使用 GPT-5

GPT-5 是我们迄今为止最智能的模型，特别擅长以下方面：

• 代码生成、错误修复和重构
• 指令跟随
• 长上下文和工具调用

本指南介绍了 GPT-5 模型系列的核心功能，以及如何充分利用 GPT-5。

探索代码示例

点击查看由单个 GPT-5 提示生成的几个演示应用程序，无需手动编写任何代码。

快速入门

更快的响应

默认情况下，GPT-5 在响应提示前会生成中等长度的思考链。若需要更快、低延迟的响应，请使用低推理强度和低文本冗长度。

此行为将更接近（但不完全相同）非推理模型，如 GPT-4.1。我们期望 GPT-5 比 GPT-4.1 产生更智能的响应，但在速度和最大上下文长度至关重要时，您可以考虑使用 GPT-4.1。

快速、低延迟响应选项示例：

curl https://api.openai.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-5",
    "input": "写一首关于代码的俳句。",
    "reasoning": { "effort": "low" },
    "text": { "verbosity": "low" }
  }'

编码和代理任务

GPT-5 擅长推理复杂任务。对于编码和多步骤规划等复杂任务，请使用高推理强度。

缓慢、高推理任务示例：

curl https://api.openai.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-5",
    "input": "找出空指针异常：...您的代码...",
    "reasoning": { "effort": "high" }
  }'

了解模型

GPT-5 系列有三个模型。一般来说，gpt-5 最适合需要广泛世界知识的复杂任务。较小的 mini 和 nano 模型在成本和延迟上进行了权衡，牺牲了一些通用世界知识。较小的模型在定义明确的任务上表现更佳。

模型名称参考

GPT-5 系统卡 使用的名称与 API 不同。使用此表进行映射：

GPT-5 中的新 API 功能

与 GPT-5 一起，我们引入了一些新参数和 API 功能，旨在为开发者提供更多控制和灵活性：控制冗长度、最小推理强度选项、自定义工具和允许工具列表。

最小推理强度

reasoning.effort 参数控制模型在生成响应前产生多少推理令牌。之前的推理模型（如 o3）仅支持 low、medium 和 high：low 偏向速度和更少令牌，而 high 偏向更彻底的推理。

新的 minimal 设置为需要最快首令牌时间的情况生成非常少的推理令牌。我们通常发现，当模型可以在需要时生成少量令牌时，效果更好。默认值为 medium。

minimal 设置在编码和指令跟随场景中表现尤为出色，严格遵循给定的指令。不过，可能需要提示以更主动地行动。为了提高模型的推理质量，即使在最小强度下，也鼓励它“思考”或概述其步骤。

冗长度

冗长度决定生成多少输出令牌。减少令牌数量可降低整体延迟。虽然模型的推理方法基本保持不变，但模型会找到更简洁的回答方式——这可能会提高或降低答案质量，具体取决于您的用例。

• 高冗长度：需要模型提供文档的详细解释或进行大量代码重构时使用。
• 低冗长度：适用于需要简洁答案或简单代码生成（如 SQL 查询）的情况。

GPT-5 之前的模型默认使用 medium 冗长度。GPT-5 将此选项配置为 high、medium 或 low。

自定义工具

通过 GPT-5，我们引入了一项名为自定义工具的新功能，允许模型发送任何原始文本作为工具调用输入，但仍可在需要时限制输出。

自由格式输入

定义工具时使用 type: custom，可让模型直接将纯文本输入发送到您的工具，而不限于结构化 JSON。模型可以将任何原始文本（代码、SQL 查询、shell 命令、配置文件或长篇散文）直接发送到您的工具。

{
    "type": "custom",
    "name": "code_exec",
    "description": "执行任意 Python 代码"
}

限制输出

GPT-5 支持自定义工具的上下文无关文法（CFG），允许您提供 Lark 文法以限制输出为特定语法或 DSL。附加 CFG（如 SQL 或 DSL 文法）可确保助手的文本与您的文法匹配。

允许工具

allowed_tools 参数在 tool_choice 下允许您传递 N 个工具定义，但限制模型仅使用 M（< N）个工具。在 tools 中列出完整工具包，然后使用 allowed_tools 块命名子集并指定模式——auto（模型可选择其中任何一个）或 required（模型必须调用一个）。

"tool_choice": {
    "type": "allowed_tools",
    "mode": "auto",
    "tools": [
      { "type": "function", "name": "get_weather" },
      { "type": "function", "name": "search_docs" }
    ]
  }

前言

前言是 GPT-5 在调用任何工具或函数前生成的简短、用户可见的解释，概述其意图或计划（例如，“我为什么调用此工具”）。它们出现在思考链之后，实际工具调用之前，提供对模型推理的透明度，增强可调试性、用户信心和细粒度可操控性。

迁移指南

GPT-5 是我们迄今为止最好的模型，与 Responses API 配合使用效果最佳，该 API 支持在多轮对话中传递思考链。阅读以下内容以从当前模型或 API 迁移。

从其他模型迁移到 GPT-5

我们发现智能性提升，因为 Responses API 可以将上一轮的思考链传递给模型。这会减少生成的推理令牌、提高缓存命中率并降低延迟。了解更多信息，请参阅关于 Responses 的深入指南。

提示指南

我们特别设计 GPT-5 以擅长编码、前端工程和工具调用以执行代理任务。我们还建议使用 提示优化器 迭代 GPT-5 的提示。

进一步阅读

• GPT-5 提示指南
• GPT-5 前端指南
• GPT-5 新功能指南
• 关于推理模型的 Cookbook
• Responses API 与 Chat Completions 的比较

常见问题

1. 这些模型如何集成到 ChatGPT 中？ 在 ChatGPT 中，有两个模型：gpt-5-chat 和 gpt-5-thinking。它们提供推理和最小推理功能，并有一个路由层根据用户的问题选择最佳模型。用户也可以通过 ChatGPT UI 直接调用推理。

2. 这些模型是否会在 Codex 中得到支持？ 是的，gpt-5 将在 Codex 和 Codex CLI 中提供。

3. GPT-5 与 GPT-5-Codex 有何不同？ GPT-5-Codex 是专门为 Codex 设计的。与通用模型 GPT-5 不同，我们建议仅在 Codex 或类似 Codex 的环境中使用 GPT-5-Codex 进行代理编码任务，而 GPT-5 适用于其他领域的用例。GPT-5-Codex 仅在 Responses API 中提供，支持低、中、高 reasoning_efforts、函数调用、结构化输出和 web_search 工具。

4. 之前模型的弃用计划是什么？ 任何模型弃用将在我们的 弃用页面 上公布。我们将提前通知任何模型弃用。