OpenAI发布GPT-5多模态增强版：支持实时视频理解与3D空间感知

多模态能力重大突破

2026年7月16日，OpenAI正式发布GPT-5多模态增强版。这一版本在原有文本和图像理解基础上，新增了实时视频理解与3D空间感知两大核心能力。用户可在视频通话中实时让AI识别物体、解读手势，甚至生成对应的3D模型。

数学推理接近人类顶尖

在数学推理方面，GPT-5多模态增强版在AIME 2026数学竞赛中取得了92%的得分率，仅比人类顶尖选手低数个百分点。OpenAI表示这一进步得益于对思维链推理能力的深度优化，模型现在能更好地进行多步骤逻辑推导。

优先向教育科研开放

OpenAI CEO在发布会上表示，GPT-5多模态增强版的API将优先向教育和科研领域开放，以支持教学辅助和科学研究中的复杂场景理解。商业应用许可将在后续逐步放开。