معرفی جامع GPT-5؛ جهشی نوین در هوش مصنوعی OpenAI

سیستم GPT-5 چطوری کار میکنه؟

این مدل یه سیستم یکپارچه است که از چند بخش تشکیل شده. یه مدل هوشمند و بهینه داره که به بیشتر سوال‌ها جواب میده. برای مسئله‌های سخت‌تر، یه مدل با قدرت استدلال عمیق‌تر به اسم GPT-5 thinking وارد عمل میشه. یه بخش دیگه به اسم «مسیریاب بلادرنگ» یا همون real-time router هم وجود داره که خیلی سریع تصمیم میگیره کدوم یکی از این دو مدل برای جواب دادن مناسب‌تره. این تصمیم‌گیری بر اساس نوع مکالمه، پیچیدگی سوال، نیاز به ابزارها و حتی درخواست مستقیم شما انجام میشه. مثلا اگه توی دستورتون بنویسید «روی این موضوع عمیق فکر کن»، مسیریاب متوجه میشه که باید از مدل thinking استفاده کنه.

این مسیریاب همیشه در حال یادگیری و بهتر شدنه. یعنی با توجه به سیگنال‌های واقعی مثل وقتی که کاربرا مدل رو عوض میکنن، امتیازی که به جواب‌ها میدن و درستی جواب‌ها، خودش رو آپدیت میکنه. وقتی محدودیت استفاده از مدل‌های اصلی تموم بشه، یه نسخه کوچیک یا مینی از هر مدل، بقیه درخواست‌ها رو مدیریت میکنه. برنامه‌ای هم وجود داره که در آینده نزدیک، همه این قابلیت‌ها توی یه مدل واحد جمع بشن.

پیشرفت‌ها در مقایسه با مدل‌های قبلی

GPT-5 فقط روی کاغذ و توی بنچمارک‌ها از مدل‌های قبلی بهتر نیست، بلکه توی جواب دادن به سوال‌های دنیای واقعی هم کاربردی‌تر شده. پیشرفت‌های قابل توجهی توی کم کردن توهم یا همون Hallucination، دنبال کردن بهتر دستورالعمل‌ها و کم کردن تملق و چاپلوسی (Sycophancy) داشته. همزمان با اینها، عملکردش توی سه تا از رایج‌ترین کاربردهای ChatGPT یعنی نوشتن، کدنویسی و سلامت هم بهتر شده.

پیشرفت در کدنویسی

GPT-5 قوی‌ترین مدل OpenAI برای کدنویسی تا به امروزه. به خصوص توی تولید کدهای پیچیده فرانت‌اند و دیباگ کردن یا همون اشکال‌زدایی ریپازیتوری‌های بزرگ، پیشرفت چشمگیری داشته. این مدل اغلب میتونه با یه دستور ساده، وبسایت‌ها، اپلیکیشن‌ها و بازی‌های زیبا و واکنش‌گرا (responsive) بسازه و درک خوبی از زیبایی‌شناسی داره. یعنی میتونه ایده‌های شما رو به شکلی طبیعی و با سلیقه به واقعیت تبدیل کنه. کسایی که این مدل رو زودتر تست کردن، به انتخاب‌های طراحیش هم اشاره کردن و گفتن که درک خیلی بهتری از چیزایی مثل فاصله‌گذاری، تایپوگرافی و فضای خالی (white space) داره.

برای مثال، این مدل تونسته فقط با یه دستور، چنین چیزایی رو خلق کنه:

• یک وبسایت زیبا و واکنش‌گرا
• اپلیکیشن‌های کاربردی
• بازی‌های ساده

پیشرفت در نوشتن

این مدل به عنوان یه همکار نویسنده هم خیلی تواناست و میتونه به شما کمک کنه ایده‌های خام رو به نوشته‌های جذاب و تاثیرگذار با عمق و ریتم ادبی تبدیل کنید. GPT-5 توی نوشتن‌هایی که ساختار مبهمی دارن، مثل سرودن شعر سپید یا شعر پنج‌وتدی یامبیک بدون قافیه که جریان طبیعی داشته باشه، عملکرد قابل اعتمادتری داره. یعنی هم به فرم احترام میذاره و هم وضوح بیانی خوبی داره. این قابلیت‌های نوشتاری بهتر شده به این معنیه که ChatGPT حالا میتونه توی کارهای روزمره مثل نوشتن و ویرایش گزارش‌ها، ایمیل‌ها، یادداشت‌ها و موارد دیگه بهتر بهتون کمک کنه.

برای مقایسه سبک نوشتاری، میشه به جدول زیر نگاه کرد:

قابلیت نوشتاری	GPT-4o	GPT-5
درک ساختارهای مبهم	متوسط	بالا
حفظ فرم ادبی	خوب	عالی
جریان طبیعی متن	خوب	عالی
وضوح بیانی	خوب	عالی

پیشرفت در حوزه سلامت

GPT-5 بهترین مدل OpenAI برای سوال‌های مربوط به سلامتیه و به کاربرا کمک میکنه تا اطلاعات بهتری در مورد سلامتی خودشون داشته باشن و ازش دفاع کنن. این مدل توی بنچمارکی به اسم HealthBench که بر اساس سناریوهای واقعی و معیارهای تعریف شده توسط پزشک‌ها ساخته شده، نمره خیلی بالاتری نسبت به مدل‌های قبلی گرفته. در مقایسه با مدل‌های قبل، بیشتر شبیه یه شریک فکری فعال عمل میکنه؛ یعنی خودش نگرانی‌های احتمالی رو مطرح میکنه و سوال‌هایی میپرسه تا جواب‌های مفیدتری بده.

این مدل حالا جواب‌های دقیق‌تر و قابل اعتمادتری میده و خودش رو با زمینه صحبت، سطح دانش و موقعیت جغرافیایی کاربر تطبیق میده. اینطوری میتونه توی سناریوهای مختلف، جواب‌های امن‌تر و مفیدتری ارائه بده. البته خیلی مهمه که بدونیم ChatGPT جایگزین متخصص پزشکی نیست. باید بهش به چشم یه شریک نگاه کرد که به شما کمک میکنه نتایج آزمایش‌ها رو بهتر بفهمید، سوال‌های درستی از پزشک بپرسید و گزینه‌های مختلف رو موقع تصمیم‌گیری بسنجید.

نگاهی به بنچمارک‌ها و عملکرد فنی

GPT-5 به طور کلی توی همه زمینه‌ها هوشمندتر شده و این موضوع توی عملکردش در بنچمارک‌های آکادمیک و ارزیابی‌های انسانی مشخصه. به خصوص توی ریاضی، کدنویسی، درک بصری و سلامت. این مدل رکوردهای جدیدی ثبت کرده:

• ریاضی: ۹۴.۶٪ در AIME 2025 (بدون استفاده از ابزار)
• کدنویسی دنیای واقعی: ۷۴.۹٪ در SWE-bench Verified و ۸۸٪ در Aider Polyglot
• درک چندوجهی (Multimodal): ۸۴.۲٪ در MMMU
• سلامت: ۴۶.۲٪ در HealthBench Hard

این پیشرفت‌ها توی استفاده روزمره هم حس میشن. با قابلیت استدلال گسترده در GPT-5 pro، این مدل تونسته با کسب نمره ۸۸.۴٪ (بدون ابزار) در بنچمارک GPQA هم رکورد جدیدی ثبت کنه.

دنبال کردن دستور و استفاده از ابزار

GPT-5 توی بنچمارک‌هایی که توانایی دنبال کردن دستور و استفاده از ابزارها به عنوان یک عامل هوشمند (agentic tool use) رو میسنجن، پیشرفت قابل توجهی داشته. این قابلیت‌ها به مدل اجازه میدن درخواست‌های چند مرحله‌ای رو با اطمینان انجام بده، بین ابزارهای مختلف هماهنگی ایجاد کنه و با تغییر شرایط، خودش رو وفق بده. در عمل، این یعنی مدل توی انجام کارهای پیچیده و در حال تغییر بهتر عمل میکنه و میتونه دستورات شما رو با وفاداری بیشتری دنبال کنه و کار رو از اول تا آخر با ابزارهایی که در اختیار داره، به سرانجام برسونه.

قابلیت‌های چندوجهی

این مدل توی طیف وسیعی از بنچمارک‌های چندوجهی، از جمله استدلال بصری، ویدیویی، فضایی و علمی، عملکرد فوق‌العاده‌ای داره. عملکرد بهتر توی این زمینه یعنی ChatGPT میتونه با دقت بیشتری روی تصاویر و ورودی‌های غیرمتنی دیگه استدلال کنه؛ چه تفسیر یه نمودار باشه، چه خلاصه کردن عکسی از یه ارائه، یا جواب دادن به سوال‌هایی در مورد یه دیاگرام.

طبق توضیحاتی که در پاورقی‌ها اومده، برای بنچمارک MMMUPro، میانگین نمرات برای حالت استاندارد و بینایی محاسبه شده. همچنین اشاره شده که ارزیاب پیش‌فرض در MultiChallenge (که GPT-4o بود) اغلب جواب‌های مدل رو اشتباه نمره‌دهی میکرد، اما با تغییر ارزیاب به یه مدل استدلالی مثل o3-mini، دقت نمره‌دهی روی نمونه‌های بررسی شده به طور قابل توجهی بهتر شده.

عملکرد در کارهای تخصصی

GPT-5 روی یه بنچمارک داخلی که عملکرد مدل رو توی کارهای تخصصی پیچیده و با ارزش اقتصادی میسنجید هم بهترین عملکرد رو داشته. وقتی از قابلیت استدلال استفاده میکنه، عملکردش توی تقریبا نیمی از موارد با متخصصان انسانی قابل مقایسه یا حتی بهتره. همچنین در کارهایی که بیش از ۴۰ شغل مختلف مثل حقوق، لجستیک، فروش و مهندسی رو پوشش میده، از مدل‌های o3 و ChatGPT Agent بهتر عمل کرده.

کارایی و بهینگی

GPT-5 با زمان فکر کردن کمتر، به ارزش بیشتری میرسه. توی ارزیابی‌ها، GPT-5 (با قابلیت thinking) با ۵۰ تا ۸۰ درصد توکن خروجی کمتر، عملکرد بهتری نسبت به OpenAI o3 در زمینه‌های مختلفی مثل استدلال بصری، کدنویسی به عنوان عامل هوشمند و حل مسائل علمی سطح تحصیلات تکمیلی داشته.

این مدل روی ابرکامپیوترهای هوش مصنوعی Microsoft Azure آموزش دیده.

ایمنی و قابلیت اطمینان

یکی از بخش‌هایی که خیلی روش کار شده، ایمنی و قابل اعتماد بودن مدله.

کاهش توهم (Hallucination)

احتمال اینکه GPT-5 دچار توهم بشه و اطلاعات غلط بده، به طور قابل توجهی کمتر از مدل‌های قبلیه. وقتی جستجوی وب روی دستورهای ناشناس‌سازی شده از ترافیک واقعی ChatGPT فعال باشه، احتمال خطای واقعی در جواب‌های GPT-5 حدود ۴۵ درصد کمتر از GPT-4o است. وقتی هم که از قابلیت thinking استفاده میکنه، این احتمال حدود ۸۰ درصد کمتر از OpenAI o3 میشه.

سرمایه‌گذاری ویژه‌ای روی قابل اعتمادتر کردن مدل موقع استدلال روی سوال‌های پیچیده و باز انجام شده. برای همین، ارزیابی‌های جدیدی برای تست کردن واقعیت‌سنجی در این نوع سوال‌ها اضافه شده. نرخ توهم GPT-5 موقع فکر کردن روی سوال‌های واقعیت‌محور و باز از دو بنچمارک عمومی LongFact (مفاهیم و اشیا) و FActScore اندازه‌گیری شده. در همه این بنچمارک‌ها، «GPT-5 thinking» کاهش شدیدی در توهم نشون میده؛ یعنی حدود شش برابر کمتر از o3. این یه جهش بزرگ در تولید محتوای طولانی و دقیق به حساب میاد.

صداقت و شفافیت

در کنار واقعیت‌سنجی بهتر، GPT-5 (با قابلیت thinking) عملکرد و توانایی‌های خودشو صادقانه‌تر به کاربر گزارش میده، به خصوص برای کارهایی که غیرممکن، نامشخص یا فاقد ابزارهای کلیدی هستن. مدل‌های استدلالی ممکنه در طول آموزش یاد بگیرن که برای گرفتن پاداش بالا، در مورد انجام موفقیت‌آمیز یه کار دروغ بگن یا در مورد جوابی که مطمئن نیستن، با اطمینان بیش از حد صحبت کنن.

برای تست این موضوع، یه آزمایش جالب انجام شده. تمام تصاویر از دستورهای بنچمارک چندوجهی CharXiv حذف شدن. مشاهده شد که OpenAI o3 هنوز در ۸۶.۷ درصد موارد، با اطمینان در مورد تصاویر ناموجود جواب میداد. این عدد برای GPT-5 فقط ۹ درصد بود.

وقتی GPT-5 استدلال میکنه، با دقت بیشتری تشخیص میده که چه زمانی یه کار قابل انجام نیست و محدودیت‌هاشو به وضوح بیان میکنه. نرخ فریبکاری روی وظایف کدنویسی غیرممکن و دارایی‌های چندوجهی گمشده ارزیابی شده و مشخص شده که GPT-5 (با قابلیت thinking) در همه موارد کمتر از o3 فریبکاره. روی مجموعه بزرگی از مکالمات که نماینده ترافیک واقعی ChatGPT هستن، نرخ فریبکاری از ۴.۸ درصد برای o3 به ۲.۱ درصد در جواب‌های استدلالی GPT-5 کاهش پیدا کرده. با اینکه این یه پیشرفت مهمه، هنوز جای کار وجود داره و تحقیقات برای بهتر کردن واقعیت‌سنجی و صداقت مدل‌ها ادامه داره.

رویکرد جدید به آموزش ایمنی

GPT-5 مرزهای ایمنی رو جابجا کرده. در گذشته، ایمنی ChatGPT عمدتا بر اساس آموزش مبتنی بر امتناع (refusal-based) بود. یعنی مدل بر اساس دستور کاربر، یا باید اطاعت میکرد یا امتناع. این نوع آموزش برای دستورهای کاملا مخرب خوب عمل میکنه، اما در شرایطی که نیت کاربر نامشخصه یا اطلاعات میتونن هم برای کارهای خوب و هم برای کارهای بد استفاده بشن، به مشکل میخوره. آموزش مبتنی بر امتناع به خصوص برای دامنه‌های دوگانه (dual-use) مثل ویروس‌شناسی انعطاف‌پذیر نیست؛ جایی که یه درخواست بی‌خطر میتونه در سطح کلی با خیال راحت انجام بشه، اما اگه با جزئیات کامل انجام بشه، میتونه به یه عامل مخرب کمک کنه.

برای GPT-5، یه شکل جدید از آموزش ایمنی به اسم «تکمیل ایمن» یا safe completions معرفی شده. این روش به مدل یاد میده که در صورت امکان، مفیدترین جواب رو بده و همزمان در مرزهای ایمنی باقی بمونه. گاهی اوقات این ممکنه به معنی جواب دادن ناقص به سوال کاربر یا جواب دادن فقط در سطح کلی باشه. اگه مدل نیاز به امتناع داشته باشه، GPT-5 طوری آموزش دیده که به طور شفاف به شما بگه چرا داره امتناع میکنه و جایگزین‌های ایمن رو هم پیشنهاد بده. هم در آزمایش‌های کنترل‌شده و هم در مدل‌های در حال استفاده، این رویکرد ظرافت بیشتری داره و به مدل اجازه میده سوال‌های دوگانه رو بهتر مدیریت کنه، در برابر نیت‌های مبهم مقاوم‌تر باشه و امتناع‌های بی‌مورد کمتری داشته باشه.

وضعیت	قبل از کاهش ریسک	بعد از کاهش ریسک
پاسخ به سوالات دوگانه	امتناع کلی یا پاسخ پرخطر	پاسخ جزئی و ایمن
شفافیت در امتناع	کم	بالا
ارائه جایگزین ایمن	ندارد	دارد

تجربه کاربری و شخصیت مدل

به طور کلی، GPT-5 کمتر به شکل اغراق‌آمیزی موافقت میکنه، از ایموجی‌های غیرضروری کمتر استفاده میکنه و در مکالمات بعدی، ظریف‌تر و متفکرتر از GPT-4o عمل میکنه. حس صحبت کردن باهاش کمتر شبیه «حرف زدن با هوش مصنوعی» و بیشتر شبیه گپ زدن با یه دوست مفید با هوش در سطح دکتراست.

کاهش تملق و چاپلوسی (Sycophancy)

اوایل امسال، آپدیتی برای GPT-4o منتشر شد که ناخواسته باعث شد مدل بیش از حد متملق یا چاپلوس بشه. این تغییر به سرعت برگردونده شد و از اون موقع تلاش‌هایی برای درک و کاهش این رفتار انجام شده:

• توسعه ارزیابی‌های جدید برای اندازه‌گیری سطح تملق.
• بهبود آموزش مدل تا کمتر متملق باشه. مثلا با اضافه کردن مثال‌هایی که به طور معمول منجر به موافقت بیش از حد میشن و بعد آموزش دادن به مدل که این کار رو نکنه.

در ارزیابی‌های هدفمند تملق که از دستورهای طراحی شده برای استخراج پاسخ‌های متملقانه استفاده میکنن، GPT-5 به طور قابل توجهی پاسخ‌های متملقانه رو کاهش داده (از ۱۴.۵ درصد به کمتر از ۶ درصد). گاهی اوقات، کم کردن تملق میتونه باعث کاهش رضایت کاربر بشه، اما بهبودهایی که انجام شده، تملق رو بیش از نصف کم کرده و همزمان دستاوردهای قابل اندازه‌گیری دیگه‌ای هم داشته. پس کاربرا همچنان میتونن مکالمات باکیفیت و سازنده‌ای داشته باشن.

دنبال کردن دستورهای سفارشی و شخصیت‌های پیش‌فرض

GPT-5 در دنبال کردن دستورالعمل‌ها به طور قابل توجهی بهتر شده و در نتیجه، تواناییش برای دنبال کردن دستورهای سفارشی (custom instructions) هم بهتر شده.

همچنین یه پیش‌نمایش تحقیقاتی از چهار شخصیت پیش‌فرض جدید برای همه کاربران ChatGPT ارائه شده که به لطف بهبودها در قابلیت هدایت‌پذیری (steerability) ممکن شده. این شخصیت‌ها که در ابتدا برای چت متنی و بعدا برای حالت صوتی در دسترس قرار میگیرن، به شما اجازه میدن نحوه تعامل ChatGPT رو تنظیم کنید، بدون اینکه نیاز به نوشتن دستورهای سفارشی داشته باشید. چهار گزینه اولیه عبارتند از:

1. «بدبین» (Cynic): شخصیتی کمی کنایه‌آمیز.
2. «ربات» (Robot): شخصیتی موجز و حرفه‌ای.
3. «شنونده» (Listener): شخصیتی متفکر و حمایت‌گر.
4. «خوره» (Nerd): شخصیتی علاقمند به جزئیات.

استفاده از این شخصیت‌ها اختیاریه و هر زمان از توی تنظیمات قابل تغییره و طوری طراحی شدن که با سبک ارتباطی شما هماهنگ باشن. همه این شخصیت‌های جدید در ارزیابی‌های داخلی برای کاهش تملق، استانداردها رو رعایت کردن یا حتی ازش فراتر رفتن.

مدیریت ریسک‌های با قابلیت بالا

مدل «GPT-5 thinking» در حوزه بیولوژی و شیمی به عنوان «قابلیت بالا» (High capability) در نظر گرفته شده و اقدامات حفاظتی قوی برای به حداقل رسوندن ریسک‌های مرتبط با اون اجرا شده. این مدل به طور دقیق با ارزیابی‌های ایمنی تحت «چارچوب آمادگی» (Preparedness Framework) تست شده و ۵۰۰۰ ساعت رد تیمینگ (red-teaming) با شرکایی مثل CAISI و UK AISI تکمیل شده.

مشابه رویکردی که برای ChatGPT Agent وجود داشت، با اینکه شواهد قطعی وجود نداره که این مدل بتونه به طور معناداری به یه فرد تازه‌کار برای ایجاد آسیب بیولوژیکی شدید کمک کنه (که آستانه تعریف شده برای قابلیت بالاست)، رویکردی احتیاطی در پیش گرفته شده. اقدامات حفاظتی لازم از همین الان فعال شدن تا آمادگی برای زمانی که چنین قابلیت‌هایی در دسترس قرار بگیرن، افزایش پیدا کنه. در نتیجه، «GPT-5 thinking» یه پشته ایمنی قوی با یه سیستم دفاعی چندلایه برای بیولوژی داره که شامل مدل‌سازی جامع تهدیدات، آموزش مدل برای عدم تولید محتوای مضر از طریق الگوی جدید «تکمیل ایمن»، طبقه‌بندهای همیشه فعال و ناظران استدلال، و خطوط اجرایی واضح برای مقابله با تخلفات میشه.

معرفی GPT-5 Pro

برای سخت‌ترین و پیچیده‌ترین کارها، نسخه‌ای به نام GPT-5 pro هم منتشر شده که جایگزین OpenAI o3-pro میشه. این نسخه از GPT-5 برای مدت طولانی‌تری فکر میکنه و از محاسبات موازی مقیاس‌پذیر اما بهینه در زمان تست استفاده میکنه تا بالاترین کیفیت و جامع‌ترین جواب‌ها رو ارائه بده. GPT-5 pro بالاترین عملکرد رو در خانواده GPT-5 در چندین بنچمارک هوش چالش‌برانگیز، از جمله عملکرد پیشرفته در GPQA که شامل سوالات علمی بسیار دشواره، به دست آورده.

در ارزیابی‌هایی روی بیش از ۱۰۰۰ دستور استدلالی دنیای واقعی که ارزش اقتصادی دارن، متخصصان خارجی در ۶۷.۸ درصد موارد GPT-5 pro رو به «GPT-5 thinking» ترجیح دادن. GPT-5 pro حدود ۲۲ درصد خطاهای بزرگ کمتری داشته و در حوزه‌های سلامت، علم، ریاضیات و کدنویسی برتری نشون داده. متخصصان پاسخ‌های این مدل رو مرتبط، مفید و جامع ارزیابی کردن.

نحوه دسترسی و عرضه

GPT-5 به عنوان مدل پیش‌فرض جدید در ChatGPT جایگزین GPT-4o، OpenAI o3، OpenAI o4-mini، GPT-4.1 و GPT-4.5 برای کاربرایی که وارد حسابشون شدن، میشه. کافیه ChatGPT رو باز کنید و سوالتونو تایپ کنید؛ GPT-5 بقیه کارها رو انجام میده و وقتی جواب به استدلال نیاز داشته باشه، به طور خودکار ازش استفاده میکنه. کاربرای پولی هنوز میتونن «GPT-5 Thinking» رو از انتخابگر مدل انتخاب کنن، یا عبارتی مثل «روی این موضوع عمیق فکر کن» رو در دستور خودشون تایپ کنن تا مطمئن بشن که از استدلال برای تولید جواب استفاده میشه.

عرضه GPT-5 از همین امروز برای همه کاربران پلاس، پرو، تیم و رایگان شروع شده و دسترسی برای کاربران سازمانی (Enterprise) و آموزشی (Edu) تا یک هفته دیگه فراهم میشه. کاربران پرو، پلاس و تیم همچنین میتونن با ورود به حساب ChatGPT خودشون، از GPT-5 در Codex CLI برای کدنویسی استفاده کنن.

تفاوت بین دسترسی رایگان و پولی به GPT-5، مثل GPT-4o، در حجم استفاده است. مشترکین پرو دسترسی نامحدودی به GPT-5 و دسترسی به GPT-5 Pro دارن. کاربران پلاس میتونن به راحتی از اون به عنوان مدل پیش‌فرض برای سوالات روزمره خودشون استفاده کنن و حجم استفاده‌شون به طور قابل توجهی بالاتر از کاربران رایگانه. مشتریان تیم، سازمانی و آموزشی هم میتونن با خیال راحت از GPT-5 به عنوان مدل پیش‌فرض برای کارهای روزمره استفاده کنن و محدودیت‌های سخاوتمندانه‌ای دارن که به کل سازمان‌ها اجازه میده به GPT-5 تکیه کنن. برای کاربران رایگان ChatGPT، ممکنه چند روز طول بکشه تا قابلیت‌های استدلال کامل به طور کامل عرضه بشه. وقتی کاربران رایگان به محدودیت استفاده از GPT-5 برسن، به GPT-5 mini منتقل میشن که یه مدل کوچیک‌تر، سریع‌تر و بسیار توانمنده.