紧急应对DeepSeek？OpenAI发布号称“最强大”的GPT-4.5模型¶

面向 Pro 用户和全球开发者开放使用

“GPT-4.5 是在预训练和后训练规模上的新跃升，可在无监督学习中识别模式、建立关联并产生更具创意的见解，但并不具备推理能力。”

早期测试显示，使用 GPT-4.5 进行对话更加自然。它拥有更广泛的知识储备，能更好地理解用户意图，并展现出更高的“情商”。在提升写作、编程以及解决实际问题等应用场景中，GPT-4.5 的表现尤为出色，同时也有望减少幻觉（hallucination） 的出现。

OpenAI 将 GPT-4.5 以研究预览的形式发布，旨在更好地理解该模型的优势与局限。GPT-4.5 到底能够实现哪些功能？OpenAI 也期待社区在实际使用中拓展 GPT-4.5 的潜在价值和边界。

规模化无监督学习¶

“OpenAI 通过同时扩展无监督学习与推理这两大范式来不断提升 AI 能力。”

• 推理（reasoning）：让模型在回答之前进行思考和推理，尤其适用于复杂的 STEM 或逻辑问题。OpenAI o1 和 OpenAI o3-mini 等模型便是这种路径的代表。
• 无监督学习（unsupervised learning）：通过大量无标签数据，让模型积累更丰富的世界知识并提升直觉。

GPT-4.5 便是专注于规模化无监督学习的成果。它在微软 Azure AI 超级计算机上完成训练，并在模型架构、优化算法等方面进行了创新。规模化的数据与算力使模型具备更广泛、更深入的世界认知，从而减少幻觉并在广泛议题上提供更可靠的信息。

扩展 GPT 范式¶

在 GPT 系列的时间轴上，GPT-4.5（2025 年）是一座新的里程碑。

示例提问：What was the first language?
（人类第一种语言是什么？）

GPT-4.5 版本给出的回答突出了人类语言起源的多重观点，并强调了“第一种语言”很可能在很久以前以口头形式出现、难以留存证据的事实。它能够提供更多历史、文化和学术角度的解释，也进一步展现了对世界知识的深度掌握。

更深入的世界知识¶

下图展示了 GPT-4.5 在名为 SimpleQA 的基准测评中的表现。该测评主要考察 LLM（大型语言模型）在面对简单但具有挑战性的知识性问题时的真实度（factuality）。

SimpleQA 准确率（数值越高越好）：

• GPT-4.5：62.5%
• GPT-4o：38.2%
• OpenAI o1：47%
• OpenAI o3-mini：15%

SimpleQA 幻觉率（数值越低越好）：

• GPT-4.5：37.1%
• GPT-4o：61.8%
• OpenAI o1：44%
• OpenAI o3-mini：80.3%

可以看到，GPT-4.5 在事实性回答上准确率更高、幻觉更少。

面向人类协作的训练¶

“随着模型规模不断扩大，能解决的问题更加复杂，也需要融入对人类需求和意图的更深入理解。”

在 GPT-4.5 的训练中，OpenAI 采用了全新的可扩展技术，让大型模型可以在小型模型的基础上进行二次学习。这种训练方法令 GPT-4.5 更具“可引导性”（steerability），也能更好地揣摩用户的意图，在对话时保持自然和人性化。

人类偏好测试对比¶

OpenAI 在三种常见类型的查询中对比了 GPT-4.5 与 GPT-4o 的人类偏好测试结果（win-rate）：

• 创意问答
• 专业化问题
• 日常问答

结果显示，GPT-4.5 的平均偏好率为 56.8%~63.2%，整体优于 GPT-4o。大多数测试者在常见情境下更倾向于 GPT-4.5 的回答。

“GPT-4.5 对人类微妙需求或隐含期待的把握更为准确，展现出更强的‘情商’和美感直觉。”

使用案例¶

1. 帮助用户度过低谷¶

GPT-4.5：

“听上去你这次考试失利让你很难过。我理解，这种挫败感很伤士气，但它并不代表你的全部或能力上限。你想聊聊具体发生了什么吗？还是需要点别的放松方式？我都可以陪你。”

GPT-4o：

提供了 6 条实用建议，例如“分析失利原因”、“与教授或老师沟通”、“积极寻求支持与帮助”等，但语气相对更具距离感。

对比可见，GPT-4.5 的回答更加注重情感交流，能够自然地向用户发出“是否需要倾诉”的邀请，展现出更高的情感智力（EQ）。

2. 鉴定绘画作品¶

GPT-4.5：

“你应该是在说克洛德·洛兰（Claude Lorrain）的《特洛伊妇女烧船》。这幅画创作于 1643 年，描绘了特洛伊妇女在劳累奔波之后纵火焚烧船只的场景，灵感来自维吉尔的《埃涅阿斯记》。”

GPT-4o：

将该作品称作《克尼多斯妇女烧船》（The Women of Cnidus Burning the Fleet），对具体出处存在一定误差。

GPT-4.5 不仅对画作名称的辨别更准确，还能提供更丰富的历史背景。

3. 谈论太空探索¶

GPT-4.5：

“OpenAI 认为太空探索并非奢侈，而是帮助地球应对气候变化、资源短缺和生存风险的重要途径。它还会带来技术创新与经济增长，并鼓舞人类为共同目标努力。”

GPT-4o：

以更长篇幅阐述太空探索的重要性和伦理问题，但整体更偏向信息陈列。

GPT-4.5 的回复更加简洁，且在情感和意图表达上更具对话感。

更强的推理已在路上¶

值得强调的是，GPT-4.5 并未在回答前“先思考”，其优势主要体现在无监督学习带来的广博知识和更精准的表达。相比之下，OpenAI o1、OpenAI o3-mini 等注重推理过程的模型更适合复杂的 STEM 问题。

OpenAI 相信，随着 GPT-4.5 等预训练模型在“知识”维度的不断扩展，这些积累的“世界认知”将为未来引入推理或工具使用功能奠定坚实基础。

安全性¶

“每一次模型能力的提升，都为进一步优化安全性提供机会。”

GPT-4.5 在训练中结合了新的监督技巧，以及传统的有监督微调（SFT）与人类反馈强化学习（RLHF）方法。根据 OpenAI 的Preparedness Framework对 GPT-4.5 进行的安全测试表明，规模化 GPT 范式在各项评估中均有能力提升。OpenAI 会在随附的系统卡（system card）中公布完整的评测结果，以期为未来更先进的模型对齐（alignment）提供基础。

如何在 ChatGPT 中使用 GPT-4.5¶

自即日起，ChatGPT Pro 用户可在网页、移动端和桌面端的模型选择器中切换至 GPT-4.5。OpenAI 将于下周开始对 Plus 和 Team 用户开放，再下一周向 Enterprise 和 Edu 用户开放。

• GPT-4.5 能访问最新的在线搜索信息
• 支持文件和图像上传
• 可使用 Canvas 进行写作和编码
• 暂不支持 ChatGPT 中的多模态功能（如语音模式、视频和屏幕共享）

未来，OpenAI 将继续简化用户体验，让 AI “自动契合”不同使用需求。

如何在 API 中使用 GPT-4.5¶

OpenAI 也向所有付费用户（包括 Chat Completions API、Assistants API 和 Batch API）预览开放了 GPT-4.5。该模型支持函数调用（function calling）、结构化输出（Structured Outputs）、流式输出（streaming）和系统消息（system messages），同时可接收图像输入并实现视觉能力。

由于 GPT-4.5 在情感理解与创造力方面表现突出，适合写作辅助、沟通交流、学习陪伴、教练指导和头脑风暴等场景。此外，它在多步编程和复杂自动化任务方面也展现出色的执行力。

“GPT-4.5 体量庞大、计算成本高，不一定能直接替代 GPT-4o。OpenAI 将根据开发者反馈决定是否在 API 中长期提供 GPT-4.5。”

总结¶

“每跨越一个数量级的算力，就会解锁新的能力。”

GPT-4.5 代表了无监督学习前沿的最新进展。OpenAI 仍在探索其潜在的各种应用与新能力，也希望社区能够激发更多创意，让 GPT-4.5 在真实场景中展现更丰富的可能性。

附录¶

以下为 GPT-4.5 在标准学术基准上的表现。这些测试通常用来评估模型的推理能力。虽然 GPT-4.5 并不具备显式的推理机制，但仅通过大规模无监督学习，仍在一些任务上相较于 GPT-4o 有了可见的提升。与此同时，OpenAI 也清楚，真实世界的应用远比标准测试更能检验模型的综合实力。

模型评测结果（数值越高越好）：

* 上述结果基于内部最优测评。SWE-Lancer Diamond 中的数字代表完成任务的比例与对应竞赛奖励金额；SWE-Bench Verified 则衡量代码在正确性验证环节的得分。

OpenAI 期待与社区共同挖掘 GPT-4.5 的更多潜能，同时也在为下一代模型的到来做准备。感谢大家一直以来的支持与关注！

关于LLMQuant¶

LLMQuant是由一群来自世界顶尖高校和量化金融从业人员组成的前沿社区，致力于探索人工智能（AI）与量化（Quant）领域的无限可能。我们的团队成员来自剑桥大学、牛津大学、哈佛大学、苏黎世联邦理工学院、北京大学、中科大等世界知名高校，外部顾问来自Microsoft、HSBC、Citadel、Man Group、Citi、Jump Trading、国内顶尖私募等一流企业。