OpenAI porta GPT-5 sull'API in tre dimensioni di modello, con nuovi controlli su formato e ragionamento

Il modello dell'API non è il modello di ChatGPT

La riga più importante per chi sviluppa sulla piattaforma è nascosta dopo i benchmark: GPT-5 sull'API è il modello di ragionamento, non il sistema router-più-modello-non-ragionante che ChatGPT mostra ai consumatori. OpenAI dichiara esplicitamente che gpt-5 con ragionamento minimo è un modello distinto dal percorso non ragionante di ChatGPT, e che il modello non ragionante di ChatGPT è esposto separatamente come gpt-5-chat-latest.

Questo conta perché chiarisce agli sviluppatori cosa stanno effettivamente chiamando. ChatGPT nasconde la selezione del modello dietro un router; l'API ti mette in mano direttamente il motore di ragionamento e ti chiede di gestire tu i compromessi. Le tre dimensioni—gpt-5, gpt-5-mini, gpt-5-nano—esistono proprio per farti decidere costi, latenza e qualità a ogni chiamata, invece di delegarli a un router opaco.

Le dichiarazioni sull'efficienza affiancano quelle sui punteggi

GPT-5 ottiene il 74,9% su SWE-bench Verified, in aumento rispetto al 69,1% di o3, e l'88% su Aider polyglot, che OpenAI descrive come una riduzione di un terzo del tasso di errore. Ma il dato che OpenAI ha scelto di sottolineare insieme al risultato di SWE-bench riguarda il consumo: rispetto a o3 con impegno di ragionamento elevato, GPT-5 usa il 22% in meno di token in output e il 45% in meno di chiamate a strumenti per raggiungere lo stesso punteggio.

Per i carichi di lavoro agentici che concatenano decine di chiamate a strumenti, meno chiamate e meno token si traducono direttamente in bollette più basse e latenza inferiore. Il risultato di τ2-bench nel settore telecom—96,7%, in un campo pubblicato dove nessun modello aveva superato il 49% due mesi prima—è la dichiarazione agentica più rilevante, ma la lettura pratica è che la stessa esecuzione del benchmark costa meno per tentativo. OpenAI sta argomentando sull'economia unitaria, non solo sulla capacità.

Vale la pena sottolineare la nota di trasparenza: OpenAI ha omesso 23 dei 500 problemi di SWE-bench che non potevano essere eseguiti sulla propria infrastruttura e ha divulgato gli ID esatti dei task, e ha sostituito il valutatore di MultiChallenge da GPT-4o a o3-mini perché il valutatore predefinito valutava male le risposte. Questi sono il tipo di avvertenze che determinano se un benchmark si riproduce nel tuo ambiente.

Gli strumenti personalizzati scambiano l'affidabilità JSON con grammatiche in testo semplice

Il nuovo tipo di strumenti personalizzati risolve un problema concreto, non uno di marketing. OpenAI osserva che un JSON valido richiede al modello di fare l'escape di ogni virgoletta, backslash, a capo e carattere di controllo, e che su input lunghi—centinaia di righe di codice o un report di cinque pagine—la probabilità di un escape malformato aumenta. Gli strumenti personalizzati permettono a GPT-5 di produrre gli input degli strumenti come testo semplice, vincolato da un'espressione regolare fornita dallo sviluppatore o da una grammatica context-free completa.

OpenAI riporta che GPT-5 ottiene punteggi praticamente identici su SWE-bench Verified sia con strumenti personalizzati che con strumenti JSON, e questo è il punto: la funzionalità non serve a migliorare il benchmark, ma a eliminare una categoria di errori di parsing sugli output lunghi. Insieme al valore minimo di reasoning_effort e al parametro di verbosità, la versione è essenzialmente un insieme di controlli che permettono agli sviluppatori di regolare velocità, lunghezza dell'output e affidabilità del formato per ogni singolo compito.

Una finestra di contesto da 400K e tassi di allucinazione più bassi puntano ad agenti sensibili alla correttezza

Ogni modello GPT-5 dell'API accetta fino a 272.000 token in input ed emette fino a 128.000 token di ragionamento e output, per un totale di 400.000 token. OpenAI ha affiancato questo dato a risultati di recupero su contesti lunghi—89% di correttezza su BrowseComp Long Context tra 128K e 256K token—e a una dichiarazione di circa l'80% in meno di errori fattuali rispetto a o3 sui prompt LongFact e FactScore, con il tasso di allucinazione riportato su LongFact-Objects che scende dal 6,8% di o3 all'1,2%.

L'implicazione specifica è che OpenAI sta posizionando GPT-5 per sistemi agentici in cui una risposta errata si propaga attraverso le chiamate a strumenti successive—modifiche al codice, operazioni sui dati, azioni di assistenza clienti su stati mutabili. Token più economici e meno chiamate riducono il costo di gestione di questi agenti; tassi di allucinazione più bassi e messaggi introduttivi tra le chiamate a strumenti servono a rendere il loro comportamento verificabile. Il pricing—1,25 dollari per milione di token in input e 10 dollari per milione in output per gpt-5, fino a 0,05 e 0,40 dollari per nano—permette ai team di indirizzare il recupero economico e i passaggi semplici verso modelli più piccoli, riservando il modello completo ai passaggi dove la correttezza ha davvero un costo.