OpenAI 发布 GPT-5 多模态大模型，首次整合实时视觉推理能力

GPT-5 正式亮相

2026年6月19日，OpenAI 在旧金山总部举办特别发布活动，正式发布了备受期待的 GPT-5 大模型。这是全球首个实现文本、图像、音频和实时视频四模态端到端训练的基础模型，CEO Sam Altman 将其称为"向通用人工智能迈出的最坚实一步"。GPT-5 在 MMLU-Pro 基准上取得 93.7% 的准确率，较 GPT-4 提升约 11 个百分点。

核心能力突破

GPT-5 最引人注目的创新在于实时视觉推理能力。用户可以通过手机摄像头或屏幕共享，让模型实时理解视觉场景并做出推理——例如对着一张电路板照片，模型可以直接指出短路位置并给出维修建议。该模型还引入了"任务链"功能，可自主规划并执行跨应用的多步骤复杂任务，如从邮件中提取数据、填入表格、生成分析报告并发送给指定人员。

定价与开放策略

GPT-5 将首先面向 ChatGPT Pro 和 Enterprise 用户推出，个人版月费为 40 美元，API 价格约为 GPT-4o 的 1.5 倍。OpenAI 同时宣布向学术界免费开放 GPT-5 的轻量版本 GPT-5 Mini 用于研究用途。首批开放区域包括北美和欧洲，亚太地区预计在 7 月中旬上线。