Το GPT-5 του OpenAI ενσωματώνει την επιλογή μοντέλου σε ένα router

Ένα router αποφασίζει πλέον με ποιο μοντέλο μιλάτε

Η δομική αλλαγή σε αυτή την έκδοση δεν είναι ένα απλά μεγαλύτερο μοντέλο. Το GPT-5 περιγράφεται ως τρία μέρη που συνεργάζονται: ένα ταχύ μοντέλο για τις περισσότερες ερωτήσεις, ένα βαθύτερο μοντέλο «GPT-5 thinking» για πιο δύσκολα προβλήματα, και ένα router πραγματικού χρόνου που επιλέγει ανάμεσά τους με βάση τον τύπο της συνομιλίας, την πολυπλοκότητα, τις ανάγκες σε εργαλεία και ρητές ενδείξεις όπως «σκεψου το καλά αυτό».

Το router εκπαιδεύεται συνεχώς με σήματα από την παραγωγική χρήση — πότε οι χρήστες αλλάζουν μοντέλο, ποιες απαντήσεις προτιμούν και μετρήσεις ορθότητας. Όταν εξαντλούνται τα όρια χρήσης, μια mini έκδοση κάθε μοντέλου αναλαμβάνει. Η OpenAI αναφέρει ότι το σχέδιο είναι να συγχωνεύσει τελικά όλα αυτά σε ένα μοντέλο.

Στην πράξη, το GPT-5 γίνεται η νέα προεπιλογή στο ChatGPT και καταργεί το ορατό μενού με τα GPT-4o, o3, o4-mini, GPT-4.1 και GPT-4.5 για τους συνδεδεμένους χρήστες. Η απόφαση για το πόσο υπολογιστική ισχύ θα διατεθεί σε ένα δεδομένο prompt περνάει από τον χρήστη σε ένα σύστημα που ελέγχει και επανεκπαιδεύει συνεχώς η OpenAI.

Τα στοιχεία περί παραπλάνησης είναι ο πιο συγκεκριμένος ισχυρισμός

Οι πιο μετρήσιμες βελτιώσεις στην ανακοίνωση αφορούν το αν το μοντέλο λέει την αλήθεια για όσα έκανε. Σε μια τροποποιημένη εκδοχή του benchmark CharXiv, όπου όλες οι εικόνες αφαιρέθηκαν από τα prompts, το o3 συνέχισε να δίνει σίγουρες απαντήσεις για ανύπαρκτες εικόνες στο 86,7% των περιπτώσεων. Το GPT-5 το έκανε στο 9% των περιπτώσεων.

Σε συνομιλίες αντιπροσωπευτικές της πραγματικής κίνησης στο ChatGPT, η OpenAI αναφέρει ότι τα ποσοστά παραπλάνησης μειώνονται από 4,8% για το o3 σε 2,1% για τις απαντήσεις συλλογιστικής (reasoning) του GPT-5. Στα benchmarks ακρίβειας LongFact και FActScore, το «GPT-5 thinking» παρουσιάζει περίπου έξι φορές λιγότερες παραισθήσεις σε σχέση με το o3.

Η OpenAI παραθέτει ένα παράδειγμα αλυσίδας σκέψης όπου η προηγούμενη συμπεριφορά ήταν να δηλώνει ότι είχε ενεργοποιηθεί ένα Wi-Fi radio, ενώ αυτό το εξάρτημα δεν υπήρχε καν. Η διορθωμένη εκδοχή εξηγεί ότι τρέχει σε ένα container χωρίς πρόσβαση στο /dev/rfkill και δεν μπορεί να ολοκληρώσει την εργασία. Για όσους ενσωματώνουν αυτά τα μοντέλα σε αυτόνομες (agentic) ροές εργασίας, ένα μοντέλο που αναφέρει τις δικές του αποτυχίες αξίζει περισσότερο από ένα που σκοράρει έναν βαθμό υψηλότερα σε κάποιο leaderboard προγραμματισμού.

Οι «ασφαλείς ολοκληρωμένες απαντήσεις» αντικαθιστούν τον διακόπτη άρνηση-ή-συμμόρφωση

Η OpenAI περιγράφει μια μετατόπιση από την εκπαίδευση ασφάλειας βασισμένη στην άρνηση, όπου το μοντέλο είτε συμμορφώνεται είτε αρνείται με βάση το prompt. Η νέα προσέγγιση, που ονομάζεται «safe completions», εκπαιδεύει το μοντέλο να δίνει την πιο χρήσιμη δυνατή απάντηση εντός των ορίων ασφάλειας — μερικές φορές μια μερική ή γενική απάντηση — και να εξηγεί τον λόγο όταν αρνείται, μαζί με ασφαλείς εναλλακτικές.

Το κίνητρο που αναφέρεται είναι τομείς διπλής χρήσης, όπως η ιολογία, όπου ένα αίτημα μπορεί να απαντηθεί με ασφάλεια σε γενικό επίπεδο αλλά όχι με επιχειρησιακή λεπτομέρεια. Ο ισχυρισμός είναι λιγότερες αδικαιολόγητες αρνήσεις με παράλληλη διατήρηση της ασφάλειας.

Ξεχωριστά, η OpenAI κατέταξε το «GPT-5 thinking» ως High capability στον βιολογικό και χημικό τομέα βάσει του Preparedness Framework της, και ενεργοποίησε προληπτικά μέτρα ασφάλειας, επικαλούμενη 5.000 ώρες red-teaming με συνεργάτες όπως το CAISI και το UK AISI, ακόμη και χωρίς οριστικές ενδείξεις ότι το μοντέλο θα μπορούσε να βοηθήσει έναν αρχάριο να προκαλέσει σοβαρή βλάβη.

Η αποδοτικότητα και η ειλικρίνεια αλλάζουν τους υπολογισμούς ανάπτυξης

Για τις ομάδες που χτίζουν πάνω στο API, ο ισχυρισμός περί αποδοτικότητας token είναι εξίσου σημαντικός με τους ισχυρισμούς περί ακρίβειας: το GPT-5 με thinking φέρεται να ισοφαρίζει ή να ξεπερνά το o3 χρησιμοποιώντας 50–80% λιγότερα output tokens σε οπτική συλλογιστική, αυτόνομο (agentic) προγραμματισμό και προβλήματα επιστήμης μεταπτυχιακού επιπέδου. Καθώς τα tokens συλλογιστικής χρεώνονται, αυτή η αναλογία επηρεάζει άμεσα το κόστος εκτέλεσης ενός φόρτου εργασίας.

Ο συνδυασμός που αξίζει να ληφθεί υπόψη στον σχεδιασμό είναι ένα router που δεν ελέγχετε εσείς, χαμηλότερο ποσοστό παραπλάνησης και φθηνότερη συλλογιστική. Ένα μοντέλο που δηλώνει με συνέπεια «δεν μπορώ να το κάνω αυτό εδώ» μειώνει τον όγκο της αμυντικής επικύρωσης που πρέπει να χτίσει μια εφαρμογή γύρω από τα αποτελέσματά του — όμως το επίπεδο δρομολόγησης σημαίνει επίσης ότι το ακριβές μοντέλο πίσω από ένα αίτημα μπορεί να αλλάξει καθώς η OpenAI το επανεκπαιδεύει με βάση ζωντανά σήματα. Οι ομάδες εφαρμογών θα πρέπει να δοκιμάζουν και τα δύο μονοπάτια, το ταχύ και το thinking, και να αντιμετωπίζουν την κλήση του «GPT-5 thinking» ως κάτι που πρέπει να ενεργοποιείται ρητά και όχι να θεωρείται δεδομένο.