GPT-4.5 不能说没有进步，但比起飙涨的推理成本，就显得 OpenAI 有些力不从心了。

北京时间 2 月 28 日，OpenAI 举办了一场相当简单的直播，正式发布了传闻已久的 GPT-4.5（研究预览版）。但 OpenAI CEO Sam Altman（山姆·奥特曼）没有亲临直播现场，官方也指出 GPT-4.5 不是一个前沿模型。

相比之下，两年前发布 GPT-4 的场面明显更隆重，也更有想法。而这些迹象似乎在开始就表明了：OpenAI 也不认为，GPT-4.5 会是一次里程碑式的升级。

但有一说一，GPT-4.5 依然是 OpenAI 最新、最强的聊天模型，不仅回答时的情商更高了，尤其重要的是，相比 GPT-4o 的准确率提升了 24.%，幻觉率更是降低了 24.7%。

这些提升还是非常关键，要知道，这两方面依然是包括 DeepSeek-R1 在内很多大模型，在使用上最大的问题。

单看这一点，其实也值回了观看直播发布活动的「票价」。但相对地，使用 GPT-4.5 的「票价」很难评了：

输入（缓存命中）为 37.5 美元 / 百万 tokens；

输入（缓存未命中）为 75 美元 / 百万 tokens；

输出为 150 美元 / 百万 tokens。

什么概念？以输入价格（缓存未命中）为例，GPT-4.5 的 API 价格是 GPT-4o 的整整 30 倍，还是 DeepSeek-V3（美元定价）的 277 倍，DeepSeek-R1（美元定价）的 136 倍。甚至如果对比 DeepSeek 优惠时段的价格，GPT-4.5 是前者的 555 倍。

图/

很难想象，GPT-4.5 这个贵出天际的价格，能有多少开发者用得起、会想用。

相对来说，ChatGPT 会员可能是 GPT-4.5 最具性价比的一种方式。目前，Pro 用户已经可以率先体验到 GPT-4.5（研究预览版），下周将向团队用户和 Plus 用户开放，同时面向教育用户和企业用户推出。

需要强调的是，GPT 4.5 不是推理模型。

自从 OpenAI 推出 o1 模型后，大模型实际上分化出了一条名为「推理模型」的路线，OpenAI o1/o3 以及 DeepSeek R1 都是这条路线。然而 GPT 4.5 则是非推理路线的预训练大模型，就像目前的 OpenAI 的主力模型 GPT-4o 或者 DeepSeek V3。

不过，OpenAI 还表示，推理将是未来模型的核心能力，预训练和推理两条路线并进且相互补充也会是大模型的趋势所在。其实 Sam Altman 之前也明确表示过了，OpenAI 的两个系列模型以后将会：

合二为一。

智商升级不大，但情商高了、幻觉更少

如果从大模型常规比拼的「智商」来看，GPT-4.5 的进步实在算不上大。

图/ OpenAI

在 MMMLU（语言理解）、MMMU（多模态）等基准测试中的跑分尽管都比 GPT-4o 有了提升，但提升幅度只在 5%左右，在 GPQA（科学）和 AIME ‘24（数据）等基准测试中也远不如推理模型的 o3-mini（high）。

不过让我们跳过跑分以及背后的技术迭代等，回到直播演示中 GPT-4.5 更让人「体感」到的升级上，还是能明显感知到，GPT-4.5 在对话中对人类需求和意图更好地理解。

其中一次，主持人告诉 GPT-4.5「我的朋友又放我鸽子了，我想发一条短信骂他」，但 GPT-4.5 不会直接给出一条怒骂朋友的短信，而是捕捉到用户在文字中的情绪，给出了一些更有建设性的短信。与之相较，GPT-4o 更多还是「单纯」地执行命令，给出了一条表达愤怒的短信。

翻译仅供参考，图/ OpenAI

相似的例子还有，比如告诉 GPT-4.5「我在考试失败后正经历一段艰难时期」，其他模型会立刻给出一些可能的「解决方案」，GPT-4.5 则会主动安慰并询问用户，实际是想谈谈这个问题，还是需要分散一下注意力。

在不少例子都可以看出 GPT-4.5 在「情商」上的进步，简单来说也更像「一个人」而非「机器」了。

在内部测试中，OpenAI 也发现相比与 GPT-4o 的对话，测试人员普遍认为与 GPT-4.5 的对话更接近人类的交流方式，也更自然。但坦白讲，两者在数据上差距并不算大，在创造性智能、日常询问上 GPT-4.5 也仅仅略胜一筹，专业问询上倒是可以做到 63.2%的胜率。

不过相比情商，更让人在意的可能还是幻觉的减少。在「简单但有挑战性」的场 SimpleQA（包含从科技到电视节目、电子游戏等主题）常识问答测试中，GPT-4.5 编造答案或产生幻觉的比例约为 37%，而与此相比，GPT-4o 模型的比例接近 60%。

上：准确率，下：幻觉率，图/ OpenAI

这里也要一提，GPT-4o 已经算是目前幻觉比较少的模型之一，一般认为比 DeepSeek-V3 更好，也就更遑论幻觉问题比较严重的 DeepSeek-R1 了。

价格是DeepSeek 277倍！太离谱了

GPT-4.5 发布之后，MIT 科技评论采访了一家为商业客户的大模型服务公司，其联合创始人兼 CTOWaseem Alshikh 表示，GPT-4.5 对于写作和头脑风暴这样的特定用例非常有潜力，但整体来说只是在交互变得更顺滑了：

「这并不是一场变革。」

这也大体能够说明 GPT-4.5 的升级定位，最多只能称得上一次半代升级。更何况，OpenAI 投入更多的训练算力，结果更多是带来了贵得离谱的推理成本。

尽管没有披露 GPT-4.5 的训练成本，但 Sam Altman 在 X（原 Twitter）上明确指出 GPT-4.5 是一个巨型、昂贵的模型，甚至 GPU 已经不够用，需要在下周增加数万个 GPU 才能将其开发给 Plus 以及更多用户。

翻译仅供参考，图/ X

与此同时，正如前文展示的数据，GPT-4.5 的 API 定价出乎了所有人的意料，不仅比自家主力大模型贵，比刚刚推出的全球首个混合推理模型 Claude-3.7-Sonnet 也贵了 25 倍，更不用说和刚刚宣布错峰定价的「价格屠夫」DeepSeek 比。

「坦白地说，我感到震惊。他们如何证明这个要价是合理的？」Hacker New 网友表示，「如果他们有一些令人惊叹的能力，使得价格翻 30 倍变得合理，为什么不展示出来呢？」

Hacker News 网友评论，图/

背后的故事我们还不得而知，不过可以知道的是，GPT-4.5 在训练上还是有所改变，最核心的一点就是引入了「无监督学习扩展」（Scaling unsupervised learning）提到世界模型的准确性和直觉，这是 GPT-4.5 在情商和幻觉方面有所改进的关键创新之一。

不仅如此，无监督学习让模型能够从大量未标注的数据中学习语言模式和知识，而且能够使用较小模型的衍生数据，来训练出更大、更强的模型。某种意义上，这也是 GPT-4.5 最大的贡献之一，证明了用小模型训练大模型的可能，而不只是用大模型蒸馏出小模型。

但无论如何，GPT-4.5 的训练和推理成本都实在难以让人接受，还是期待一下据说要提前发布的 DeepSeek-R2，会带来怎样的惊喜吧。

图/ DeepSeek

写在最后

今年 1 月初，Sam Altman 在 X 上写一篇了「六字故事」：near the singularity; unclear which side。简单来说，可以译为「奇点临近，不知身处何方」。

紧接着，就是 DeepSeek-V3 和 R1 带来的核弹级冲击，让 Sam Altman 也不得不承认 OpenAI 的闭源策略「站在错误的一边」。与此同时，所有人也开始转向性能又强、性价比又高的 DeepSeek，包括 Gemini 等大模型也推出性价比同样很高的新一代。

但说了这么多，回归模型本身，GPT-4.5 其实不差，拥有更大的知识库、增强的创造力和更自然的对话风格，也不像 o 系列模型那样需要等待 AI 执行详细的逐步逻辑。说实话，身边已经有不少人厌烦了 DeepSeek-R1 冗长的思考过程。

而更具体地说，GPT-4.5 可能更擅长创意和细腻的任务，如写作和解决实际问题，更重要的是它可能产生的幻觉更少，通用性更强。

至少，ChatGPT 的订阅用户可能又多了续订的理由，反正不需要我们考虑 OpenAI 的成本。就拿我自己说，前些天因为不满回答的稳定性取消了 ChatGPT Plus，但看完后又觉得，还是要下周体验后再确定是否续订。

聚焦DeepSeek：

DeepSeek 体验整活

DeepSeek 技术科普

DeepSeek 再造硬件

DeepSeek 重塑软件

DeepSeek 点燃未来

DeepSeek 现象