在科技界的翘首以盼中，OpenAI终于揭开了其最新力作ChatGPT-5的神秘面纱，这一盛况与谷歌举办的大模型国际象棋对抗赛不谋而合，为科技爱好者们献上了一场双重盛宴。然而，就在ChatGPT-5发布的同时，网络上迅速涌现出对其能力的细致审视，一些细微瑕疵未能逃过网友的火眼金睛。
作为OpenAI年度最受期待的产品，ChatGPT-5无疑承载着巨大的期望。在多项测评数据中，它展现出了显著的进步，特别是在推理能力方面。例如，在数学能力测试AIME 2025上，GPT-5 Pro在启用推理模式并借助Python工具的情况下，成功斩获满分，即便在不调用工具的情况下，其表现也远超同类产品。编程测试SWE-bench Verified上，GPT-5同样以高分领跑，进一步巩固了其在技术领域的领先地位。在博士水平的科学知识测试GPQA Diamond中，GPT-5 Pro刷新了记录，多模态测试及高难度的Humanity's Last Exam上，GPT-5也均有不俗表现。大模型竞技场LM Arena的评分中，GPT-5更是横扫所有单项榜首，这些数据无疑证明了其作为一次大版本升级的成功。
然而，光鲜背后总有阴影。发布会后不久，网友便发现GPT-5在解决一道看似简单的数学方程时出现了计算错误，这一瑕疵迅速在网络上发酵，引发了关于AI能力边界的讨论。更有趣的是，OpenAI发布会PPT中的一张图表也因柱状图高度错误而引发了热议，尽管尚不清楚这是人为失误还是AI生成的结果。
与此同时，在大模型国际象棋对抗赛的舞台上，OpenAI旗下的o3以4-0的绝对优势击败Grok 4，夺得冠军。这场对抗赛不仅是一场技术的较量，更是对AI推理能力的一次深度检验。随着对局长度的增加，Grok 4的棋力明显下降，而o3尽管表现相对稳健，但也并非无懈可击，整个比赛过程中同样出现了低级失误。这不禁让人思考，AI在下棋这类特定任务中的表现，究竟能证明什么？
事实上，这场国际象棋比赛的意义远不止于胜负本身。它更像是一次对AI推理能力的实战演练。在没有接受过专门棋谱训练的情况下，AI们需要依靠自身的推理能力和语言逻辑来推演棋盘变化。这种与人类相同的推理方式，正是AI在泛化性上取得突破的关键。遗憾的是，无论是o3、Grok 4还是GPT-5，在展现出强大解决问题能力的同时，也暴露出对人类而言的低级错误。这反映出当前Next Token Predicting范式下的AI仍面临诸多挑战，距离真正的通用人工智能（AGI）还有相当长的路要走。
值得注意的是，OpenAI在本次发布会上更多地聚焦于GPT-5在垂直场景应用的能力，如生成小游戏、回答健康问题等，旨在探索AI与人类共存与协作的新模式。这一转变或许意味着OpenAI正逐步调整外界对其产品的过高期望，转而寻求更加实用和接地气的应用场景。
