GPT-4.5 发布！OpenAI 史上最大最贵也可能是最慢那个，全网都在骂大街啦

今天，GPT-4.5 作为“研究预览”发布，OpenAI Pro 订阅用户（$200/月）以及拥有 API Key 的开发者可以使用。此外，OpenAI 还发布了 GPT-4.5 的系统卡片（system card），但目前还没有完整的发布版本。

虽然 OpenAI 官方称 GPT-4.5 为“迄今知识最丰富的模型”，但同时警告它并非前沿模型，其性能可能不及 o1 或 o3-mini。

GPT-4.5 是一个“庞大且昂贵的模型”，GPU 不够使了。

最新、最大，但不前沿

OpenAI 方面表示，GPT-4.5 在写作能力、世界知识以及个性化优化方面均有所增强。并且，用户与 GPT-4.5 互动的体验将更加自然，该模型在识别模式、建立关联方面表现更出色，使其在写作、编程和解决实际问题等任务上更加得心应手。

“GPT-4.5 不是前沿模型，但它是 OpenAI 迄今最大规模的 LLM，在计算效率方面相比 GPT-4 提升了 10 倍以上。”OpenAI 在一份事先泄露的公告文件中写道。“与先前的推理版本相比，它未引入 7 项全新的前沿能力，并且在大多数准备评估中，其表现低于 o1、o3-mini 及深度研究模型。”后来，OpenAI 在更新后的官方文档中删掉了这些内容。

OpenAI 透露，GPT-4.5 采用了新的监督技术，并结合了传统方法，如监督微调（SFT）和人类反馈强化学习（RLHF），这些方法与 GPT-4o 的训练方式类似。尽管 GPT-4.5 仍然存在一定局限，但 OpenAI 表示，相比 GPT-4o，其幻觉现象已显著减少，甚至略低于 o1 模型。

从目前的情况来看，GPT-4.5 的大部分核心特性与 GPT-4o 相同：

• 具备 128,000 的上下文窗口

• 支持相同类型的输入（文本和图片）

• 训练数据的截止日期仍然是 2023 年 10 月

目前这款大模型的 API 调用价格非常贵：输入 100 万个 token 需要 75 美元，输出 100 万个 token 需要 150 美元！相比之下，o1 的价格是 15 美元/60 美元，而 GPT-4o 仅为 2.50 美元/10 美元。

GPT-4.5 将率先向 Pro 用户开放，并计划于下周推广至 Plus 和 Team 级别用户，随后逐步向企业和教育用户开放。此外，该模型现已登陆微软 Azure AI Foundry 平台，与 Stability、Cohere 及微软的其他新模型共同提供服务。

GPT-4.5 有哪些提升？

根据 OpenAI 的博客，GPT-4.5 结合了更深层次的世界理解能力和增强的协作能力，使其能更自然地整合思想，在更具温度和直觉性的对话中，更好地适应人类的协作需求。此外，它在理解人类意图、解读微妙线索或隐含期望方面更加细腻，并具备更高的 “情商（EQ）”。在美学直觉和创造力方面也表现更优，特别是在写作和设计方面更为出色。

OpenAI 展示了一张 GPT-4.5 与 GPT-4o 之间的胜率对比图，显示在不同类别的查询中，GPT-4.5 的胜率在 56.8% ~ 63.2% 之间：

• 日常查询（Everyday queries）：57.0%

• 专业查询（Professional queries）：63.2%

• 创造性智能（Creative intelligence）：56.8%

此外，GPT-4.5 在 SimpleQA（简单问答）任务上的幻觉率（hallucination rate）为 37.1%，相比 GPT-4o（61.8%）和 o3-mini（80.3%）有明显改善，但仍略逊于 o1（44%）。在编程任务的基准测试中，其表现与 o3-mini 相当。

在 Aider 的多语言编程基准测试（polyglot coding benchmark） 中，根据网友 Paul Gauthier 的报告， GPT-4.5 的得分为 45%，低于 DeepSeek V3（48%）、Sonnet 3.7（无思考模式 60%，有思考模式 65%）、o3-mini（60.4%），但大幅领先 GPT-4o（23.1%）。

有趣的是，OpenAI 自己似乎对这款模型的前景并没有太大信心：

GPT-4.5 是一个非常庞大且计算资源密集的模型，因此比 GPT-4o 更昂贵，且并不能替代 GPT-4o。基于此，我们正在评估是否长期在 API 中提供它，以平衡当前能力支持与未来模型的构建。

有网友测试了它的绘图能力，要求它 “生成一张鹈鹕骑自行车的 SVG”，结果如下：

此外，API 访问速度相当慢。完整生成该 SVG 响应 花了 112 秒，动画展示了 Token 返回的缓慢过程。

OpenAI 的 研究科学家 Rapha Gontijo Lopes 称其为“（可能是）全球最大的模型”——显然，大模型的问题就是比小模型慢得多！

我们（可能）训练了全球最大规模的模型！我们相信大模型自有其独特的“气息”，迫不及待想让大家来感受一下。

Andrej Karpathy 的观点：没有明显提升

Andrej Karpathy 也发布了一些关于 GPT-4.5 的观察。他指出，自 GPT-4 发布以来，他一直期待着这一版本的推出，因为它可以作为一个定性衡量标准，展示大预训练计算量（即训练更大的模型）所能带来的改进幅度。

在 OpenAI 的版本体系中，每提升 0.5 代表 10 倍的预训练计算量。回顾过去的发展历程：

• GPT-1 几乎无法生成连贯的文本；

• GPT-2 仍显得有些混乱，像个玩具；

• GPT-2.5 被直接跳过，进入 GPT-3，这才变得更有趣；

• GPT-3.5 跨越了一个关键门槛，足以作为产品发布，并引发了 OpenAI 的 “ChatGPT 时刻”；

• GPT-4 的提升同样显而易见，但整体感觉更微妙。

GPT-4 像是一场“水涨船高”的提升，所有方面都提升了大约 20%。但 GPT-4.5 提升幅度并不算显著，尽管训练计算量是 GPT-4 的 10 倍，Andrej Karpathy 指出：

[...] 现在测试 GPT-4.5，我的感觉和两年前一模一样——它确实有所提升，也很棒，但又很难具体指出到底哪里有突破性提升。

 

需要注意的是，GPT-4.5 仅经过了预训练、监督微调（Supervised Finetuning）和 RLHF（人类反馈强化学习），但 并未进行深度推理训练。因此，它在数学、代码等依赖推理能力 的领域并没有显著提升。

 

可以推测，OpenAI 接下来可能会在 GPT-4.5 之上进行强化学习训练，以提升其推理能力，从而进一步扩展其在数学、编程等领域的表现。

这与一些网友的看法一致。Eli Lifland 认为，如果他对 GPT-4.5 的初步评估成立，那么他需要拉长对 AI 发展的预期时间线。相比 4o，GPT-4.5 并没有显著提升，尤其是在编程方面，甚至不如 Sonnet。然而，它的成本却比 4o 高出 15 倍，比 Sonnet 3.7 高出 10 到 25 倍，这让他感到困惑。

Gary Marcus 表达则更为直接，他认为 GPT-4.5 基本上没有实质性突破，而 GPT-5 仍然只是一个幻想。

扩大数据和计算量并不是一条物理法则，过去的推测基本都是真实的。相反，这几年关于 GPT-5 的各种夸大其词，并没有真正实现。有人可能会把问题归咎于用户，但事实是，结果并未达到他们的期望。