共计 1756 个字符，预计需要花费 5 分钟才能阅读完成。

GPT- 5 发布会：AI 编程的新纪元与挑战

在最近的 OpenAI 发布会上，展示了 GPT- 5 在编程方面的能力。与会者对此反应热烈，有人直言现在大家都在进行“vibe coding”，换句话说，就是“编程抽卡”。同样的指令每次执行出来的结果都可能各不相同，因此，最有效的方式就是同时启动多个 AI，毕竟你只需进行复制粘贴操作而已。

我认为 GPT- 5 只是众多“vibe coding”选项中的一个，并不是说它的表现不理想，而是如今市场上类似水平的 AI 已经有好几个，彼此之间的差距并不明显。因此，最聪明的做法就是将同一个指令投放给所有的 AI。

根据官方资料，GPT- 5 在三个主要领域有所提升：写作、编程和健康。

写作的评价往往带有主观色彩，有些人对优美的文章并不感冒，他们更青睐直接明了的表达；而在健康方面，考虑到 AI 模型不能提供医疗建议，我也不便多做评论。

相对而言，编程的评价更为客观。

Claude 最近发布的 Claude-4.1-Opus 在编程评分上与 GPT- 5 非常接近。

然而，在各类 AI 编码工具的表现上，Claude 的优势明显。如果 Claude 能够降低定价，GPT- 5 的吸引力就会大打折扣。

我自己进行了测试，发现 Claude 在完成马赛克编程任务时表现远胜于 GPT-5。

从设计理念来看，GPT- 5 似乎更注重布局、图标及界面的美观，而在功能性方面却显得不足，尤其与 Claude 相比，后者不仅提供了三个独立可移动的界面，还在主界面上增加了许多实用功能，例如放大缩小、区域选择、复制粘贴等。

从这些方面来看，GPT- 5 在实际编程应用上，尤其是在 AI 代理整合方面的表现令人担忧。

是不是觉得眼前一亮？刚推出的 GPT- 5 似乎并没有想象中那么强大，与 Claude 的竞争也是势均力敌。这背后其实反映了一个严峻的事实：AI 技术的发展速度，已经远远超出了普通用户“CTRL+C/V”的学习速度。

如果我们仅仅停留在“编程抽卡”的层面，今天追逐 GPT，明天又转向 Claude，后天或许又会出现新模型，这样的被动追赶不仅效率低下，更难以建立自身的技术壁垒。当大多数人还在争论哪个模型“更好用”时，真正的高手早已在研究如何使“模型为我所用”。

当各大公司以 70W+ 年薪 争抢 AI 开发人才时，市场信号已经非常明确：仅仅会“编程抽卡”的时代即将过去，能够深入掌握 AI 底层技术的开发者，才是高薪职位的追求目标。

想要成为后者吗？那就来参加这门【AI 大模型技术原理 + 应用开发 + 模型训练】公开课，它将帮助你掌握核心原理、主流开发框架及模型微调技术，助你构建完备的知识体系。

许多看似复杂的概念，实际上可以通过系统化的课程轻松掌握其核心内容。一旦突破这层障碍，你会发现大模型的应用并没有比普通的开发困难太多。

当然，课程中还有很多亮点，其中之一就是新增的“AI 人格”。默认的 GPT 性格是标准风格：清晰、中立、适应性强。

此外，OpenAI 还增加了四种可选的人格：

• Cynic (愤世嫉俗者)：风格讽刺、冷幽默，常用犀利的言辞开玩笑，但最终会给出直接且实用的回答。
• Robot (机器人)：风格精确、高效且无情感，回答直接，毫不拖泥带水。
• Listener (倾听者)：风格温暖、随和，能够平静清晰地复述你的想法，并带有一丝轻松的幽默感。
• Nerd (书呆子 / 极客)：风格有趣且充满好奇心，喜欢清晰地解释概念，并对知识与发现充满热情。

这种创新特性或许会催生出一门新兴学科，“大模型心理学”。

此外，GPT- 5 还引入了全新的“统一系统”（Unified System）架构，其核心是一个 AI 驱动的“实时路由器”（Real-time Router）。

简单来说，它的功能是“将合适的任务分配给合适的大模型”。

它能够即时解析用户指令，并智能地将任务分配给最合适的内部模型——简单任务由高效模型迅速响应，而复杂问题则由强大模型进行深入分析。

最终目标是最大化算力的利用，同时持续优化任务分配逻辑，以实现模型与用户之间更高的默契度。

实际上，这一过程要复杂得多，GPT- 5 提到的是在完成大部分工作后，剩余的边角任务可以分配给如 nano 或 mini 等小型模型。

总的来说，GPT- 5 的性能仍然处于第一梯队，但是否能称之为绝对的第一则另当别论。不过，目前在价格方面它确实具备一定优势，更多的性能表现还需通过实际测试来验证。

来源：原文链接