OpenAI 发布 GPT-5 预览版，上下文窗口翻至 200 万 token

OpenAI 正式发布 GPT-5 预览版，这是继 GPT-4o 之后的又一次重大升级。新模型在推理、数学、代码生成与多模态理解方面均有显著提升，上下文窗口扩大至 200 万 token，可一次性处理更长的文档与视频序列。据官方介绍，GPT-5 在复杂逻辑推理任务上相比 GPT-4o 提升约 40%，数学问题解决能力达到新高度，在高等数学和物理题上表现出色，同时支持多步推理链，能够自主规划解题路径。

从单模态到全模态：视频理解成亮点

GPT-5 的另一大变化是多模态能力的全面升级。模型原生支持文本、图像、音频与视频输入，可在同一对话中自由切换输入输出形式。尤其值得关注的是视频理解能力的增强——它能够分析长达 1 小时的视频内容，这意味着用户可以直接上传长视频素材，由模型完成内容摘要、关键帧识别或语义解析。配合 200 万 token 的上下文窗口，长文档与视频序列的联合分析成为可能，以往需要拆分处理的任务现在可以一次性完成。

从聊天到干活：工具调用与 Agent 编排

GPT-5 在工具调用方面也做了明显强化。它支持更稳定的 Function Calling，内置 Agent 编排能力，适合构建复杂工作流，并且支持多工具并行调用与结果整合。简单说，模型不仅能回答问题，还能自主调用外部工具、串联多个步骤、整合不同来源的结果，更像一个能“干活”的智能体而非单纯的聊天机器人。对于开发者而言，这意味着可以基于 GPT-5 构建更可靠的自动化流程，比如跨文件代码重构、多步骤数据处理或混合模态的客户服务系统。

在安全性与对齐方面，OpenAI 也引入了新的对齐训练方法，目标是降低有害输出与幻觉概率，并提供更透明的模型行为解释。这延续了 OpenAI 在大模型安全上的一贯做法，但官方并未给出具体的量化效果。

适用场景与应用落地

围绕 GPT-5 的能力，官方列出了几个典型的适用场景：长文档分析可支持百万级 token 上下文，代码助手可实现跨文件推理与自动重构，多模态客服能处理图文混合输入并输出结构化回复，科研辅助则可用于文献综述与假设生成。这些场景分别对应了模型在长上下文、代码、多模态和推理方面的核心优势。

据 OpenAI 表示，GPT-5 将逐步向 ChatGPT Plus、Team 与 Enterprise 用户开放，开发者可通过 API 访问预览版本。预计正式版将在 2026 年底全面上线。这意味着目前拿到的是预览版，实际体验可能还会根据反馈调整，但核心能力方向已经明确：更强的推理、更长的上下文、更全面的多模态，以及更可靠的工具调用能力。

GPT-5 的发布距离 GPT-4o 的亮相并不算久，但升级幅度相当大。从 200 万 token 的上下文窗口到 1 小时视频理解，模型的能力边界再次被拓宽。对普通用户来说，ChatGPT 的上限将明显提高；对企业用户和开发者来说，GPT-5 所展示的 Agent 编排和多工具并行能力，可能比单纯的模型参数更值得关注——它意味着 AI 从“回答问题”向“完成任务”的转变正在加速。