GPT-5实测：数学题出错，升级效果存疑

经过漫长的预热，OpenAI 的 GPT-5 今日终于正式登场，如约亮相。

上线后不久，GPT-5 便在 lmarena.ai 的竞技排行榜上刷新了分数，一举跃居榜首：

• 在文本、Web 开发与视觉竞技场中均稳居第一；
• 在硬提示、编程、数学、创造力、长查询等多个赛道同样拔得头筹。

不过，发布会上 GPT-5 生成的图表却闹了个乌龙：52.8 比 69.1 大？30.8 和 69.1 一样高？这样的图表着实让人看得一头雾水。

这真的是 Sam Altman 口中“OpenAI 有史以来最聪明的模型”吗？带着这个疑问，我们第一时间进行了实测。结果发现，除了编程能力还算不错，其他方面的表现多少有些令人失望。不少测试者感叹：还是把 GPT-4o 还给我们吧。

01. 一手实测

case 1 经典易错题

先来一道经典的“陷阱题”热热身：

提示词：9.9和9.11谁大

GPT-5 回答：9.11 比 9.9 大，理由是比较数字时先看整数部分（都是 9），再看小数部分，11 大于 9。它还补充道，如果指的是日期，那么 9 月 11 日比 9 月 9 日晚。这个经典的数学推理错误再次暴露了模型在基础逻辑上的短板。

case 2 编程

提示词：写一个 ja vascript 代码，显示一个小球在旋转的正六边形内弹跳。球应该受到重力和摩擦力的影响，它必须从旋转的墙壁上真实地弹起，用 ja vascript 和 html 实现它

从生成的结果看，整体效果尚可，能够看出小球受到了重力和摩擦力的作用。不过，弹跳的物理反馈感不算特别突出，仍有提升空间。

case 3 图像生成

提示词：将图片里的内容翻译成中文，需要通俗易懂引人入胜，不改变原意，不要凭空添加没有的内容。

我们对比了几款主流模型的翻译效果，大家可以看看哪个更合心意。

Gemini 2.5 Pro 的翻译：

豆包的翻译：

GPT‑5 的翻译：

对比来看，Gemini 2.5 Pro 的翻译最为通顺自然，语言颇具“人味儿”；豆包的翻译准确但略显平淡；GPT‑5 的翻译水平与豆包相近，但与 Gemini 2.5 Pro 相比，在流畅度和生动性上存在肉眼可见的差距。对于需要高质量文本输出的用户来说，这一点值得关注。

case 4 前端

提示词：生成一个

番茄钟

的网页应用，包含以下功能：- 目标：计时器 + 会话记录。- 功能：自定义时长、自动启动选项、会话图表（SVG）、声音警报（提示音）、暗黑模式。- 界面应该适合日常使用，并能给用户一些活力！

GPT‑5 生成的番茄钟页面，整体审美在线，计时、暂停等按钮功能完整。但页面上那个巨大的环形设计，其用意实在让人有些费解，可能影响了实际操作的直观性。

相比之下，Gemini 2.5 Pro 生成的页面功能同样完整，只是界面略显简陋，布局和色彩搭配不如 GPT‑5 美观。不过，功能易用、稳定可靠才是硬道理，在这方面 GPT‑5 仍有改进空间。

02. 一些分享

经过这一轮实测，GPT‑5 在“幻觉”问题上是否有所改善尚不确定，但其在部分基础任务上的表现，确实让人感觉“智商”似乎不增反降。文案生成能力不仅没有显著增强，甚至在某些方面还不及之前的 GPT‑4o，这对于期待迭代升级的用户来说无疑是一种落差。

编程能力算是中规中矩，当然，这可能与测试时使用的提示词复杂度有关。前端页面的审美感有所提升，但偶尔还是会冒出一些小 BUG，稳定性有待加强。

需要说明的是，以上测试均为“一次性”生成，没有经过多次反复尝试。但话说回来，用户在实际使用中，也不可能每次都恰好避开模型的“雷区”。因此，这一评测结果对日常使用具有一定参考价值。

总而言之，这次发布会带来的期待，似乎被实际体验冲淡了不少。GPT‑5 目前已正式上线官网，面向所有用户开放。免费版用户每 5 小时可发送 10 条消息，Plus 版用户每 3 小时可发送 80 条消息。感兴趣的朋友，不妨亲自去试试看，感受一下这款“最聪明模型”的真实表现。