凌晨一点，我正在改一个分布式锁的bug。工位旁边的行军床已经被我堆满了排障记录，咖啡凉了两杯，锁还没解开。

手机震了一下。我看到推送：GPT-5发了。

我放下分布式锁，打开OpenAI的发布页。看了三十秒，看到三个字——路由器。

行军床也不躺了，咖啡又续了一杯。

事件资料卡

01它不是一个模型，是三个东西

先说清楚GPT-5是什么。它不是一个模型。

它是三个东西：一个快速模型（gpt-5-main），负责大多数问题，低延迟，快回答；一个思考模型（gpt-5-thinking），负责复杂问题，多步推理，慢但深；一个实时路由器，负责判断你的问题该走哪条路。

以前OpenAI的逻辑是：你自己选。简单问题用GPT-4o，难问题用o3。选错了你自己承担——要么慢得要死，要么答得敷衍。

现在OpenAI说：不用选了。路由器替你选。

路由器看四样东西来决定：对话类型、问题复杂度、需不需要调工具、你的明确意图。比如你在提示词里写"认真想想"，它切到thinking。你问"今天天气怎么样"，它走main。

路由器还在持续训练。训练信号包括：用户什么时候手动切换模型、对回复的偏好率、准确率测量。也就是说，所有ChatGPT用户的行为，都在喂给这个路由器。

路由器决策输入

02路由器是个好设计，但我信不过

先说公道话。路由器解决了一个真问题。

以前用户打开ChatGPT，面对一堆模型名——GPT-4o、o3、o4-mini、GPT-4.5——大部分人不知道选哪个。选错了体验就差，差了就骂OpenAI。路由器把这个选择收走了，用户不用懂模型差异，丢个问题进去就行。

产品层面，这是正确的决策。

但我关心的不是产品体验，是架构可控性。

OpenAI没有公布路由器的架构、决策阈值、训练数据集，也没有给出独立审计的准确率。它只说了输入是什么——对话类型、复杂度、工具需求、用户意图——但没说怎么从这些输入得出路由决策。

你知道它在看什么，但不知道它看到了之后怎么想。

对于一个架构洁癖来说，不可见的抽象就是危险。你以为你在调GPT-5，其实你在调一个分发系统。分发系统替你决定你的问题"配"用哪个模型——这个"配"字，是它定义的，不是你定义的。

更直白一点：它觉得你的问题简单，就给你快速模型的回答。它觉得你的问题难，就给你思考模型的回答。但如果它判断错了呢？一个需要深度推理的问题被路由到快速模型，你得到的就是一个自信但浅薄的答案。你甚至不知道它走了哪条路。

03API给了你旋钮，ChatGPT没收了

这里有个关键区别：ChatGPT里的GPT-5和API里的GPT-5，不是一回事。

ChatGPT里，路由器做主。用户能选的就是GPT-5和GPT-5 Thinking，其余全由路由器决定。发布几天后OpenAI加了Auto、Fast、Thinking三个选项——这本身就说明全自动路由不够用，用户需要控制权。

API里，开发者拿到了旋钮。reasoning_effort参数控制推理强度——minimal、low、medium、high四档。verbosity参数控制回复长度——low、medium、high三档。

这两个参数是给开发者的补偿。ChatGPT收走了你的选择权，API还给你了。但问题是：你得知道自己该用哪档。

官方文档自己也说了——不是所有任务都能通过额外推理获得同等收益。简单长文本检索，low以上几乎没帮助；视觉推理，提高推理强度能涨好几个百分点。意思是你得自己试，自己测，自己定参数。路由器替你省的事，API又还给你了。你有没有脑子，自己看着办。

GPT-5 API 开发者控制参数

注：显式指令优先于verbosity参数。如"写五段式文章"始终输出五段，不受verbosity影响。

04它想不想，你付不付

GPT-5的API定了三档价格。

GPT-5 API 定价（每百万tokens）

上下文窗口400K tokens · 最大输出128K tokens · 知识截止2024年9月

看起来不贵？别急。

GPT-5支持400K上下文。一次请求塞进去30万字，输入费用就是$0.50。如果路由到thinking模式，推理token另算——推理token也按输出价计费。一个复杂问题跑完，thinking的推理链可能消耗大量token，你的账单就是thinking的价格，不是main的价格。

在ChatGPT里，路由器决定走main还是thinking，你不知道也不可控。在API里，你通过reasoning_effort控制推理强度——但high档意味着更多推理token，更多token意味着更多钱。

它想不想，决定了你付不付。你设的旋钮，决定了它想多少。两条路，钱都是你出。

05不撒谎，比聪明重要

说完架构和钱，说点我认可的。

GPT-5最让我在意的不是SWE-bench 74.9%，不是AIME 94.6%。是它被训练得更诚实了。

以前的大模型有个毛病：任务做不了，它不告诉你做不了，而是编一个看起来像做了的结果给你。你问它"这段代码有没有bug"，它说"没有，我检查了"——其实它没检查，它只是概率上觉得"没有bug"是更可能出现的回答。

OpenAI说GPT-5改了这个——任务无法完成时，它会识别并说明局限性，而不是编造成功。事实错误率比GPT-4o低45%，thinking模式比o3低80%。

80%这个数字我没有条件独立验证。但方向是对的。

GPT-5 关键基准成绩

为什么我说不撒谎比聪明重要？因为Agent。

小透明前段时间做过集中的AI对比测试，我最怕的不是模型答错——答错你能看出来，能改。我怕的是模型编了一个看起来对的答案。编出来的东西，你信了，就埋进流程里了。等它爆的时候，你已经不知道是哪一步埋的雷。

一个模型如果能在做不了的时候说"我做不了"，那它就比一个什么都敢编的模型安全得多。Agent场景里，诚实是安全边界。聪明是上限，诚实是下限。上限高不高看运气，下限稳不稳看训练。

06对一个小团队意味着什么

我把发布页、API文档和价格表各看了一遍，先记下几个可能踩坑的参数。

先不急着下结论。模型能力会迭代，路由策略也会改，能不能放进真实业务，要看它在失败时留下什么。

我把IDE切回分布式锁的代码，顺手开了一个测试分支。SWE-bench 74.9%很好看，但生产环境不认榜单，只认回滚、日志和幂等。

我盯着路由器那一栏看了半天，想起一句很朴素的话：路由器也是概率。

概率就会判断错，区别只在于错的时候有没有留下可追踪的证据。

这句话说得对。路由器本质也是一个模型——一个判断"你的问题该交给哪个模型"的模型。它也是概率反应。它也会判断错。只不过它判断错的后果，被折叠进了你看不见的黑盒里。

对一个资源有限的小团队来说，GPT-5的实际意义不只在模型能力——能力当然强，但能力会迭代，今天74.9%的SWE-bench，半年后就是旧闻。

真正留下来的，是路由器这个模式。

以前你以为你在和模型对话。以后你会发现，你在和路由器对话——路由器再决定让哪个模型回你。你调的不是一个模型，是一个分发系统。分发系统的规则不是你定的，是OpenAI定的。它用你的行为数据训练路由器，路由器反过来决定你的请求由谁处理。

这是好的工程决策。但不是好的权力分配。

我的建议：如果用API，老老实实测好reasoning_effort每档的效果，自己定参数，别让路由器替你猜。如果用ChatGPT，至少知道Auto、Fast、Thinking三个选项的区别——OpenAI加这个选项，就是因为全自动不够用。

旋钮在你手里的时候，别嫌麻烦。等它被收走了，你再想要就要不回来了。

信息来源

OpenAI官方发布页：
openai.com/index/introducing-gpt-5

OpenAI开发者文档：
openai.com/zh-Hans-CN/index/introducing-gpt-5-for-developers

OpenAI API模型文档：
platform.openai.com/docs/models/gpt-5

界面新闻报道：
163.com/dy/article/K6ECVSCG0534A4SC.html