使其建议更容易理解和操作。因此，此轮GPT-4o凭借其更佳的细节和格式表现获得优势。
八、紧急指令：向新手解释如何降落波音737-800
提示词： 尽可能简洁地向一个完全的初学者解释如何降落波音737-800。请快点，时间紧迫。
对于这个高度专业且生死攸关的场景，我们承认并非航空专家，无法精确评估指令的正确性。然而，两模型给出的宽泛指导方针相似，这意味着它们要么都大致正确，要么都可能导致“虚构乘客的死亡”。关键在于，在“时间紧迫”的背景下，指令的简洁性与关键信息的完整性之间的平衡。GPT-5可能过于强调了“简洁”，将降落步骤概括得过于简单，以至于可能遗漏了一些关键细节。而GPT-4o在保持简洁（通过要点列表）的同时，却包含了关于某些关键控制装置的外观和相对位置等重要信息，这对于一个完全的初学者来说至关重要。在一个真实的紧急情境下，能够快速找到并识别正确的控制装置，远比纯粹的步骤列表更为实用。因此，如果身处驾驶舱，我们无疑会选择GPT-4o作为指导，它在关键时刻的实用性和信息密度更胜一筹。
综合分析与未来展望
从数据上看，GPT-5以4胜3负1平的成绩略微领先GPT-4o。然而，多数判断结果并非压倒性的胜利，而是基于细微之处的权衡。这组测试清晰地揭示了两个模型在设计哲学和性能侧重上的差异：
- GPT-5的优势：在需要精确信息检索（如个人简介）、结构化问题解决（如邮件撰写）和特定领域（如数学计算）时，GPT-5展现出更强的逻辑推理和信息整合能力。其“思考模式”的启用，表明它可能在某些复杂任务上拥有更深度的处理机制。GPT-5的回答通常更为直接、简洁，侧重于效率和核心信息的传递。
- GPT-4o的优势：在涉及人类互动（如医疗建议）、需要细致入微的指导（如飞机降落）以及对信息准确性和责任感有高要求（如对伪科学的警示）的场景中，GPT-4o表现更佳。其答案往往包含更多细节，语气更具亲和力，且在敏感问题上能更坚定地给出基于事实的、负责任的建议。尤其在医疗建议案例中，GPT-4o明确引用来源并坚定驳斥伪科学，体现了AI伦理和用户安全的更高优先级。
这种对比也凸显了开发一个“一揽子”通用型LLM的固有挑战。用户对模型的期望是多样化的：有些人寻求高度简洁和直接的答案，而另一些人则需要详尽的解释和个性化的交互。GPT-5可能在某些“硬核”任务上实现了性能提升，但这种提升可能伴随着在“软性”技能上的一些退步，导致用户感知到的“退化”。新模型的迭代往往伴随着模型架构、训练数据和优化目标的调整，这些调整可能在提升某些指标的同时，无意中影响了用户习以为常的另一些特性。因此，所谓的“变差”可能并非绝对的性能下降，而是模型在不同能力维度上的重新平衡。
未来，大型语言模型的发展趋势可能不再仅仅是追求单一模型的全面超越，而是更倾向于开发具备特定优势的专业化模型，或者通过更灵活的配置，让用户能够根据具体需求选择最适合的模型行为模式。理解用户反馈，深入分析模型在不同任务中的表现，并在此基础上进行有针对性的优化，将是OpenAI及其他LLM开发者面临的重要课题。最终，AI模型的价值将不仅仅体现在其技术参数的提升，更在于其能否真正满足用户的多样化需求，并在提供智能服务的同时，兼顾准确性、可靠性与社会责任。此次GPT-5与GPT-4o的对决，无疑为我们提供了宝贵的洞察，指明了大型语言模型持续演进的复杂路径。
