Don't Miss
幻覺減弱｜GPT-5出現「幻覺」機率減至4.8%
By 信報財經新聞 on August 11, 2025
原文刊於信報財經新聞「CEO AI⎹ EJ Tech」
在啟用網頁搜尋後，GPT-5模型準確率顯著提升，回應包含事實錯誤或虛構內容的機率，比GPT-4o低約45%；在「思考」狀態下，錯誤機率亦比o3模型低約80%。在長篇內容基準測驗中，具有思考能力的GPT-5，虛構內容則比o3少約6倍。在ChatGPT提示回應中，具思考能力的GPT-5，出現「幻覺」並提供錯誤訊息的機率為4.8%，比GPT-o3（22%）及GPT-4o（20.6%）大減。
基準測試跑分方面，衡量編程能力的SWE-bench Verified，GPT-5得分74.9%，表現略勝Anthropic最新模型Claude Opus 4.1（74.5%）及谷歌DeepMind Gemini 2.5 Pro（59.6%）。在「人類終極考驗」（HLE），具有擴展推理功能的GPT-5 Pro，在使用工具下得分42%，成績略低於xAI Grok 4 Heavy（44.4%）。針對博士級科學問題的GPQA Diamond，GPT-5 Pro得分89.4%，超越Claude Opus 4.1（80.9%）及Grok 4 Heavy（88.9%）。
網上代理任務測試遜色
專門知識方面，在OpenAI開發的醫療測試HealthBench Hard，GPT-5得分46.2%。在數學測試AIME 25，GPT-5毋須工具協助取得94.6%。在多模態理解測驗MMMU，GPT-5表現達84.2%。不過，在網上代理任務測試Tau-bench，GPT-5瀏覽航空公司網站得分僅得63.5%，略低於o3的64.8%；而瀏覽零售網站時得分也是81.1%，略低於Claude Opus 4.1的82.4%。
相關文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
