GPT-4.5 重磅发布，天价算力背后的性能提升究竟几何！

简介

定位与背景

GPT-4.5 是 OpenAI 在 GPT-4 基础上推出的迭代版本，内部代号 Orion ，定位为“目前规模最大、知识储备最丰富的模型”。其研发目标是通过扩展计算、数据规模及架构优化，提升无监督学习和推理能力。

发布时间与争议

2024年10月，GPT-4.5进入小范围测试，但因其高昂的算力成本（API价格较GPT-4上涨30倍,是ds的280倍）引发讨论。尽管性能有所提升，但被质疑“性价比不足”。

模型架构

核心改进

GPT-4.5 基于 GPT-4 的架构进行优化，引入以下技术：

• 图神经网络与注意力机制 ：增强对语言结构（如词句关联性）的理解（情商高了一点，但是不多）。
  

例如，当用户抱怨“朋友总是爽约”时，GPT-4.5不再机械地输出建议，而是优先提供情感支持，再引导理性解决方案，甚至通过鼓励性语言帮助用户调整心态。这种能力源于对语境和情感细微差别的深度解构，而非简单的关键词匹配。

• 多模态扩展 ：GPT-4.5在写作、编程和日常问题解决中展现出更强的上下文连贯性。它可辅助生成创意文案、修复代码漏洞，甚至通过联网检索实时信息，但创作能力、代码能力远不如claude3.7 sonnet。

创作能力

GPT4.5 生成的 5 个口袋妖怪 SVG 是这样的：

而 Claude 3.7 Sonnet 生成的效果则是这样的：

代码能力

Ivan Fioravanti 使用同样的提示词：Create an amazing animation using p5js，GPT4.5 生成的动画是这样的：

再来看看 Claude 3.7 Sonnet的效果：

图像理解

至于图像理解，在医学图像诊断方面，GPT4.5 还是很难持续正确诊断出下面这张超声波图像，当然，其他友商也都全军覆没。

尽管在数学和编程等深度推理任务中提升有限（代码能力仅提升7%-10%），但其在依赖世界知识和创造力的领域（如设计、教育咨询）表现卓越。此外，多语言支持扩展至14种，低资源语言（如斯瓦希里语）的表现显著提升，进一步打破语言壁垒。

• 推理能力强化 ：通过扩展无监督学习和推理范式（据OpenAI研究员称，它的预训练算力较GPT-4提升10倍，但这一点后来被官方从文档中去掉了）），模型在生成前会进行“内部思考”，减少逻辑错误。

例如，在回答“海水为何是咸的”这类问题时，它能提供结构清晰、通俗易懂的解释，并主动补充科学不确定性，将“幻觉率”降至37.1%，远低于前代模型。

这种进步不仅体现在知识量上，更在于对用户意图的精准捕捉——例如，从“我需要减肥”中识别出隐含的健康管理需求，而非单纯推荐食谱。

训练规模

通过扩大预训练和后训练数据量，结合计算资源扩展，模型参数量和知识广度显著提升。

性能对比

与 GPT-4 的差异

优势

• 准确性提升 ：在 SimpleQA 基准测试（事实性问题）中表现优于 GPT-4o。
• 编码能力 ：解决 20% 的软件工程师任务（SWE-bench 测试），显著超过 GPT-4o。
• 交互优化 ：响应速度更快，适合实时对话场景。
  

不足

• 性价比低 ：性能提升幅度与算力成本（增长30倍）不成正比。
• 未达预期 ：相比 o1、o3-mini 等竞品，编码能力仍有差距。

实际问题

• 幻觉问题 ：尽管优化了推理能力，仍存在生成虚假信息的“幻觉”现象，测评中被批“严重”。
• 情感理解 ：能捕捉用户情感和言外之意，但复杂场景下稳定性不足。
  

。

用户评价

测评报告指出，GPT-4.5 的性能提升“未达革命性突破”，部分场景（如长文本生成）甚至不如预期，被形容为“有点儿失望”。