GPT-5

Стандартный бенчмарк по различным академическим дисциплинам с комплексной оценкой знаний. • данные разработчика

Режим размышления включен (до 128K токенов) с улучшенными возможностями рассуждения и итеративным подходом к решению проблем. • данные разработчика

Бенчмарк генерации кода с заданиями по завершению функций на Python. • данные разработчика

Включен режим размышления с пошаговым решением и проверкой математических задач. • данные разработчика

GPT-5 - Diamond-мышление без инструментов Эта методика использует специальный режим размышления, который сильно отличается от более стандартного "медленного и тщательного" мышления. Основное различие заключается в том, что мы используем так называемый "diamond-thinking" (алмазное мышление) - метод, разработанный Себастьяном Бубеком, где модель: 1. Начинает с ОЧЕНЬ широкого взгляда на проблему, продумывая множество различных подходов и возможных связей 2. Постепенно сужает фокус до наиболее перспективных идей 3. Проверяет эти идеи на прочность, тщательно оценивая их 4. Наконец, расширяет лучшую идею в полное, детальное решение Этот подход особенно эффективен для математических и физических задач, требующих творческого мышления для поиска нестандартного решения. Во многих случаях модель достигает точного, правильного решения, которое не было бы найдено при использовании более линейных методов мышления. Поскольку мы не используем инструменты, результаты можно напрямую сравнивать с версиями, где применяются инструменты, чтобы лучше понять их влияние на производительность модели. • данные разработчика

GPT-5 с режимом размышления - Решение визуальных задач университетского уровня с мультимодальным рассуждением. • данные разработчика

Включен режим размышления (до 128 тысяч токенов) с пошаговыми рассуждениями и пониманием кода на разных языках программирования. • данные разработчика

GPT-5 - IC SWE Diamond Freelance Coding Tasks (оценка на основе заработка). • данные разработчика

GPT-5 standard с включенным режимом размышления (без инструментов) - соревновательная математика. • данные разработчика

Режим размышления активирован для обнаружения медицинских галлюцинаций. Измерены неточности в сложных диалогах на темы здравоохранения. • данные разработчика

GPT-5 standard с включенным режимом размышления (только с инструментом python) - математика экспертного уровня FrontierMath уровней 1-3. • данные разработчика

GPT-5 standard с включенным режимом размышления (без инструментов) - Harvard-MIT Mathematics Tournament. • данные разработчика

GPT-5 standard с режимом размышления (без инструментов) - Полный набор вопросов экспертного уровня по различным предметам. • данные разработчика

GPT-5 с включенным режимом размышления - Бенчмарк выполнения многоэтапных инструкций. • данные разработчика

GPT-5 с включенным режимом размышления - Бенчмарк агентного поиска и просмотра веб-страниц. • данные разработчика

GPT-5 с включенным режимом размышления - Следование инструкциям в свободной форме письма. • данные разработчика

GPT-5 с оценщиком o3-mini - Бенчмарк многоходового выполнения инструкций с улучшенной точностью оценки. • данные разработчика

GPT-5 - Оценка выполнения инструкций через внутренний API (высокая сложность). • данные разработчика

GPT-5 - Бенчмарк вызова функций (авиационная сфера). • данные разработчика

GPT-5 с режимом размышления - Бенчмарк вызова функций (розничная сфера). • данные разработчика

GPT-5 с режимом размышления - Бенчмарк вызова функций (телекоммуникационная область). • данные разработчика

GPT-5 с режимом размышления - решение визуальных задач университетского уровня с применением продвинутого мультимодального рассуждения. • данные разработчика

GPT-5 с режимом размышления - Видео-основанное мультимодальное рассуждение (максимум 256 кадров). • данные разработчика

GPT-5 с режимом размышления - Рассуждение и интерпретация научных графиков. • данные разработчика

GPT-5 с режимом размышления - Мультимодальное пространственное мышление. • данные разработчика

OpenAI-MRCR - двухигольный поиск при 128 тысячах токенов. • данные разработчика

OpenAI-MRCR 2-needle retrieval при 256 тысячах токенов. • данные разработчика

Поиск в ширину графовых путей (Graphwalks BFS) (<128k) для рассуждений с большим контекстом. • данные разработчика

Графические проходы, основанные на родительских связях (<128k), для рассуждений с длинным контекстом. • данные разработчика

BrowseComp вариант с длинным контекстом 128k. • данные разработчика

BrowseComp вариант с длинным контекстом 256k. • данные разработчика

VideoMME (long) с субтитрами — категория. • данные разработчика

Включен режим размышления для обнаружения галлюцинаций. Измерения проведены на открытых промптах для концептуальных фактологических запросов. • данные разработчика

Режим размышления включен для обнаружения галлюцинаций. Измерено на открытых промптах для фактологических запросов, основанных на объектах. • данные разработчика

Режим размышления активирован для оценки фактической точности. Измерен уровень галлюцинаций на открытых промптах. • данные разработчика

GPT-5 с включённым режимом мышления — бенчмарк следования инструкциям в многоходовом диалоге. • данные разработчика