Model
.ai
追蹤開放 AI 模型
GPT 5 Pro
OpenAI | 400,000 token context | $15.00/M input, $120.00/M output. GPT-5 Pro 是 OpenAI 最先進的模型,在推理、程式碼品質及使用者體驗上有重大提升。它優化用於需要逐步推理、遵循指令及高風險使用案例中精確度的複雜任務。支援測試時路由功能及進階提示理解,包括使用者指定的意圖如「think hard about this」。改進包括減少幻覺、諂媚行為,並在程式碼撰寫、寫作及健康相關任務中表現更佳。
本模型的指南
全部指南
GPT-5 Pro 是 OpenAI 最強大的模型,專為需要推理深度、指令精確度與準確性勝過速度與成本的高風險工作打造。支援 40 萬標記上下文,能響應「仔細思考」等意圖提示,分配更多計算資源處理問題。權重封閉、僅限 API 使用,價格相應,是專業人士追求最佳輸出且能負擔費用的工具。

以...聞名

  • 對複雜多部分問題進行逐步推理
  • 相較早期 OpenAI 模型,減少幻覺與諂媚現象
  • 高風險任務中具備強大的程式碼品質與準確性
  • 推理強度可由使用者在推論時指定
  • 40 萬標記上下文視窗,能處理長文件與延伸對話

注意

  • 輸出費用每百萬標記 120 美元,長時間代理運行成本高昂。
  • 權重封閉,無本地部署與 Hugging Face 倉庫。
  • 此價格等級下,每個提示都應物有所值,休閒使用難以合理化。

可嘗試的提示詞

審核複雜程式碼決策
我有一個 Python 服務處理金融交易,目前使用單一 Postgres 資料庫與行鎖控制並發。約 500 個同時用戶時出現爭用。請分析改用事件源架構(附加式日誌)與調整現有樂觀鎖與讀取副本的利弊,並具體說明失敗模式。
推理困難診斷
請仔細思考。一名病患出現疲倦、莫名體重減輕、夜間盜汗及左側鎖骨上淋巴結腫大。請依緊急程度列出鑑別診斷,說明每項推理,指出最重要的下一步檢查並解釋理由。
規劃多步驟研究專案
我需要了解到 2035 年工業水泥生產現場碳捕捉是否具備經濟規模可行性。拆解關鍵子問題,指出證據最強與最弱處,標示若假設錯誤會大幅改變結論的部分,並建議研究順序。

比較

  • gpt-oss-120b
    開放權重模型
    131,072 代幣上下文 · $0.15/M 輸入,$0.60/M 輸出
  • gpt-oss-20b
    開放權重模型
    131,072 代幣上下文 · $0.02/M 輸入,$0.09/M 輸出
  • gpt oss 120b Turbo
    開放權重模型
    131,072 代幣上下文 · $0.15/M 輸入,$0.60/M 輸出
  • GPT-6 Luna
    僅限 API 模型
    1,050,000 代幣上下文 · $0.10/M 輸入,$0.50/M 輸出
更多來自 openai 的文字模型

常見問題

我可以本地執行 GPT-5 Pro 或下載權重嗎?
不行。GPT-5 Pro 僅限 API 使用,OpenAI 未釋出權重,也無 Hugging Face 倉庫。
GPT-5 Pro 費用與上下文視窗多大?
輸入標記每百萬 15.00 美元,輸出標記每百萬 120.00 美元,上下文視窗為 400,000 標記。
GPT-5 Pro 與其他 GPT-5 版本有何不同?
GPT-5 Pro 是 OpenAI 最先進的模型,優化於複雜推理、準確性與高風險任務,而非速度或成本效率。
船長評語
OpenAI 最銳利的工具——若任務確實需要,值得這個價格,否則難以合理化。
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料,可能會變動。
Ranking badge
Updated Oct 22, 2026
ModelTrends.ai 上的 GPT 5 Pro:Heat 3,043°
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
這個分數是怎麼累積的
這個模型目前還沒有任何來源的流行度數據,所以它會有一個低於 7,000° 的替代數字,讓列表保持完整。它永遠不會排在有數據的模型前面。一旦有來源報告數據,細項就會顯示在這裡。
詞彙表:這裡使用的術語
熱度分數
一個數字,表示模型目前的使用和需求程度,範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序,沒有其他排序依據。
底線
每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°;底線以下保留給沒有數據的模型,確保有數據的模型總是排名較前。底線對所有人相同,不影響排名;超過底線的度數才是評分依據。
下載等值
分數中視為下載的所有項目加總:下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
對數刻度
以十為單位計數,不是以一為單位:從 1,000 到 10,000 下載增加的度數,和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
喜歡數
來自各來源的讚和喜歡,每個在對數刻度上算半個下載量。
採用率
模型目前每天的下載次數,根據兩次來源讀取的差異計算。權重是下載量的四分之一。
實測與估算
實測表示有兩個來源的讀數,且差異是真實的。估算表示只知道今天的總數,過去的數據則分散在模型的整個生命週期;網站會說明顯示的是哪一種。
種子節點
指在線上保留權重檔案供他人透過種子下載的人,或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
AI Horde
一個志願者網絡,利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的,每張圖片算作一次下載。
生成網站
自己托管模型並讓人使用它生成圖片的網站,例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣,每次生成算一次下載。
OpenRouter 代幣
透過 API 提供的文字模型,如 Claude 或 GPT,沒有權重可下載,因此使用量以代幣計算:過去30天內透過 OpenRouter(許多應用使用的閘道)讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源:OpenRouter (openrouter.ai/rankings),CC BY 4.0。
完整模型(檢查點)
權重本身,是能獨立生成的檔案。它會有額外加分,因為其他附加檔案都依賴它。
LoRA和嵌入
小型附加檔案,用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
家族與權重
模型所建立的基礎,例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
年齡
根據家族權重發布時間距今多久,扣除的度數:每年150°,最多750°。它會保留那些有多年累積下載的舊模型,防止它們從排行榜頂端消失。
家族加成
針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成,會在分解中顯示。
替代分數
給尚無來源報告的模型一個穩定的最低分,讓列表保持完整。它永遠不會高於有數據的模型。
全新!(寬限期)
不到 7 天的新模型會顯示「全新!」而非分數,且不列入排名。分數從第一天開始計算,但一天大的模型成長最快,若不等待,週榜首將永遠是昨天剛出的模型,而非持續一週的。
趨勢
模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升,比典型慢表示下降。
典型模型
目錄中的中間值:一半模型在該期間成長較快,一半較慢。