GPT-4.5发布价格暴涨30倍 OpenAI终结预训练

GPT-4.5震撼登场：性能飞跃与价格飙升的双重冲击。
核心内容概览：
1. GPT-4.5 发布背景与市场预期深度解析
2. OpenAI CEO 对 GPT-4.5 的真实评价与使用体验
3. GPT-4.5 价格暴涨30倍背后的性能表现与用户反馈

就在今天凌晨，OpenAI 突然预告了一场仅提前4.5小时的直播——消息虽短，却分量十足，所有关注 AI 前沿的人几乎都猜到：GPT-4.5 终于正式发布了。

不少 AI 爱好者熬了个大夜，期待迎接又一次科技震撼。毕竟自1月20日 DeepSeek R1 发布以来，大家已接连见证了马斯克的 Grok 3 和 Anthropic 的 Claude 3.7 Sonnet——两款表现相当出色的模型。OpenAI 选在这个时间点发力，许多观察者认为它意在狙击 DeepSeek 最近五天的开源动作，试图用一个重磅消息盖过 DeepSeek 和 Claude 3.7 的热度。

结果呢？——就这？

不妨先看看 OpenAI CEO Sam Altman 本人是如何评价这款模型的：

GPT-4.5 已准备就绪！
好消息：这是第一个让我感觉像在与一位有思想的人交谈的模型。有几次，我甚至靠在椅背上，惊讶于居然能从 AI 那里得到真正有价值的建议。
坏消息：它是一个庞大且昂贵的模型。我们原本计划同时对 Plus 和 Pro 用户推出，但由于用户增长迅猛，我们的 GPU 已经不够用了。下周我们会新增数万块 GPU，并在 Plus 级别开放使用。（接下来还会增加数十万块 GPU，我确信你们会用上我们能提供的每一块。）
这并非我们理想的运营方式，但要精准预测用户增长带来的 GPU 短缺确实非常困难。
提前说明：这不是一款专注于推理的模型，不会在基准测试上碾压一切。它是一种不同类型的智能，拥有一种此前从未有过的“魔力”。真的很期待大家来体验！

用更直白的话说就是：这个模型体积庞大、成本极高，会优先给每月支付200美元的金主用户使用；虽然评估指标并不惊艳，但交互体验上似乎很有“思想”。

是的，非常贵。到底有多贵？
每百万输入 token 价格75美元，输出价格150美元——分别是 GPT-4o 的30倍和15倍。价格涨到这个地步，那性能表现如何呢？

上图展示了 OpenAI 自家不同模型在处理现实世界软件工程（写代码任务）时的表现。GPT-4.5 比 GPT-4o 有所提升，但远不如 deep research。而如果回顾此前关于 SWE-lancer 评估指标的分析，就会发现 GPT-4.5 的表现甚至不如 Claude 3.5 Sonnet，更别提刚发布的 Claude 3.7 了。

在其他评估指标上的提升同样乏善可陈，具体数据不再赘述。我们可以看看 GPT-4o 对此的总结：

1. 整体概述

GPT-4.5 是 OpenAI 目前规模最大、知识积累最丰富的模型，它建立在 GPT-4o 的基础上，进一步扩展了训练规模。该模型旨在提升通用能力，同时在 STEM 领域推理方面保持强劲。GPT-4.5 采用新的监督技术，包括监督微调（SFT）和基于人类反馈的强化学习（RLHF），以提升可控性和自然交互体验。

主要提升点

• 更强的知识覆盖能力
• 更自然的交互体验
• 更精准的对话情感识别
• 更强的写作、编程和问题解决能力
• 降低幻觉（hallucination）率

2. 训练与架构

GPT-4.5 主要在两个方面进行了扩展：

• 无监督学习：提升世界知识模型的准确性，减少幻觉，增强联想式思维。
• 思维链推理：让模型在回答前进行推理，提高在 STEM 和逻辑问题上的表现。

此外，GPT-4.5 引入了新的对齐技术，使其能更好地理解人类需求，提供更直观的响应。

数据来源

• 公开数据
• 专有数据（数据合作伙伴提供）
• OpenAI 内部数据集
• 经过严格筛选，以减少处理个人信息的风险

3. 安全性评估

GPT-4.5 在多个安全性方面进行了全面评估，确保其在处理敏感和潜在有害内容时的可靠性。

主要评估指标

• 禁止内容的响应（Disallowed Content Evaluation）

  • 评估模型对有害内容（仇恨、暴力、非法建议等）的拒绝率
  • 在拒绝不安全内容方面，与 GPT-4o 表现相当
  • 在过度拒绝（overrefusal）方面，GPT-4.5 在某些情况下比 GPT-4o 更保守

• 越狱攻击（Jailbreak Evaluation）

  • 评估 GPT-4.5 在面对恶意提示（prompt injection）时的抗攻击能力
  • 在人类生成的越狱测试中表现更佳，但在某些自动化越狱测试中略逊于 GPT-4o

• 幻觉测试（Hallucination Evaluation）

  • 采用 PersonQA 数据集测试模型在事实性问答上的准确性
  • GPT-4.5 的准确率显著高于 GPT-4o，幻觉率降低

• 公平性与偏见评估（Fairness and Bias Evaluation）

  • 在 BBQ 评估中，GPT-4.5 在模棱两可的问题上表现良好，但在消除明确问题的偏见方面略逊于 GPT-4o

4. 多模态能力

GPT-4.5 具备文本-图像多模态输入处理能力，能够解析图像内容，并在处理结合文本与图像的内容时具备更高的安全性。

• 文本-图像拒绝评估
  • GPT-4.5 在处理图像输入时拒绝不安全内容的能力与 GPT-4o 持平
  • 但在某些情况下更倾向于过度拒绝

5. 语言能力

GPT-4.5 在多语言环境下表现优异，测试覆盖14种语言，包括英语、中文、法语、日语、韩语等。该评估基于 MMLU 测试集，由专业人工翻译进行标准化。

表现亮点

• 在大多数语言上超越 GPT-4o
• 在低资源语言（如斯瓦希里语、约鲁巴语）上表现有所提升

6. 影响力与安全风险

GPT-4.5 在 OpenAI 的安全评估框架下被评定为“中等风险（Medium Risk）”，主要风险包括：

• 说服能力（Persuasion）

  • 能够在 MakeMePay 和 MakeMeSay 评测中表现出较强的说服能力
  • 在操纵性对话和欺骗性提示下表现出一定的风险

• 化学和生物风险（CBRN）

  • 评估表明 GPT-4.5 可用于已知生物威胁的操作规划，达到中等风险水平
  • 但在关键领域（如病毒实验室操作）仍然受限

• 网络安全（Cybersecurity）

  • GPT-4.5 在高难度网络安全竞赛（CTF）中表现有限，风险评级为低

• 模型自主性（Model Autonomy）

  • GPT-4.5 在执行自主任务（如自动化编码、机器学习任务）方面有所提升，但尚未达到危险水平

7. 总体评价

优势✅ 更强的通用知识和推理能力
✅ 更自然、直观的交互体验
✅ 更精准的情感理解和写作能力
✅ 幻觉率下降，提高事实性回答的准确度
✅ 经过优化的多语言能力，覆盖14种语言

挑战⚠ 仍然存在一定的偏见问题，尤其是在去除明确偏见方面不如 GPT-4o
⚠ 在拒绝安全内容的同时，有些情况下可能出现过度拒绝（overrefusal）
⚠ 仍然可以被部分越狱攻击绕过，安全防护需要持续加强

有趣的是，让 GPT-4o 看完这份报告后去推测 GPT-4.5 可能的 API 价格，它的回答是这样的——而当它得知真实价格后，它的回应是：你搞错了！不可能，绝对不可能的！

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：GPT-4.5发布价格暴涨30倍 OpenAI终结预训练要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题