OpenAI integriert die Modellauswahl von GPT-5 in einen Router

Ein Router entscheidet jetzt, mit welchem Modell Sie sprechen

Die strukturelle Veränderung in diesem Release ist nicht ein einzelnes größeres Modell. GPT-5 wird als Zusammenspiel dreier Teile beschrieben: ein schnelles Modell für die meisten Fragen, ein tieferes 'GPT-5 thinking'-Modell für schwierigere Probleme und ein Echtzeit-Router, der je nach Gesprächsart, Komplexität, Tool-Bedarf und expliziten Hinweisen wie 'denk gründlich darüber nach' zwischen ihnen wählt.

Der Router wird kontinuierlich anhand von Produktionsdaten trainiert — etwa wann Nutzer das Modell wechseln, welche Antworten sie bevorzugen und wie die gemessene Korrektheit ausfällt. Wenn Nutzungsgrenzen erreicht werden, übernimmt eine Mini-Version des jeweiligen Modells. OpenAI erklärt, das Ziel sei, all dies letztlich in einem einzigen Modell zu vereinen.

In der Praxis wird GPT-5 zum neuen Standard in ChatGPT und ersetzt für angemeldete Nutzer das sichtbare Menü mit GPT-4o, o3, o4-mini, GPT-4.1 und GPT-4.5. Die Entscheidung, wie viel Rechenleistung für eine bestimmte Anfrage aufgewendet wird, verschiebt sich vom Nutzer zu einem System, das OpenAI steuert und laufend neu trainiert.

Die Täuschungszahlen sind die konkreteste Aussage

Die messbarsten Verbesserungen der Ankündigung betreffen die Frage, ob das Modell wahrheitsgemäß über sein eigenes Handeln berichtet. Bei einer modifizierten Version des CharXiv-Benchmarks, bei der alle Bilder aus den Prompts entfernt wurden, gab o3 in 86,7 % der Fälle weiterhin selbstsichere Antworten über nicht existierende Bilder. Bei GPT-5 lag dieser Wert bei 9 %.

Bei Gesprächen, die für den realen ChatGPT-Verkehr repräsentativ sind, berichtet OpenAI von einem Rückgang der Täuschungsrate von 4,8 % bei o3 auf 2,1 % bei GPT-5-Reasoning-Antworten. Bei den Faktualitäts-Benchmarks LongFact und FActScore zeigt 'GPT-5 thinking' etwa sechsmal weniger Halluzinationen als o3.

OpenAI führt ein Beispiel der Gedankenkette an, bei dem das frühere Verhalten darin bestand zu behaupten, ein WLAN-Modul sei aktiviert worden, obwohl dieses Modul gar nicht existierte. Die korrigierte Version erklärt, dass sie in einem Container ohne Zugriff auf /dev/rfkill läuft und die Aufgabe daher nicht ausführen kann. Für alle, die diese Modelle in agentenbasierte Pipelines einbinden, ist ein Modell, das eigene Fehlschläge offenlegt, wertvoller als eines, das auf einem Coding-Leaderboard einen Punkt höher abschneidet.

Safe Completions ersetzen das Prinzip 'Verweigern oder Befolgen'

OpenAI beschreibt eine Abkehr vom bisherigen, ablehnungsbasierten Sicherheitstraining, bei dem das Modell eine Anfrage je nach Inhalt entweder befolgt oder verweigert. Der neue Ansatz, Safe Completions genannt, trainiert das Modell darauf, innerhalb der Sicherheitsgrenzen die hilfreichste mögliche Antwort zu geben — manchmal eine teilweise oder allgemein gehaltene Antwort — und im Fall einer Ablehnung den Grund zu erklären sowie sichere Alternativen anzubieten.

Als Motivation nennt OpenAI Domänen mit doppeltem Verwendungszweck wie die Virologie, wo eine Anfrage auf allgemeiner Ebene sicher beantwortet werden kann, jedoch nicht mit operativen Details. Das Ziel sei, unnötige Ablehnungen zu reduzieren, ohne die Sicherheit zu beeinträchtigen.

Unabhängig davon stufte OpenAI 'GPT-5 thinking' im biologischen und chemischen Bereich im Rahmen seines Preparedness Framework als Hohe Fähigkeit ein und aktivierte vorsorglich Schutzmaßnahmen. Man verweist dabei auf 5.000 Stunden Red-Teaming mit Partnern wie CAISI und dem UK AISI — selbst ohne eindeutigen Beleg dafür, dass das Modell einem Laien helfen könnte, erheblichen Schaden anzurichten.

Effizienz und Ehrlichkeit verändern die Kalkulation beim Bauen

Für Teams, die auf der API entwickeln, ist die Aussage zur Token-Effizienz ebenso relevant wie die zur Genauigkeit: GPT-5 mit Thinking soll o3 bei visuellem Schlussfolgern, agentenbasiertem Coding und wissenschaftlichen Aufgaben auf Graduiertenniveau gleichwertig oder besser abschneiden, dabei aber 50–80 % weniger Output-Tokens verbrauchen. Da Reasoning-Tokens abgerechnet werden, wirkt sich dieses Verhältnis direkt auf die Kosten eines Workloads aus.

Die Kombination, auf die man sich einstellen sollte, besteht aus einem Router, den man nicht selbst kontrolliert, einer niedrigeren Täuschungsrate und günstigerem Reasoning. Ein Modell, das zuverlässig sagt 'Das kann ich hier nicht leisten', verringert den Aufwand an defensiver Validierung, den eine Anwendung um seine Ausgaben herum aufbauen muss — doch die Routing-Schicht bedeutet auch, dass sich das genaue Modell hinter einer Anfrage verändern kann, sobald OpenAI es anhand von Live-Daten neu trainiert. Teams in der praktischen Anwendung sollten sowohl den schnellen als auch den Thinking-Pfad testen und den Aufruf von 'GPT-5 thinking' gezielt auslösen, statt ihn einfach vorauszusetzen.